最近在做一个电价策略制定的项目,需要用到一些动态系统的思想,偶然发现Python的官方库索引中收录了一个nolds库,网址如下:
https://pypi.org/project/nolds/
详细文档在:
https://cschoel.github.io/nolds/
官方介绍是:
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测量提供实现和学习资源。
目前实现的API还比较少:
sample entropy (sampen
)
基于信息熵估算时间序列的复杂度;
correlation dimension (corr_dim
)
用来测量衡量时间序列的分形维数,也与复杂性有关。
Lyapunov exponent (lyap_r
, lyap_e
)
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 exponent (hurst_rs
)
赫斯特指数是时间序列的“长期记忆”的度量。 如果时间序列在先前步骤中增加,则可以用于确定时间序列是否更多,更少或同等地增加。 该属性使得Hurst指数对于股票数据的分析特别有趣。
detrended fluctuation analysis (DFA) (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(其平均值和/或方差随时间变化)。