7、探索金融时间序列数据

探索金融时间序列数据

1. 异常值检测

在金融时间序列数据中，异常值检测是一个重要的环节。基于价格和收益率，只有一个日期被识别为异常值。在数据科学领域，异常值检测是一个完整的领域，有许多方法可以识别可疑观测值。以下是一些有趣的异常值检测库：
- https://github.com/datamllab/tods
- https://github.com/zillow/luminaire/
- https://github.com/signals-dev/Orion
- https://pycaret.org/anomaly-detection/
- https://github.com/linkedin/luminol（由LinkedIn创建，但不再积极维护）
- https://github.com/twitter/AnomalyDetection（由Twitter创建的R包，被一些个人贡献者移植到Python）

2. 时间序列中的变点检测

变点可以定义为过程或时间序列的概率分布发生变化的时间点，例如序列均值发生变化。这里将使用累积和（CUSUM）方法来检测时间序列中均值的变化。算法实现步骤如下：
1. 寻找变点 ：从初始化给定时间序列中间的一个变点开始迭代过程。然后基于选定的点执行CUSUM方法。下一个变点位于前一个CUSUM时间序列达到最大值或最小值的位置（取决于要定位的变点方向）。持续这个过程，直到找到稳定的变点或超过最大迭代次数。
2. 测试统计显著性 ：使用对数似然比检验来测试在识别的变点处给定时间序列的均值是