NMath应用教程：在财务投资与预测中的应用

　NMath是.Net框架下唯一一款高性能的数学与统计学的商业算法库，能够帮助开发者摆脱复杂的数学算法，面向对象的创建财务，工程和科学相关的Microsoft.NET平台的应用程序。NMath中包含许多通用的计算工具包，在多个行业具有广泛的应用。接下来为大家介绍几个有代表性的应用。

财务投资应用——主成分分析（PCA）

　　主成分分析（PCA）也是一个比较常用的多元统计分析方法，在财务投资分析中经常用于对数据集进行降维处理，找出致使某一结果，如净收率下降的主要影响因素。NMath的PCA功能能够从原始数据集中通过运算最大方差，以找出一套比较小的综合变量集，该变量集即为影响力较大的变量因素集合，然后在按影响大小对变量进行排序，真正实现了主成分分析。

实例：某世界50强投资银行

　　在未使用NMath之前，对89支该银行投资股票进行分析，结果为影响这些股票的的变量为12个。而在使用了NMath的PCA功能进行主成分相互对抗后，将影响变量从12维减少为了2维。这2个变量在通常情况下的作用力，占变化因素总和的50%以上。

　　再结合NMath的k-means聚类算法，便能对所有股票区分为4个分类。

预测分析应用——假设检验

　　假设检验在现实中经常用到，通常用于计划阶段，预测计划的实施效果。不过NMath的Kolmogorov-Smirnov测试在NMath能够提供的众多假设检验相关功能中非常有特色。该功能可以确定一组数据点是否以某个确定的参考因素而分布的，这是很多算法库都没有的功能。

实例：Strands

　　Strands在筹办每年度的“5K run”之前，都会用他们专门的预测分析工具，对这个国际性的跑步比赛进行结果预测。其中值得一提的是，“5K run”吸引得比较多的是所谓“平均值”选手，所以该比赛的结果可能不是常规的正态分布。固在其预测分析工具中使用了NMath的Kolmogorov-Smirnov测试，确定了比赛结果应该为Weibull分布，增加了比赛预测的准确性。