Principal Component Analysis and Randomness Test for Big Data Analysis

Le livre "Analyse en Composantes Principales et Test de Randomité pour l'Analyse des Big Data" propose une approche innovante pour l'analyse de grands ensembles de données numériques rectangulaires, communément appelés Big Data. L'accent est mis sur la capacité à saisir immédiatement la signification des données, sans se perdre dans les détails des points de données individuels. Contrairement aux méthodes traditionnelles d'analyse en composantes principales, de tests de randomité et de techniques de visualisation, l'approche présentée se distingue par son universalité et sa simplicité, quel que soit le type de données, la structure ou les disciplines scientifiques spécifiques. Les bases mathématiques sont traitées en profondeur, avec la RMT-PCA et le test RMT utilisant la matrice de corrélation croisée des séries temporelles. Cette méthodologie est également appliquée aux prix des actions à haute fréquence sur les marchés japonais et américain, afin de démontrer son efficacité dans l'identification des secteurs d'activité tendance sur le marché financier.