python - 时间序列的小波

Question

我正在尝试在时间序列数据上使用小波系数作为神经网络的特征，但我对相同的用法有点困惑。我是否需要一次找到整个时间序列的系数，或者使用滑动窗口来找到相同的系数。我的意思是，会在整个时间序列上一次找到系数，在确定这些系数时包括未来的数据点吗？在没有前瞻偏差的情况下，在时间序列数据上使用小波的方法应该是什么？

Answer 1

在不知道您要达到的目标的情况下，很难为您提供详细的答案。

简而言之，您首先需要决定是要对时间序列应用离散(DWT) 还是连续(CWT) 小波变换。

DWT 将允许您将输入数据分解为一组离散级别，为您提供有关信号频率内容的信息，即确定信号是否包含高频变化或低频趋势。可以将其视为对输入数据应用多个带通滤波器。

我认为您不应该一次将 DWT 应用于整个时间序列。由于您正在处理财务数据，也许将您的输入信号分解为 1 天的窗口并在这些子集上应用 DWT 会为您解决问题。

无论如何，我建议：

• 安装pywt工具箱并使用虚拟时间序列来了解小波分解的工作原理。
• 查看有关金融数据小波分析的大量文献。例如，如果您对金融时间序列预测感兴趣，您可能想阅读这篇论文。
• 在DSP stack exchange上发布您未来的问题，除非您有特定的与编码相关的答案。