我正在使用ccf（互相关），如下所示：
from statsmodels.tsa.stattools import ccf
print ccf(np.array(X), np.array(Y), unbiased=True)
我很难解释结果。我的问题是输出是否是所有可能滞后的互相关，还是滞后0处所有数据点的乘法结果？该文档未提供有关此问题的任何见解。提前致谢。
答案 0 :(得分：1)
我相信这是所有可能的滞后。由于核心是np.correlate（＆＃39;完整＆＃39;）。但是，就我而言，我的价值接近-2。这似乎不对。
答案 1 :(得分：0)
它在代码中使用numpy.correlate('full')：https://stackoverflow.com/a/24617594/4661264。
numpy.correlate反过来使用numpy.convolve的'完整'模式来实现'完整'参数。
numpy.convolve文档中“完整”模式的相关说明：
模式：{'完整'，'有效'，'相同'}，可选
'full'：默认情况下，模式为“full”。这将返回卷积 每个重叠点，输出形状为（N + M-1，）。在 卷积的终点，信号不完全重叠， 可以看到边界效应。