本文介绍了如何使用皮尔逊相关系数计算相似K线，探讨了遍历计算、遍历计算优化、分治算法和动态规划算法，并通过JavaScript实现。针对金融投资，分析了相似K线的实战应用及其局限性，强调性能优化在全市场数据处理中的重要性。
皮尔逊相关系数实现相似K线及其性能优化
概念介绍
相似K线是验证“历史总会重演”的一个经典产品，目前许多炒股软件都开始陆陆续续提供相似K线功能。如下图是某产品的相似K线效果图：
投资者可以根据相似K线展示的结果来观察个股可能的未来走势，从而对投资起到一定的指导作用。
本文就将简要介绍如何实现相似K线的计算，并讨论实现过程中的一些难点细节。
计算及实现
相似K线的实现主要分为两大部分，第一部分是相似度匹配计算；第二部分是排名筛选。
相似度匹配
进行相似度匹配时我们使用“皮尔逊相关系数”（Pearson product-moment correlation coefficient）来进行相关度验证。详细的“皮尔逊相关系数”的推导及演算可从网上找到相关资料。本文我们直接使用结论公式：
P X , Y = ∑ X Y − ∑ X ∑ Y N ( ∑ X 2 − ( ∑ X ) 2 N ) ( ∑ Y 2 − ( ∑ Y ) 2 N ) P_{X,Y}=\frac{\sum{XY}-\frac{\sum{X}\sum{Y}}{N}}{\sqrt{(\sum{X^2}-\frac{(\sum{X})^2}{N})(\sum{Y^2}-\frac{(\sum{Y})^2}{N})}} PX,Y=(∑X2−N(∑X)2)(∑Y
最低0.47元/天 解锁文章
扫一扫
4629
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
