stl

stl(data, period, sWindow, [sDegree], [sJump], [tWindow], [tDegree], [tJump], [lWindow], [lDegree], [lJump], [robust], [inner], [outer])

data 是一个数值型向量，表示时间序列。

period 是一个大于1的整数，表示时间序列的周期。

sWindow 可以是一个字符串，它的取值只能是 "periodic"，表示在提取时间序列中的周期性时，不采取平滑算法，直接用平均值代替；sWindow 也可以是一个大于7的奇数，表示提取时间序列中的周期性时 Loess 窗口的长度。

sDegree 可以是0,1或2，表示提取时间序列中的周期性时，局部拟合的多项式次数。默认值为1。

sJump 是一个大于1的整数，表示提取时间序列的周期性时，每隔 sJump 个元素执行一次平滑计算。默认值为 ceil(sWindow/10)。

tWindow 是一个正奇数，表示提取时间序列中的趋势性时 Loess 窗口的长度。默认值为 1.5 * period / (1 - (1.5 / sWindow)) 的下一个奇数。

tDegree 可以是0,1或2，表示提取时间序列中的趋势性时，局部拟合的多项式次数。默认值为1。

tJump 是一个大于1的整数，表示提取时间序列的趋势性时，每隔 tJump 个元素执行一次平滑计算。默认值为ceil(tWindow/10)。

lWindow 是一个正奇数，表示提取时间序列的周期性时，每一个子序列的低通滤波器的 Loess 窗口长度。默认值为 period 的下一个奇数。

lDegree 可以是0,1或2，表示子序列的低通滤波器中，局部拟合的多项式次数。默认值为1。

lJump 是一个大于1的整数，表示子序列的低通滤波器中，每隔 lJump 个元素执行一次平滑计算。默认值为 ceil(lWindow/10)。

robust 是一个布尔值，表示在 Loess 过程中是否采用稳健拟合。默认值为 false。

inner 是一个大于等于1的整数，表示内部迭代次数，一般较小的取值即可满足需求。如果 robust 为 true，inner 的默认值为1，如果 robust 为 false，inner 的默认值为2。

outer 是一个大于等于1的整数，表示外部迭代次数，用于增加稳健性。如果 robust 为 true，outer 的默认值为15，如果 robust 为 false，outer 的默认值为0。

使用 Loess 方法将一个时间序列分解为趋势性、季节性和随机性。返回的结果是一个包含以下 key 的字典：trend, seasonal 和 residual，每个 key 对应一个与 data 长度相同的向量。

n = 100
trend = 6 * sin(1..n \ 200)
seasonal = sin(pi / 6 * 1..n)
residual = rand(1.0, n) - 0.5
data = trend + seasonal + residual
res = stl(data, 12, "periodic");

我们可以在 DolphinDB GUI 中画图检验分解结果。

plot([trend, res.trend]);

plot([seasonal, res.seasonal]);