理论泛滥的时代,我们无需再继续争论。数据的时代,一切以数据结果为准。历史数据的统计或许对我们有很多启发,为此合晶睿智订阅,开始一个新的文章系列DataSay,欢迎大家提出问题,根据问题的热度,Aris会择机用数据统计的方式展示给大家。猜想:历史总是会重复,我是否可以用最近20个交易日的走势数据,到历史中寻找与其走势最接近的部分,并用该部分后5个交易走势,预测当前未来5个交易日的走势?这个想法不错,但是如何判断两段走势的匹配程度呢?其实声波也是K线图,我们用语音识别的方法用于匹配程度比较……由此引入DWT距离概念:DWT:动态时间弯曲距离在日常的生活中我们最经常使用的距离毫无疑问应该是欧式距离,但是对于一些特殊情况,欧氏距离存在着其很明显的缺陷,比如说时间序列,举个比较简单的例子,序列A:1,1,1,10,2,3,序列B:1,1,1,2,10,3,如果用欧氏距离,也就是distance[i][j]=(b[j]-a[i])*(b[j]-a[i])来计算的话,总的距离和应该是128,应该说这个距离是非常大的,而实际上这个序列的图像是十分相似的,这种情况下就有人开始考虑寻找新的时间序列距离的计算方法,然后提出了DTW算法,这种方法在语音识别,机器学习方便有着很重要的作用。这个算法是基于动态规划(DP)的思想,解决了发音长短不一的模板匹配问题,简单来说,就是通过构建一个邻接矩阵,寻找最短路径
...
继续阅读
(9)