用python做时间序列预测七：时间序列复杂度量化

本文介绍一种方法,帮助我们了解一个时间序列是否可以预测，或者说了解可预测能力有多强。

Sample Entropy （样本熵）

Sample Entropy是Approximate Entropy(近似熵)的改进，用于评价波形前后部分之间的混乱程度，
熵越大，乱七八糟的波动越多，越不适合预测；熵越小，乱七八糟的波动越小，预测能力越强。

具体思想和实现如下：

• 思想
  Sample Entropy最终得到一个 -np.log(A/B) ，该值越小预测难度越小，所以A/B越大，预测难度越小。
  A：从0位置开始，取m+1个元素构成一个向量，然后移动一步，再取m+1个元素构成一个向量，如此继续直到最后得到一个向量集合Xa,看有多少向量彼此的距离小于容忍度r(即有多少向量彼此相似，又称自相似个数)。
  B：从0位置开始，取m个元素构成一个模板向量，然后移动一步，再取m个元素构成一个模板向量，如此继续直到最