时间序列/信号处理的自动趋势检测

Question

有哪些好的算法可以自动检测时间序列数据的趋势或绘制趋势线（上升趋势、下降趋势、无趋势）？如果您能为我指出任何好的研究论文或 python、R 或 Matlab 库，我将不胜感激。

理想情况下，该算法的输出将有 4 列：

1. 从时间

2. 到时间

3. 趋势（上升/下降/无趋势/未知）
4. 趋势概率或趋势程度

非常感谢您的参与。

Answer 1

我有一个类似的问题 - 想要对具有相似趋势的片段进行时间序列分割。对于该任务，您可以使用趋势分类器Python 库。它可以通过 pip 安装 ( pip3 install trend-classifier)。

下面是一个从 YahooFinance 获取时间序列数据并进行分析的示例。

import yfinance as yf
from trend_classifier import Segmenter

# download data from yahoo finance
df = yf.download("AAPL", start="2018-09-15", end="2022-09-05", interval="1d", progress=False)

x_in = list(range(0, len(df.index.tolist()), 1))
y_in = df["Adj Close"].tolist()

seg = Segmenter(x_in, y_in, n=20)
seg.calculate_segments()

现在，您可以使用趋势线和段边界绘制时间序列：

seg.plot_segments()

您可以检查有关每个段的详细信息（例如，斜率的正值表示上升趋势，负值表示下降趋势）。要查看有关索引段的信息3：

from devtools import debug
debug(seg.segments[3])

您可以使用Segmenter.segments.to_dataframe()生成 Pandas DataFrame 的方法以表格形式获取有关所有段的信息。

seg.segments.to_dataframe()

有一个参数控制“泛化”因素，即您可以尝试将趋势线拟合到较小的时间序列范围 - 您最终会得到大量的线段，或者您可以选择跨越更大范围的线段时间序列的一部分（更一般的趋势线），最终将时间序列分为更少的部分。为了控制该行为，在初始化时Segmenter()（例如，Segmenter(x_in, y_in, n=20)使用不同的n参数值。越大，n泛化性越强（段越少）。

免责声明：我是趋势分类器包的作者。