python中的因子分析（类似于R中的factal（））

Question

我一直在努力使用python中的sklearn进行因子分析。

在运行以下代码后的R中：

x.f <- factanal(data_final, factors = 2, rotation="varimax",  scores="regression", lower = 0.01)

我得到以下结果：

Call:
factanal(x = data_final, factors = 2, scores = "regression", rotation = "varimax", lower = 0.01)

Uniquenesses:
 WTI     GOLD    CAC40      DAX EUR_DOLL YEN_DOLL    SP500   NIKKEI   GILT TEN_TRES 
0.740    0.971    0.115    0.056    0.789    0.775    0.283    0.022    0.849    0.754 

Loadings:
     Factor1 Factor2
WTI       0.400   0.317 
GOLD      0.169         
CAC40     0.857   0.387 
DAX       0.903   0.359 
EUR_DOLL  0.371   0.271 
YEN_DOLL         -0.472 
SP500     0.511   0.675 
NIKKEI    0.337   0.930 
GILT     -0.334  -0.197 
TEN_TRES -0.343  -0.358 

           Factor1 Factor2
SS loadings      2.482   2.163
Proportion Var   0.248   0.216
Cumulative Var   0.248   0.465

Test of the hypothesis that 2 factors are sufficient.
The chi square statistic is 686.84 on 26 degrees of freedom.
The p-value is 4.16e-128 

我可以轻松地解释此代码，并了解其背后的输出和过程。

但是，当我在python中运行以下代码时，我不确定发生了什么以及它是否正确。

from sklearn import decomposition
from sklearn.decomposition import FactorAnalysis

factor = decomposition.FactorAnalysis(n_components=2)
factor.fit(data_final.iloc[:, 1::])
factor.components_

array([[-0.01175024, -0.00157749, -0.01547956, -0.01353783, -0.00322834,
     0.00225613, -0.01085127, -0.01219159,  0.00247041,  0.00210084],
   [ 0.00021618, -0.00135881, -0.00419973, -0.00435391, -0.00012713,
    -0.00225637,  0.00275685,  0.00686218,  0.00034337, -0.00035002]])

有没有更简单的方法在python中执行因子分析？如果没有，我如何从我的python代码中获取因子组件？

如果它有用，我使用的数据集是10个资产的期货合约中的一组日志回报。

提前致谢

Answer 1

所以我找到了为什么我得不到相同输出的原因。在R facanal（）的情况下，Sklearn函数不会使您的数据标准化。我必须扩展我的数据才能获得类似的输出。另一个问题是，当我使用日志返回而不是价格时，这会产生如此大的差异。