如何在时间序列中找到上衣和下衣？

Question

起初，这个问题听起来真的很愚蠢，但并不是根本问题。也许，任何算法看起来都无法解决，但我假装说它是。

那么问题。我有图表，例如黄金。我需要找到顶部和底部按时轴向的位置。问题是我需要找到重大上升和重大衰退的起点。问题是存在许多小的无关紧要的上升和下滑。

以下是更好理解的图片 - 我想找到的红点（不完全是，但在某种程度上是这样的）。

所以我可能需要过滤小的翻身和调低，但不知道该怎么做。任何想法我都会很高兴。我不需要java等算法，只需用语言即可。

Answer 1

1. 您可以先执行平滑或低通滤波操作，然后从平滑后的数据中找到局部最小值/最大值的位置。然后从原始数据中获取最小值和最大值的值。

2. 您可以使用正常的最大/最小滤镜，找到所有转折点，然后按阈值过滤转折点列表。

3. 我认为你真正想要做的是从信号中删除“长期变化”并仅查看“短期变化”。这可以使用经验模式分解来完成。参见my thesis.的第2.3.2节（Alernately，谷歌周围的“经验模式分解”，“EMD”或“希尔伯特 - 黄变换”。）

这是EMD的实际应用：



注意随着EMD算法提取信号的组成部分，从“最详细”开始到“最常见趋势”结束，这种普遍性越来越普遍。 （注意，显然有九个组件 - 只显示了几个组件。）

Answer 2

您通常会从移动平均线开始 - 也就是说，平均N个最近点，其中平滑程度大致与N成比例（即，平均值越多，您的结果越平滑）。< / p>

然后你可以得出每个平均点和下一个点之间的差异。如果差异改变符号，则表示最小值或最大值（从正值到负值，从最大值到正值，从最小值到正值，最小值）。

Answer 3

我可能不完全明白，但为什么你不能在特定的时间范围内取得最低点呢？大多数数据提供商确实提供当天的高/低，你能不能只存储它，然后只是获得时间范围x的最低值？

通过扩大学习范围，你可以删除小小的起伏。这就是我通常做的事情。另一种方法是，你可以使用过去X天的平均值来平滑结果（移动平均线）但是你会失去准确性（程度取决于范围......如果它的移动平均值是2-3天而不是糟糕的2年移动平均线。）

编辑：对不起，我想念，你试图找到范围。好吧，如果你有数据，那么为什么不首先找到最低点然后去第二天找出％变化，然后找出下一个等等，并覆盖你找到更高范围的那一天。你需要稍后再增加一些逻辑（例如从那个峰值下降％或者其他东西），否则你将报告通常会获取股票的IPO并将其全部高，并说这是一个单一的时期。