fastdtw计算两个股票序列之间的相似性（最小距离）

fastdtw计算两个股票序列之间的相似性（最小距离）

1.动态时间扭曲 (DTW)

Dynamic time warping：动态时间扭曲 (DTW) 是一种在两个时间序列之间找到最佳对齐的技术，其中一个时间序列可以通过拉伸或收缩其时间轴来非线性地“扭曲”。 这种比对可用于找到对应的区域或确定两个时间序列之间的相似性。
DTW 经常用于语音识别，以确定两个波形是否代表相同的口语短语。 在语音波形中，每个语音的持续时间和声音之间的间隔是允许变化的，但整体语音波形必须相似。
既然是时间序列的数据对比，分析相似度，那么当然也可以用于分析两个股票走势的相似度。

2. 随机序列验证测试

用随机数测试：

import numpy as np
import fastdtw

# 定义两个时间序列
series1 = np.random.rand(20)  # 使用 rand 生成 [0, 1) 内的随机数  
series2 = np.random.rand(20)  # 同样生成 [0, 1) 内的随机数  

# 使用fastdtw计算这两个序列之间的最小距离
distance, path = fastdtw.fastdtw(series1, series2)
 
print('FastDTW distance:', distance)

FastDTW distance: 4.126319461445138

数据范围，变化不大，距离很小，相似度高。

3.时间序列验证测试

通过两个曲线验证一下距离，理解fastdtw函数：

# 数据标准化函数
def standardize_data(df):
    return (df - df.mean()) / df.std()

def show_plot(amplitude_a,amplitude_b):
    # 使用fastdtw计算这两个序列之间的最小距离
    distance, path = fastdtw.fastdtw(standardize_data(amplitude_a), standardize_data(amplitude_b))
     
    print('FastDTW distance:', distance)
    
    # 计算相似度
    distance = m._dtw_distance(standardize_data(amplitude_a), standardize_data(amplitude_b))
    print('FastDTW distance:', distance)
    
    
    # 创建一个大图，包含两个子图  
    fig, axs = plt.subplots(2, 1, figsize=(12, 8))  
      
    # 第一个子图：展示标准化后的数据  
    axs[0].plot(time, standardize_data(amplitude_a), label='amplitude_a_stand')  
    axs[0].plot(time, standardize_data(amplitude_b), label='amplitude_b_stand')  
    axs[0].set_title('Standardized Data')  
    axs[0].set_ylabel('Amplitude (Standardized)')  
    axs[0].set_xlabel('Time')  
    axs[0].legend()  
      
    # 第二个子图：展示原始数据  
    axs[1].plot(time, amplitude_a, label='amplitude_a')  
    axs[1].plot(time, amplitude_b, label='amplitude_b')  
    axs[1].set_title('Original Data')  
    axs[1].set_ylabel('Amplitude')  
    axs[1].set_xlabel('Time')  
    axs[1].legend()  
      
    # 添加整个图的标题（可选）  
    fig.suptitle('DTW distance between %s and %s is %.2f' % ('sin', 'cos', distance))  
      
    # 显示图形  
    plt.tight_layout()  # 自动调整子图参数, 使之填充整个图像区域  
    plt.show()


time = np.linspace(0,10,1000)
# 定义两个时间序列曲线
amplitude_a = np.sin(time)
amplitude_b = np.cos(time)
show_plot(amplitude_a,amplitude_b)
    

FastDTW distance: 180.4045195245856

图示：

稍微复杂一点的曲线

time = np.linspace(0,10,1000)

amplitude_a = 8*np.sin(time+np.pi/6) + np.sin(time)/2
amplitude_b = 2*np.cos(time+np.pi/12) + 2*np.sin(time)/2

FastDTW distance: 70.96382215058884

可以看到振幅不同，经过标准化调整后，比cos和sin相似度更大。
距离比正弦曲线和余弦曲线近。

4.指数和股票序列之间相似性

下面做点有趣的测试，用沪深300的指数，测试范围两年的数据，在股票中寻找走势与之相似的股票。

选择相似度高的，距离小于70的，展示一下：
一共8个股票

less_perc = 
{'002080.SZ': 67.35405249048497, '300055.SZ': 69.23801473990225, '300894.SZ': 56.61913877059769, '300999.SZ': 63.85063120595672, '600010.SH': 60.95074038146817, '600315.SH': 67.58673618181477, '600597.SH': 69.34313634300776, '603486.SH': 62.23227702713981}

代码：

# 数据标准化函数
def standardize_data(df):
    return (df - df.mean()) / df.std()


def show_distance(time,index_code,stock_code,index_name,stock_name):
    # 使用fastdtw计算这两个序列之间的最小距离
    distance, path = fastdtw.fastdtw(standardize_data(index_code), standardize_data(stock_code))
     
    print('FastDTW distance:', distance)
    
    
    # 创建一个大图，包含两个子图  
    fig, axs = plt.subplots(3, 1, figsize=(12, 8))  
      
    # 第一个子图：展示标准化后的数据  
    axs[0].plot(time, standardize_data(index_code), label='index_code_stand')  
    axs[0].plot(time, standardize_data(stock_code), label='stock_code_stand')  
    axs[0].set_title('Standardized Data')  
    axs[0].set_ylabel('Amplitude (Standardized)')  
    axs[0].set_xlabel('Time')  
    axs[0].legend()  
      
    # 第二个子图：展示原始数据  
    axs[1].plot(time, index_code, label='index_code %s' % index_name)  
    axs[1].set_title('Original Index Data %s' % index_name )  
    axs[1].set_ylabel('Amplitude')  
    axs[1].set_xlabel('Time')  
    axs[1].legend()  

    # 第三个子图：展示原始数据  
    axs[2].plot(time, stock_code, label='stock_code %s' % stock_name)  
    axs[2].set_title('Original Stock Data %s' % stock_name)  
    axs[2].set_ylabel('Amplitude')  
    axs[2].set_xlabel('Time')  
    axs[2].legend()  
    
    # 添加整个图的标题（可选）  
    fig.suptitle('DTW distance between %s and %s is %.2f' % (index_name,stock_name, distance))  
      
    # 显示图形  
    plt.tight_layout()  # 自动调整子图参数, 使之填充整个图像区域  
    plt.show()


index_code = get_index('000300.SH','2022-01-01','2024-01-01')
for key in less_perc:
    print(key,less_perc[key])
    stock_code=get_code(key,'2022-01-01','2024-01-01')
    
    print(len(stock_code['close'].values),len(index_code['close'].values))
    # 两个数组的长度相同，才能比较，建立同样的时间线
    if len(stock_code['close'].values) == len(index_code['close'].values) :
        time = np.linspace(0,10,len(index_code['close'].values))
        show_distance(time,index_code['close'],stock_code['close'],'000300.SH',key)

挑选两个图示效果：

002080.SZ 67.35405249048497
484 484
FastDTW distance: 62.78944947058509

300894.SZ 56.61913877059769
484 484
FastDTW distance: 56.984793731052015

通过两个图示对比，走势的相似度还是比较接近的，拟合的比较完美。

用指数和市场全量对比一遍，还是需要点时间。
fastdtw可以做点有趣的事情！