statsmodel python库中的ccf函数解读答案

【问题标题】：Interpretation of the ccf function from statsmodel python librarystatsmodel python库中的ccf函数解读
【发布时间】：2017-02-03 11:07:23
【问题描述】：

我使用 ccf（互相关）如下：

from statsmodels.tsa.stattools import ccf
print ccf(np.array(X), np.array(Y), unbiased=True)

我很难解释结果。我的问题是输出是所有可能滞后的互相关还是滞后 0 处所有数据点相乘的结果？该文档未提供有关此问题的任何见解。提前致谢。

【问题讨论】：

【解决方案1】：

我相信这是所有可能的滞后。由于核心是 np.correlate('full')。但是，就我而言，我的值接近-2。这似乎不对。

【讨论】：

【解决方案2】：

它在代码中使用numpy.correlate('full')：https://stackoverflow.com/a/24617594/4661264。

numpy.correlate 反过来使用numpy.convolve 的“完整”模式来实现该“完整”参数。

numpy.convolve的文档中关于'full'模式的相关描述：

模式：{‘full’、‘valid’、‘same’}、可选

‘full’：默认模式为‘full’。这将返回卷积每个重叠点，输出形状为 (N+M-1,)。在卷积的端点，信号不完全重叠，并且可能会看到边界效应。

【讨论】：