【FinE】金融数据傅里叶变换(FFT)

最新推荐文章于 2024-07-29 17:04:22 发布

Quant0xff

最新推荐文章于 2024-07-29 17:04:22 发布

阅读量2.5k

点赞数

分类专栏： # 数据科学 # 信号与系统文章标签： FFT dft

本文链接：https://blog.csdn.net/qq_18822147/article/details/109003184

版权

数据科学同时被 2 个专栏收录

3 篇文章

订阅专栏

信号与系统

3 篇文章

订阅专栏

本文详细介绍了离散傅里叶变换(DFT)及其快速实现方法——快速傅里叶变换(FFT)，并展示了FFT在信号处理中的应用案例，包括如何通过FFT分析收益率序列。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

DFT和FFT

离散傅里叶变换

傅里叶变换将信号从时间域变换到频率域，但是离散傅里叶变换(discrete Fourier transform)的缺点是计算量太大，时间复杂度太高，当采样点数量较多的时候，计算缓慢，因此有了快速傅里叶变换(FFT)

快速傅里叶变换

计算量较小的DFT的一种实现，1-DFFT变换公式如下
$y[k]=\sum_{n=0}^{N-1}e^{-2\pi j\frac{kn}{N}}x[n]$
傅里叶逆变换的公式如下
$x[n]=\frac{1}{N}\sum_{k=0}^{N-1}e^{2\pi j\frac{kn}{N}}y[k]$
根据Fourier Transformation的定义可以得到
$y[0]=\sum_{n=0}^{N-1}x[n]$

Demo

两个正弦波叠加后的FFT

def FFT_demo_1():
    # 两个正弦波叠加的FFT分解
    # 样本点的数量
    n = 600
    # sample spacing
    T = 1.0/800.0
    x = np.linspace(0.0, n*T, n)
    y = np.sin(50*2*np.pi*x)+0.5*np.sin(80*2*np.pi*x)
    yf = fft(y)
    xf = np.linspace(0, 1.0/(2.0*T), n//2)
    plt.plot(xf, 2.0/n*np.abs(yf[0:n//2]))
    plt.grid()
    plt.title('two sine waves superposition')
    plt.show()

sinFFT

The FFT input signal is inherently truncated. This truncation can be modeled as multiplication of an infinite signal with a rectangular window function. In the spectral domain this multiplication becomes convolution of the signal spectrum with the window function spectrum, being of form $\sin(x)/x$ . This convolution is the cause of an effect called spectral leakage. Windowing the signal with a dedicated window function helps mitigate spectral leakage.

使用Blackman窗口缓解spectral leakage现象.

def FFT_demo_2_blackman():
    n, T = 600, 1.0/800.0
    w = blackman(n)
    x = np.linspace(0.0, n*T, n)
    y = np.sin(50*2*np.pi*x)+0.5*np.sin(80*2*np.pi*x)
    yf = fft(y)
    ywf = fft(y*w)
    xf = np.linspace(0, 1.0/(2*T), n//2)
    plt.semilogy(xf[1:n//2], 2.0/n*np.abs(yf[1:n//2]), '-b', lw=1.0, label='FFT')
    plt.semilogy(xf[1:n//2], 2.0/n*np.abs(ywf[1:n//2]), '-r', lw=1.0, label='FFT w. window')
    plt.legend(loc='best')
    plt.grid()
    plt.show()

blackman

收益率序列的FFT

可以将收益率序列看做是时域上的信号，使用FFT转换到频域上

from scipy.fft import fft
import matplotlib.pyplot as plt

def fft_returns_demo():
    fig = plt.figure()
    ax1 = fig.add_subplot(111)
    t = np.arange(len(y))
    y_fft = fft(y)
    ax1.plot(y, 'grey', ls='-', alpha=1.0, lw=1.0, label='returns')
    ax2 = ax1.twinx()
    ax2.plot(np.abs(y_fft), 'b', ls='-', alpha=0.4, lw=0.5, label='fft returns')
    fig.legend()
    plt.show()