TA-Lib学习研究笔记——Cycle Indicators （七）
Cycle Indicators 周期指标函数组有HT_DCPERIOD, HT_DCPHASE, HT_PHASOR, HT_SINE, HT_TRENDMODE 。
1.HT_DCPERIOD
Hilbert Transform - Dominant Cycle Period
函数名：HT_DCPERIOD
名称： 希尔伯特变换-主导周期
简介：将价格作为信息信号，计算价格处在的周期的位置，作为择时的依据。希尔伯特变换是一种用于分析时间序列数据的方法，可以帮助识别数据中的周期性模式。函数返回一个浮点数，表示计算得到的主导周期值。可以帮助交易者了解价格数据中的主要周期性模式，从而做出更明智的交易决策。需要注意的是，HT_DCPERIOD函数是一种技术分析指标，它只能提供参考信息，不能保证100%的准确性。
语法：
real = HT_DCPERIOD(close)
df['HT_DCPERIOD'] = tlb.HT_DCPERIOD(df['close'])
# 做图
df[['close','HT_DCPERIOD']].plot(title='希尔伯特变换-主导周期')
plt.grid() #启用网格
plt.legend(['close','HT_DCPERIOD']) # 设置图示
plt.show()
2.HT_DCPHASE
Hilbert Transform - Dominant Cycle Phase
函数名：HT_DCPHASE
名称： 希尔伯特变换-主导循环阶段
希尔伯特变换-主导循环阶段（Hilbert Transform - Dominant Cycle Phase）是一个概念，它涉及到希尔伯特变换在时间序列分析中的应用。希尔伯特变换可以用于提取时间序列中的周期性信息，而主导循环阶段则是指这些周期性信息中最为显著的周期。
在金融市场分析中，希尔伯特变换-主导循环阶段可以用于识别价格趋势中的主要周期性模式，帮助交易者更好地把握市场节奏和趋势。此外，它也可以用于其他领域，如气候变化分析、音频信号处理等。
语法：
real = HT_DCPHASE(close)
df['HT_DCPHASE'] = tlb.HT_DCPHASE(df['close'])
# 做图
df[['close','HT_DCPHASE']].plot(subplots=True,figsize=(6, 4),title='希尔伯特变换-主导循环阶段')
plt.grid() #启用网格
plt.legend() # 设置图示
plt.show()
3.HT_PHASOR
Hilbert Transform - Phasor Components
函数名：HT_DCPHASE
名称： 希尔伯特变换-希尔伯特变换相量分量
HT_PHASOR函数返回两个值：相角（inphase）和正交幅度（quadrature）。相角表示时间序列的相位角，正交幅度表示时间序列的振幅。这些值可以用于进一步的技术分析或交易策略。
语法：
inphase, quadrature = HT_PHASOR(close)
df['inphase'],df['quadrature'] = tlb.HT_PHASOR(df['close'])
# 做图
df[['close','inphase','quadrature']].plot(subplots=True,figsize=(6, 4),title='希尔伯特变换-希尔伯特变换相量分量')
plt.grid() #启用网格
plt.legend() # 设置图示
plt.show()
4.HT_SINE
Hilbert Transform - SineWave
函数名：HT_DCPHASE
名称： 希尔伯特变换-正弦波
HT_SINE函数返回两个值：实部和虚部。实部可以视为时间序列的正弦部分，虚部可以视为余弦部分。这些值可以用于进一步的技术分析或交易策略。
语法：
sine, leadsine = HT_SINE(close)
df['sine'],df['leadsine'] = tlb.HT_SINE(df['close'])
# 做图
df[['close','sine','leadsine']].plot(subplots=True,figsize=(6, 4),title='希尔伯特变换-正弦波 ')
plt.grid() #启用网格
plt.legend() # 设置图示
plt.show()
5.HT_TRENDMODE
Hilbert Transform - Trend vs Cycle Mode
函数名：HT_DCPHASE
名称： 希尔伯特变换-趋势与周期模式
HT_TRENDMODE函数返回一个整数，表示输入时间序列的趋势模式。可能的返回值包括：
- 0：表示时间序列处于无趋势模式（即随机漫步）。
- 1：表示时间序列处于上升趋势。
- -1：表示时间序列处于下降趋势。
语法：
integer = HT_TRENDMODE(close)
df['integer'] = tlb.HT_TRENDMODE(df['close'])
# 做图
df[['close','integer']].plot(subplots=True,figsize=(6, 4),title='希尔伯特变换-趋势与周期模式 ')
plt.grid() #启用网格
plt.legend() # 设置图示
plt.show()
