标签: trend

将线性趋势拟合到一组数据是直接的。但是如何将多条趋势线拟合到一个时间序列中？我将上涨和下跌趋势定义为高于或低于指数移动平均线的价格。当价格高于 EMA 时，我需要适应一个积极的趋势，当趋势转为消极时，一个新的消极趋势线等等。在我的market_data['Signal']熊猫数据框中下面的代码中，我告诉我趋势是上升 +1 还是下降 -1。

我猜我需要某种循环，但我无法弄清楚逻辑......

import pandas as pd
import pandas_datareader.data as web
import datetime as dt
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as mpatches
import matplotlib.dates as mdates

#Colecting data
market = '^DJI'
end = dt.datetime(2016, 12, 31)
start = dt.date(end.year-10, end.month, end.day)
market_data = web.DataReader(market, 'yahoo', start, end)

#Calculating EMA and difference
market_data['ema'] = market_data['Close'].ewm(200).mean()
market_data['diff_pc'] = (market_data['Close'] / market_data['ema']) - 1

#Defining bull/bear signal
TH = 0
market_data['Signal'] = …

我有一个具有季节性（每周）模式的重复时间序列，并且我想返回没有每周趋势的相同时间序列，以第一个值作为起点。

具体来说，第一个值仍然是 39.8，但第八个值也将是 39.8，而不是 17.1。如果只是重复前七个值，那么将会重复出现为期一周的负面趋势，而我希望根本没有趋势（因此第 7 个值 6.2 也会更高）。

有没有一种优雅的方法来做到这一点，尤其是对时间序列中的零值条目具有鲁棒性的方法（我有很多这样的条目）？

我们可以假设时间序列趋势是线性且恒定的（即不仅仅是分段线性）。

demand <- ts(
  c(39.8, 33.5, 40.6, 23.6, 11.9, 12.3, 6.2, 17.1, 10.8, 18, 1, -10.7, 
-10.4, -16.5, -5.6, -11.9, -4.7, -21.7, -33.4, -33.1, -39.2, -28.2, 
-34.6, -27.4, -44.4, -56.1, -55.7, -61.8, -50.9, -57.2, -50.1),
frequency = 7
)

plot(demand)

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。

我正在构建一个.net页面来模仿电子表格.该表包含此公式

=ROUND(TREND(AA7:AE7,AA$4:AE$4,AF$4),1)

有人可以提供相当于C#的TREND()？或者,如果任何人都可以提供一个快捷方式,那也没关系; 我对那里的数学不太熟悉,知道是否有更简单的方法.

如果它有帮助,这里有一些示例数字.

AA7:AE7 6 8 10 12 14

要么 10.2 13.6 17.5 20.4 23.8

AA $ 4:AE $ 4 600 800 1000 1200 1400

AF $ 4 650

编辑:这是我想出的,它似乎与我的电子表格产生相同的数字.

public static partial class Math2
{
    public static double[] Trend(double[] known_y, double[] known_x, params double[] new_x)
    {
        // return array of new y values
        double m, b;
        Math2.LeastSquaresFitLinear(known_y, known_x, out m, out b);

        List<double> new_y = new List<double>();
        for (int j = 0; j < new_x.Length; …

我正在建立一个网站,在Twitter上为我的最终项目寻找和展示当前最热门的话题.有没有人知道如何在上周或一天内从大量推文中提取主题？我也想知道如何在http://tweet3d.com/上显示标签云等主题,并展示每个主题的趋势,如http://trendistic.indextank.com/.

我真的需要你的帮助,因为这个最后的项目会在本月底结束.我的合作伙伴要求我使用Flash Builder,我也在学习使用它.多谢你们.

其他信息(11/20/2011):在我搜索谷歌之后,我来到这篇论文:使用主题模型比较Twitter和传统媒体,您可以使用以下链接访问它:纸张,但我无法理解该模型我缺乏相关背景.

如何获取值高于先前值的所有记录。例如，下表中的第一个范围从 id 1 开始，到 id 6 结束，下一个范围是从 7 到 10，等等......

id  Open
1   1.30077
2   1.30088
3   1.30115
4   1.30132
5   1.30135
6   1.30144
7   1.30132
8   1.30137
9   1.30152
10  1.30158
11  1.30149
12  ...

检查一系列数字是否有增加或减少趋势的最佳方法是什么？

我知道我可以选择序列的第一个和最后一个值,并检查它们的区别,但我想要一个更强大的检查.这意味着我希望能够在大多数递减的序列中容忍少数增加的值,反之亦然.

更具体地说,数字存储为

vector<int> mySequence;

关于我正在处理的数字序列的更多细节:

• 序列中的所有数字具有相同的数量级.这意味着不会出现如下序列:[45 38 320 22 12 6].
• 通过下降趋势,我的意思是序列中的大多数或所有数字都小于前一个.(相反的情况适用于上升趋势).因此,以下顺序被视为下降:[ 45 42 38 32 28 34 26 20 12 8 48]

我正在努力在交易视图中创建一个趋势指标来跟踪趋势的走向。具体来说，我想要一个变量在几天内保持不变，但当满足特定条件时它会发生变化。看起来应该很简单，但每次我尝试时，我都会陷入一个永无休止的循环，而且我似乎无法理解它。变量“趋势”

///Condition
pos = close > open
neg = close < open

pos_cond = pos and pos[1]
neg_cond = neg and neg[1]

///Variables to keep track of trend

Trend = iff(***pos_cond or neg_cond not met***, Trend[1], Trend + real_trend)

trend_change_neg = iff(pos_cond, 1, 0)
trend_change_pos = iff(neg_cond, -1, 0)

real_trend = trend_change_neg + trend_change_pos

Trend = iff(Trend > 2, 2, iff(Trend < -2, -2, Trend))

/////////plots
plotshape(Trend > 0, color = color.green, location = location.top, style = shape.square, title="TrendLong")

plotshape( …

我有一个时间序列数据集，其中包含一些 nan 值。我想去除这些数据的趋势：

我尝试这样做：

scipy.signal.detrend(y)

然后我收到了这个错误：

ValueError: array must not contain infs or NaNs

然后我尝试：

scipy.signal.detrend(y.dropna())

但是我丢失了数据顺序。

如何解决这个问题？

我如何在 python 的时间序列中检测到这种类型的变化？单击此处查看图像

谢谢你的帮助