什么是串行相关？
序列相关性是变量和其滞后版本在各种时间间隔内的关系。 当变量的水平影响其未来水平时，重复模式通常显示出序列相关性。 在金融中，技术分析师使用这种相关性来确定证券的过去价格对未来价格的预测程度。
串行相关也称为自相关或滞后相关。
重要要点
- 序列相关性是给定变量和其滞后版本在各种时间间隔内的关系。 序列相关的变量具有模式且不是随机的。 技术分析师验证证券或一组证券的获利模式，并确定与投资机会相关的风险。
解构的串行相关
序列相关性用于统计数据中，以描述特定时间段内同一变量的观测值之间的关系。 如果变量的序列相关性被测量为零，则不存在相关性，并且每个观察值彼此独立。 相反，如果变量的序列相关性偏向一个，则观测值是序列相关的，将来的观测值会受到过去值的影响。 本质上，与序列相关的变量具有模式且不是随机的。
当模型不完全准确时会出现误差项，并且在实际应用中会导致不同的结果。 当来自不同（通常是相邻）时间段（或横截面观测值）的误差项相关时，误差项就会串行相关。 当与给定时间段相关的误差延续到以后的时间段时，时间序列研究中会发生序列相关。 例如，当预测股票股利的增长时，一年中的高估将导致随后几年的高估。
序列相关可以使模拟交易模型更准确，从而帮助投资者制定风险较小的投资策略。
在分析安全性模式时，技术分析使用串行相关性度量。 该分析完全基于股票的价格走势和相关数量，而不是公司的基本面。 技术分析的从业者，如果他们正确地使用了序列相关，则可以识别和验证可盈利的模式或证券或一组证券，并发现投资机会。
串行相关的概念
串行相关性最初用于工程中，以确定诸如计算机信号或无线电波之类的信号随时间变化的方式。 随着经济学家和计量经济学的实践者使用该方法分析一段时间内的经济数据，这一概念在经济界越来越流行。
现在，几乎所有大型金融机构都设有员工量化分析师，称为量化分析师。 这些金融交易分析师使用技术分析和其他统计推断来分析和预测股票市场。 这些建模者试图确定相关性的结构，以改善预测和策略的潜在获利能力。 此外，识别相关结构可改善基于该模型的任何模拟时间序列的真实性。 准确的模拟降低了投资策略的风险。
数量对于许多此类金融机构的成功至关重要，因为它们提供了市场模型，然后该机构将其用作其投资策略的基础。
串行相关性最初用于信号处理和系统工程中，以确定信号随时间如何变化。 在1980年代，经济学家和数学家奔赴华尔街，将这一概念应用于预测股票价格。
这些量之间的序列相关性使用Durbin-Watson检验确定。 相关可以是正或负。 显示正相关性的股票价格具有正模式。 具有负序列相关性的证券会随着时间的流逝对其自身产生负面影响。
