问题描述
我正在尝试使用小波系数作为时间序列数据上神经网络的特征，但我对使用小波系数感到有些困惑。我需要一次找到整个时间序列的系数，还是使用滑动窗口来找到相同的。我的意思是，在确定这些系数的同时，是否会一次性找到整个时间序列的系数，包括未来的数据点？在时间序列数据上使用小波而没有前瞻偏差（如果有）的方法应该是什么？
解决方法
如果不知道您想要达到的目标，就很难为您提供详细的答案。
简而言之，您首先需要决定是对时间序列应用离散 (DWT) 还是连续 (CWT) 小波变换。
DWT 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包含高频变化还是低频变化频率趋势。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 天窗口并对这些子集应用 DWT 会为您提供帮助。
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，您可能需要阅读this paper。
- 在 DSP stack exchange 上发布您以后的问题，除非您有与编码相关的特定答案。