Question

考虑一个为每天设定销售目标的销售部门。总目标并不重要，但过剩或未成年人是。例如，如果第1周的星期一有50的目标，我们卖60，那么得分为+10。周二，我们的目标是48，我们以-2的成绩卖出46。在本周末，我们像这样评分一周：

[0,0]=10,[0,1]=-2,[0,2]=1,[0,3]=7,[0,4]=6

在这个例子中，星期一（0,0）和星期四和星期五（0,3和0,4）都是“热门”

如果我们查看第2周的结果，我们会看到：

[1,0]=-4,[1,1]=2,[1,2]=-1,[1,3]=4,[1,4]=5

第2周，周末很热，周二很热。

接下来，如果我们比较第一周和第二周，我们会发现本周结束时往往比本周的前半部分更好。那么，现在让我们添加第3周和第4周：

[0,0]=10,[0,1]=-2,[0,2]=1,[0,3]=7,[0,4]=6
[1,0]=-4,[1,1]=2,[1,2]=-1,[1,3]=4,[1,4]=5
[2,0]=-8,[2,1]=-2,[2,2]=-1,[2,3]=2,[2,4]=3
[3,0]=2,[3,1]=3,[3,2]=4,[3,3]=7,[3,4]=9

从这一点来看，我们看到本周末更好的理论是正确的。但我们也看到月底比起初更好。当然，我们希望下个月与下个月进行比较，或者比较季度或年度结果的一组月份。

我不是数学或统计学家，但我很确定有针对此类问题设计的算法。由于我没有数学背景（并且不记得我早期的任何代数），我会在哪里寻求帮助？这种类型的“热点”逻辑是否有名称？是否有可以切片和切块并比较多维数组的公式或算法？

任何帮助，指示或建议都表示赞赏！

Answer 1

这个数据实际上并不是多维的，它只是一个简单的时间序列，并且有许多方法来分析它。我建议你从Fourier Transform开始，它会在一系列中检测到“节奏”，因此这些数据会在7天时出现峰值，也会在30左右出现，如果你将数据集扩展到几年这将显示一个季节和假期一年的峰值。这应该让你忙碌一段时间，直到你准备好使用真实的多维数据，比如添加天气信息，股市数据，最近的体育赛事结果等等。

Answer 2

以下内容可能与您有关：技术分析中的Stochastic oscillators，用于确定股票是否超买或超卖。

我在这里过于简单，但基本上你有两个不断变化的计算：

14天随机：100 *（今天的收盘价 - 过去14天的低点）/（过去14天的高点 - 过去14天的低点）
3天随机：相同的计算，但相对于3天。

14天和3天随机指标将趋于遵循相同的曲线。你的随机指标将介于1.0和0.0之间;高于0.8的随机指标被认为是超买或看跌，低于0.2表示超卖或看涨。更具体地说，当你的3天随机“越过”其中一个地区的14天随机指标时，你就可以预测价格的势头。

虽然有些人认为技术分析是伏都教，但empirical evidence表明它具有一定的预测能力。对于它的价值而言，随机性是一种非常简单有效的方式，可以直观地显示价格随时间变化的势头。

Answer 3

您想要做的事情非常简单 - 您只需计算数据的autocorrelation并查看correlogram即可。从相关图中，您可以看到数据的“隐藏”时段，然后您可以使用此信息来分析时段。

结果如下 - 您的数字及其归一化的自相关。

10    1,000
-2    0,097
 1   -0,121
 7    0,084
 6    0,098
-4    0,154
 2   -0,082
-1   -0,550
 4   -0,341
 5   -0,027
-8   -0,165
-2   -0,212
-1   -0,555
 2   -0,426
 3   -0,279
 2    0,195
 3    0,000
 4   -0,795
 7   -1,000
 9

我用Excel来获取值。但是A列中的序列将等式=CORREL($A$1:$A$20;$A1:$A20)添加到单元格B1并将其复制到B19。如果添加线图，则可以很好地查看数据的结构。

Answer 4

在我看来，OLAP方法（如MS Excel中的数据透视表）完全符合问题。

Answer 5

您已经可以对模式的时间段做出合理的猜测 - 您正在查看每周和每月的事情。例如，要查找每周模式，只需将所有星期一平均在一起，等等。一年中的几个月都是如此。

当然，您可以使用复杂的算法来找出每周模式，但您已经知道这一点。如果你认为那里埋藏着你永远不会怀疑的模式（有一个奇怪的社区，那些人每周工作5天并经常开展业务），无论如何都要使用强大的工具 - 但如果你知道的话要寻找什么样的东西，真的没有必要。

Answer 6

丹尼尔在提出相关性时有正确的想法，但我不认为自相关是你想要的。相反，我建议每周与每周相关联。相关性中的峰值 - 即接近1的值 - 表明这些周的值彼此相似（即，是peiodic）。

例如，当你交叉关联时

0 0 1 2 0 0

与

0 0 0 1 1 0

结果将是

 2 0 0 1 3 0

最高值为3，这对应于将第二阵列移位（右）4

0 0 0 1 1 0 -->  0 0 1 1 0 0

然后乘以组件

0   0   1   2   0   0
0   0   1   1   0   0
----------------------
0 + 0 + 1 + 2 + 0 + 0 = 3

请注意，当您关联时，您可以创建自己的“假”周并将所有实际周相互关联，这样的想法是您正在寻找与您的假周的形状相对应的每周值的“形状”通过在相关结果中寻找峰值。

因此，如果您有兴趣找到接近本周结束的周数，您可以使用“假”周

 -1 -1 -1 -1  1  1

如果你在相关的第一个值得到高回应，这意味着你关联的实际周大致有这种形状。

Answer 7

这可能超出了您所寻找的范围，但是一种能够让您进行预测，查看统计显着性等内容的技术方法将是ARIMA或类似的Box-Jenkins模特。

在多维数组中查找相似之处

7 个答案: