涨幅和跌幅的关系

1. 整体幅度关系
   下图为幅度随时间变化：
   ​幅度分布的小提琴图：
   ​​

   去除大量离群值看一下，只取了幅度 <0.01 的部分：
   ​

   1. 中央的白点：表示数据的中位数。
   2. 黑色的厚线：表示数据的四分位范围，即包含中间 50% 的数据的范围。
   3. 小提琴的宽度：在任何给定的 y 值，小提琴的宽度表示数据在那个 y 值的密度。宽的部分表示数据集中的区域，而窄的部分表示数据稀疏的区域。
   4. 多模态：小提琴有多个“峰”，表明数据是多模态的，即有多个频繁出现的值。

   假定周期为 7，没有发现有什么规律：
   ​
   分开对比涨幅可跌幅，涨幅的幅度可能平均大于跌幅：
   ​
   涨幅描述性统计：
   count 5.046585e+06
   mean 1.159142e-03
   std 2.948581e-03
   min 0.000000e+00
   25% 0.000000e+00
   50% 0.000000e+00
   75% 1.000000e-03
   max 1.264000e+00
   Name: 幅度, dtype: float64
   跌幅描述性统计：
   count 5.124243e+06
   mean 1.157033e-03
   std 2.903004e-03
   min 0.000000e+00
   25% 0.000000e+00
   50% 0.000000e+00
   75% 1.000000e-03
   max 4.940000e-01
   Name: 幅度, dtype: float64

   斜率计算：

   斜率=幅度变化/持续时间
   斜率随时间变化：
   ​
   斜率的分布（bin=100）：
   ​
   幅度与斜率的关系：
   ​​

   基本是正相关？
   热力图：
   验证了幅度和斜率是正相关的猜想
   ​​

‍

​
​

1. 涨-跌

   • 解释: 在一个上升趋势后出现了一个下降趋势。这可能表明市场的反转或调整正在发生。

2. 涨-平

   • 解释: 在一个上升趋势后市场保持稳定，没有显著的上升或下降。

3. 跌-涨

   • 解释: 在一个下降趋势后出现了一个上升趋势，可能表明市场正在反弹。

4. 跌-平

   • 解释: 在一个下降趋势后市场保持稳定。

5. 平-涨

   • 解释: 在一个平稳的时期后市场开始上升。

6. 平-跌

   • 解释: 在一个平稳的时期后市场开始下降。

转移概率矩阵：
​​

• 行 代表 当前状态，即当前时刻的状态是涨、跌还是平。
• 列 代表 下一个状态，即下一个时刻的状态是涨、跌还是平。
• 矩阵中的每个元素 代表从当前状态转移到下一个状态的概率。

例如：

• 在“涨”行和“跌”列的交叉点处的值代表了在当前时刻为“涨”的条件下，下一个时刻为“跌”的概率。
• 在“跌”行和“平”列的交叉点处的值代表了在当前时刻为“跌”的条件下，下一个时刻为“平”的概率。
• 以此类推。

转移概率矩阵提供了可以用来了解时间序列动态的重要信息。特别是：

1. 哪些转移是最常见的：更高的概率值意味着该转移更为常见。
2. 哪些转移是不常见的：较低的概率值则表示相应的转移较为罕见。

如果某一行的一个元素特别高，这表明该状态有很高的可能性保持不变。例如，如果“涨-涨”转移的概率很高，这意味着“涨”状态通常会持续到下一个时刻。

分析这个矩阵可以帮助理解不同状态之间的转移动态，这可能对预测未来的状态非常有用。