标签： #周期分解

去趋势传统上靠固定窗 MA，但窗口选错就要么留周期要么滞后趋势——EMD 走完全不同的路：让数据自己把每个尺度拆出来做 IMF。本文 numpy 从零实现 sifting 算法，在含 21d/63d 双周期 + S 形非平稳趋势的 1024 天合成数据上得到 6 个 IMF，残差对真实趋势相关 0.958；MA 窗口扫描 MSE 呈典型 U 形（最优 MA63 mse 0.00004，EMD mse 0.004），EMD 不必选窗即落在合理区间。最后用 Hilbert 变换把每个 IMF 转成瞬时频率，得到 60-100 日区间能量随时变化的 Hilbert-Huang 谱。附完整 Python 与四张真实计算图。

月度/季度/年度周期是技术分析最古老的假设，但能写成可证伪、可量化的策略吗？本文用 numpy 从零实现对数收益的傅里叶分解，把 1024 天合成价格拆成 21 日/63 日/252 日三个可交易正弦，周期图三处明显出峰，最小二乘拟合恢复振幅 0.0076/0.0055/0.0050（真实 0.008/0.006/0.0045）。用 63 日相位符号生成 ±1 择时信号：年化 Sharpe 6.20 vs 买入持有 0.24，1024 天累计对数收益 5.17 vs 0.22——周期相位确实可交易。附完整 numpy 实现与四张真实计算图。