自相关

##什么是自相关？

时间序列与其自身滞后版本在连续时间间隔内的相似程度的数学表示。它在概念上类似于两个不同时间序列之间的相关性，但自相关使用相同的时间序列两次：一次以其原始形式，一次滞后一个或多个时间段。

例如，如果今天下雨，则数据表明明天下雨的可能性要大于今天晴天的可能性。在投资方面，一只股票可能与回报有很强的正自相关性，这表明如果它今天“上涨”，那么明天也更有可能上涨。

自然，自相关可以成为交易者使用的有用工具；特别是对于技术分析师。

了解自相关

自相关也可以称为滞后相关或序列相关，因为它测量变量的当前值与其过去值之间的关系。

作为一个非常简单的示例，请查看下表中的五个百分比值。我们将它们与右侧的列进行比较，该列包含相同的值集，只是向上移动了一行。

计算自相关时，结果的范围可以从 -1 到 +1。

+1 的自相关表示完美的正相关（在一个时间序列中看到的增加会导致在另一个时间序列中成比例地增加）。

另一方面，-1 的自相关表示完美的负相关（一个时间序列的增加导致另一个时间序列的相应减少）。

自相关测量线性关系。即使自相关很小，时间序列和自身的滞后版本之间仍然可能存在非线性关系。

检验自相关的最常用方法是 Durbin-Watson 检验。无需太专业化，Durbin-Watson 是一种从回归分析中检测自相关的统计量。

Durbin-Watson 总是产生一个从 0 到 4 的测试数。接近 0 的值表示较大程度的正相关，接近 4 的值表示较大程度的负自相关，而接近中间的值表示较小的自相关。

那么为什么自相关在金融市场中很重要呢？简单的。自相关可用于彻底分析历史价格走势，然后投资者可以使用它来预测未来价格走势。具体来说，自相关可用于确定动量交易策略是否有意义。

技术分析很有用，这是因为技术分析最关心的是使用图表技术的证券价格的趋势和关系。这与基本面分析相反，后者侧重于公司的财务状况或管理。

技术分析师可以使用自相关来计算证券过去价格对其未来价格的影响程度。

自相关可以帮助确定给定股票是否存在动量因素。例如，如果一只具有高正自相关性的股票连续两天大涨，那么预计该股票在接下来的两天内也会上涨可能是合理的。

让我们假设 Rain 正在寻找确定其投资组合中股票的回报是否表现出自相关；也就是说，股票的回报与之前交易时段的回报有关。

如果回报表现出自相关，Rain 可以将其描述为动量股票，因为过去的回报似乎会影响未来的回报。 Rain 以之前交易时段的回报作为自变量，当前回报作为因变量进行回归。他们发现前一天的回报具有 0.8 的正自相关性。

由于 0.8 接近 +1，过去的回报似乎是该特定股票未来回报的一个非常好的正向预测指标。

增持更多股份来调整其投资组合以利用自相关或动量。

＃＃强调