使用假设检验和Python识别时间序列形态

最新推荐文章于 2023-02-05 16:29:32 发布

演化指挥

最新推荐文章于 2023-02-05 16:29:32 发布

阅读量914

点赞数 1

分类专栏：量化研发文章标签： python 机器学习算法概率论

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/Dr_Kevin_Ye/article/details/121525801

版权

本文介绍了如何使用假设检验和Python来识别时间序列的形态，以克服视觉判断的主观性。通过计算1，2，3阶差分序列，并进行显著性水平的假设检验，可以确定时间序列的增长趋势，如直线增长、下降、J形增长等。文中给出了具体的Python代码实现，并以沪深四千余家上市公司的利润表历史数据为例进行批量识别。

摘要由CSDN通过智能技术生成

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 $\Delta Y_t$ ， $\Delta^2 Y_t$ ， $\Delta^3 Y_t$ 。

$\Delta Y_t=Y_t-Y_{t-1}$

$\Delta^2 Y_t=\Delta Y_t-\Delta Y_{t-1}$

$\Delta^3 Y_t=\Delta^2 Y_t-\Delta^2 Y_{t-1}$

接着，对 $\Delta Y_t$ ， $\Delta^2 Y_t$ ， $\Delta^3 Y_t$ 分别进行显著性水平 $\alpha$ 条件下的两侧单尾假设检验。

（1）计算获得 $\Delta^n Y_t$ 的均值 $\Delta^n \overline{Y}$ ，标准差 $\Delta^n \sigma$ 和自由度df

（2）查询获得t分布单侧显著性水平 $\alpha$ 条件下的临界值 $t_{\alpha,df}$

（3）进行右侧假设检验：

（3.1）建立虚拟假设 $\Delta^n Y<=0$ ，对立假设 $\Delta^n Y>0$ ；

（3.2）计算 $\Delta^n Y$ 的右侧临界值：

$right=t_{\alpha,df}* \Delta^n \sigma$

（3.3）如果 $\Delta^n \overline{Y}>right$ ，则拒绝 $\Delta^n Y<=0$ 假设，接受对立假设 $\Delta^n Y>0$ 。

（4）如果未接受假设 $\Delta^n Y>0$ ，进行左侧假设检验：

（4.1）建立虚拟假设 $\Delta^n Y>=0$ ，对立假设 $\Delta^n Y<0$ ；

（4.2）计算 $\Delta^n Y$ 的左侧临界值：

$left=-t_{\alpha,df}* \Delta^n \sigma$

（4.3）如果 $\Delta^n \overline{Y}<left$ ，则拒绝 $\Delta^n Y>=0$ 假设，接受对立假设

最低0.47元/天解锁文章

关注

1
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
使用假设检验和Python识别时间序列形态

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
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。