计算方式说明

计算方式由 【功能点】 -【1、2月特殊处理】 - 【数据偏移】组成；
​

【功能点】：
指数熵自研的数据匹配AI算法，目前包含 相关性-正相关、相关性-负相关、涨跌-同涨同跌、拐点-全拐点这四种计算方式，您可以自由选择计算方式交由数熵AI进行匹配运算；
​

【1、2月特殊处理】：
由于春节假期不固定性可能会对1、2月数据造成影响，若您的数据会受此影响，为了增强数据的可比性，可采取【1、2月数据特殊处理】进行匹配；
在不同功能点下，我们会对外部数据里的1、2月进行不同的处理后进行匹配，以提高数据匹配的准确性；
【相关性-正/负相关】：1、2月数据合并至2月；
【涨跌-同涨同跌】：因为1、2月为合并数据，多为同涨，故1、2月数据不作参考进行匹配；
【拐点-全拐点】：因为1、2月为合并数据，数值较大可能会被误认为是拐点，1、2月数据不作参考进行匹配；
譬如从2012年起，国家统计制度不单独对1月份部分统计数据进行调查，1-2月份数据一起调查，一起发布。

【数据偏移】：
你可能会关心数据之间的前瞻性或者滞后性，为了方便匹配到具有前瞻性或者滞后性的数据，您可以通过对【数据偏移】进行选择，从而对数熵数据库里的数据进行偏移后再匹配；

如上方数据中，分别为month(月份)、参考数据和value(值)。偏移是指month(月份)列不动，value(值)列整体向（前或者后）偏移x位。如向前偏移1位，即指value列整体向上移动一位，此时02月数据变为01月，03月数据变为02月，依次类推去与用户数据进行匹配计算；
​

如下方两组数据在未偏移之前，无法明显观察出明显的波峰波谷重合区间，将数据A向前偏移一位后，可以明显观察出这两组数据呈同涨同跌的趋势，同理，通过添加数据偏移的算法，我们可以算出在数据偏移的情况下与用户数据匹配的数据；