NMath應用教程：在財務投資與預測中的應用

　NMath是.Net框架下惟一一款高性能的數學與統計學的商業算法庫，可以幫助開發者擺脫複雜的數學算法，面向對象的建立財務，工程和科學相關的Microsoft.NET平臺的應用程序。NMath中包含許多通用的計算工具包，在多個行業具備普遍的應用。接下來爲你們介紹幾個有表明性的應用。

財務投資應用——主成分分析（PCA）

　　主成分分析（PCA）也是一個比較經常使用的多元統計分析方法，在財務投資分析中常常用於對數據集進行降維處理，找出導致某一結果，如淨收率降低的主要影響因素。NMath的PCA功能可以從原始數據集中經過運算最大方差，以找出一套比較小的綜合變量集，該變量集即爲影響力較大的變量因素集合，而後在按影響大小對變量進行排序，真正實現了主成分分析。

實例：某世界50強投資銀行

　　在未使用NMath以前，對89支該銀行投資股票進行分析，結果爲影響這些股票的的變量爲12個。而在使用了NMath的PCA功能進行主成分相互對抗後，將影響變量從12維減小爲了2維。這2個變量在一般狀況下的做用力，佔變化因素總和的50%以上。

　　再結合NMath的k-means聚類算法，便能對全部股票區分爲4個分類。

預測分析應用——假設檢驗

　　假設檢驗在現實中常常用到，一般用於計劃階段，預測計劃的實施效果。不過NMath的Kolmogorov-Smirnov測試在NMath可以提供的衆多假設檢驗相關功能中很是有特點。該功能能夠肯定一組數據點是否以某個肯定的參考因素而分佈的，這是不少算法庫都沒有的功能。

實例：Strands

　　Strands在籌辦每一年度的「5K run」以前，都會用他們專門的預測分析工具，對這個國際性的跑步比賽進行結果預測。其中值得一提的是，「5K run」吸引得比較多的是所謂「平均值」選手，因此該比賽的結果可能不是常規的正態分佈。固在其預測分析工具中使用了NMath的Kolmogorov-Smirnov測試，肯定了比賽結果應該爲Weibull分佈，增長了比賽預測的準確性。