比较多个时间序列的最有意义的方法

如果零对于这个时间序列来说是一个有意义的值（例如，以摄氏度为单位的温度），那么用零填充所有空白可能不是一个好主意（即，之后您将无法区分实值和存根值）。您可能需要插值您的时间序列。其基本数据结构可以是数组/双链表。

您可以采取以下几种方法：

• 使用最细粒度的时间序列数据（例如秒）并在需要时插值/填充数据
• 使用最粗粒度（例如，年）并在需要时汇总数据
• 两个极端之间的任何中间步骤

您应该始终了解您的数据，因为：

• 在插值的情况下，您必须选择最佳算法（线性或二次插值、样条、指数......
• 在求和的情况下，您必须选择适当的聚合函数（总和、最大值、平均值......

一旦所有时间序列具有相同的时间刻度，就可以执行算术魔术，但请注意，插值会生成额外的信息，而汇总会删除可用信息。

我已经相当广泛地研究了这个问题。插值方法的危险在于，您偏向了各种度量（尤其是波动率），并引入了虚假相关性。我发现傅里叶插值在一定程度上缓解了这种情况，但更好的方法是走另一条路：聚合更频繁的观测值以匹配不太频繁的序列的周期性，然后比较这些观测值。