HarryYu 这个图片的解释是，这是四天采集的timeseries数据，大约每天采集5000个点，大于5000或者小于5000，构成x坐标。每个采样点的数值，构成y坐标。 这个图形直观上很容易看出规律，但是我用arima预测的话，预测出来的曲线，根本不能满足我的想法。预测出来的不是一条大概的倾斜的直线，而是一条很离谱的水平线。比如预测4000个点，预测结果是4000个大体相等的y值。 查了一下arima.pdf里面的介绍，应该为观察数据指定frequency。比如，我对每天的数据划分为300份，frequency＝300（frequency=4000的话，会超出内存）。这样做的话，数据是有损失的。这是一组很敏感的数据，一旦采样完成，希望把每个采样点的数据都纳入程序处理。 这个问题困扰了我很长时间，特地发出来，征求大家的帮助。
HarryYu 这个问题，不想继续被困住了。我的解法是这样的， [data] 1 求出y出现的次数，比如y1(2),y2(3),y3(6)...表示y1出现了2次，y2出现了3次，y3出现了6次，等等。 2 将次数从大到小进行排序，比如2,3,6,8,6,3,2,5，排序的结果是，8,6,6,5,3,3,2,2 3 取出前4000个排序对应的y值，返回 [/data] 喜欢思考的人，可以好好想想这个解法，这个解法即便是我自己想出来的，也感觉里面是相当有深度的。这个解法让我很有压力。
yihui 这个问题中日期真的有意义吗？我估计没有（当然你可以把日期加进来检验一下是否显著）。换句话说，只有某一天当中的观测时刻是有用的自变量，那么你把横坐标上的四条线压缩到同一天内做模型就好了（比如对时间回归之类的，不是所有时间序列非用ARIMA不可），预测的时候可以不必管具体日期。
HarryYu 是，但是纵轴并不是价格，而是价格的一个映射。但是我已经快忘的差不多了。我现在偶尔会关注J-Chart，但是投入的时间并不多，但是J的计算模型已经接近于完全作出来了，并且包括了对J的证明和反证，并且在当代的计算环境下可以很容易的得以实现。
