nolds库—为基于一维时间序列的动态系统的非线性度量提供了实现和学习资源

1. nolds库简介

Nolds 是一个基于 numpy 的小型库，它为基于一维时间序列的动态系统的非线性度量提供了实现和学习资源。

2. 安装

pip install nolds

3. API介绍

样本熵(sample entropy)

基于近似熵度量时间序列的复杂性

相关维度(correlation dimension)

时间序列的分形维数的度量，也与复杂性有关。

Lyapunov 指数

正Lyapunov指数表明混乱和不可预测性。 Nolds提供了Rosenstein等人的算法。 （lyap_r）估计最大Lyapunov指数和Eckmann等人的算法。 （lyap_e）估计Lyapunov指数的整个范围。

Hurst指数

Hurst指数是时间序列的“长期记忆”的量度。如果时间序列在前面的步骤中增加，它可用于确定时间序列是增加、减少还是同样可能增加。这个属性使得 Hurst 指数对于股票数据的分析特别有趣。

去趋势波动分析 (DFA)

DFA 测量 Hurst 参数H，它与 Hurst 指数非常相似。主要区别在于 DFA 可用于非平稳过程（其均值和/或方差随时间变化)

4. 使用案例

import nolds
import numpy as np

rwalk = np.cumsum(np.random.random(1000))
h = nolds.dfa(rwalk)

5. 官方使用文档

官方使用文档