/**
 * 因子相关性分析（纯函数、零依赖）。
 *
 * 核心问题：多个因子之间是否冗余？
 * - 相关性矩阵：因子两两 Pearson 相关
 * - 高相关对：|ρ| > 阈值 → 建议合并/去重（避免重复暴露）
 * - 独立因子数：基于相关矩阵的有效维数（特征值法）
 */
/** 因子相关性结果。 */
export interface FactorCorrelationResult {
    /** 因子名（输入顺序） */
    factorNames: string[];
    /** 相关性矩阵 [i][j]（Pearson） */
    correlationMatrix: number[][];
    /** 高相关对（|ρ| > threshold） */
    highCorrelationPairs: Array<{
        i: number;
        j: number;
        correlation: number;
    }>;
    /** 平均相关性 */
    meanAbsCorrelation: number;
    /** 有效独立因子数（基于特征值，1 = 全冗余，N = 全独立） */
    effectiveFactorCount: number;
    notes: string[];
}
/** 因子相关性分析。 */
export declare function factorCorrelation(factors: readonly number[][], factorNames?: readonly string[], threshold?: number): FactorCorrelationResult;