Python 评估时间序列之间的同步性

我想评估两个时间序列之间的同步性（即，它们随时间的演化是否相同？）。我正在使用Python。以下是我的时间序列示例：

第一个图显示的时间序列具有非常相似的演化（同步），而第二个图显示的时间序列在视觉上没有相似的演化

---

我考虑过动态时间扭曲来评估时间序列之间的相似性，但问题是我们获得了时间序列之间的距离，这很难解释。我想要的是一个标准化的数字（例如，介于-1和1之间的相关性），它可以显示序列是否同步（即，它们同时增加或减少）。通过这种方式，我可以更容易地比较几个时间序列的演变，即使它们的全局距离（即平均值）不同，如第一个图和第二个图所示。动态时间扭曲是否可能有这样一个数字？或者另一种方法更合适吗？

您首先可能想定义“随时间的相同演变”的含义。 DTW解释了时间序列和距离之间的滞后。 根据是否规范化/缩放数据，第一个图形的DTW可能大于第二个图形。这只意味着两者可以更好地协调，损失更小，同时也可以在时间上来回移动。然后，还可以比较DTW，因为0距离意味着完美对齐，而任何其他值都意味着更大的差异

你也可以试着从另一个预测（回归）。再说一遍，我不明白为什么一个简单的相关性不能回答你想知道的。Pearson关联可以标准化这些值，因此图表中显示的两者之间的距离应该无关紧要

由于您使用的是python，我想与大家分享一下我不久前编写的一个教程，其中比较了DTW、Pearson Correation和其他量化时间序列数据同步的方法：希望这有帮助