继本专栏上期介绍上市公司利润表时间序列的标准化处理,本期介绍用于时间序列曲线形态识别的统计方法,以及批量识别时间序列曲线形态的计算机程序的Python代码实现。
当我们去识别时间序列随时间是增长还是下降,是匀速增长还是加速增长的时候,最简单的方法是使用绘图工具将时间序列数据绘制成折线图,再通过视觉判断时间序列的形态。但是,使用视觉判断的方法,在时间序列波动较大时,很容易陷入主观性视觉误判,这一点依靠人工标注进行训练的视觉智能算法也无法避免。尤其在处理大量时间序列曲线时,通过人工去进行时间序列形态分类的缺陷尤其突出。
通过定量化的区间估计统计方法并使用计算机程序加以实现,就能高效省时地解决批量时间序列形态识别的问题。
首先,处理时间序列数据 获得其1,2,3阶差分序列,
,
。
接着,对,
,
分别进行显著性水平
条件下的两侧单尾假设检验。
(1)计算获得的均值
,标准差
和自由度df
(2)查询获得t分布单侧显著性水平条件下的临界值
(3)进行右侧假设检验:
(3.1)建立虚拟假设,对立假设
;
(3.2)计算的右侧临界值:
(3.3)如果,则拒绝
假设,接受对立假设
。
(4)如果未接受假设,进行左侧假设检验:
(4.1)建立虚拟假设,对立假设
;
(4.2)计算的左侧临界值:
(4.3)如果,则拒绝
假设,接受对立假设