什麼是序列相關性？
當觀察到變量和其自身的滯後版本（例如時間 T 和 T-1 的變量）在一段時間內彼此相關時，時間序列中就會出現序列相關性。當變量的水平影響其未來水平時，重複模式通常會表現出序列相關性。在金融領域，技術分析師利用這種相關性來確定證券的過去價格對未來價格的預測效果。
序列相關類似於自相關或滯後相關的統計概念。
要點
- 序列相關性是給定變量與其自身在不同時間間隔內的滯後版本之間的關係。
- 它衡量變量的當前值與其過去值之間的關係。
- 序列相關的變量表明它可能不是隨機的。
- 技術分析師驗證一種證券或一組證券的盈利模式，並確定與投資機會相關的風險。
序列相關性解釋
序列相關在統計學中用於描述特定時期內同一變量的觀測值之間的關係。如果變量的序列相關性測量爲零，則不存在相關性，並且每個觀測值都是相互獨立的。相反，如果變量的序列相關性偏向 1，則觀測值是序列相關的，並且未來的觀測值會受到過去值的影響。本質上，序列相關的變量具有模式並且不是隨機的。
當模型不完全準確並在實際應用中產生不同結果時，就會出現誤差項。當來自不同（通常是相鄰）時期（或橫截面觀察）的誤差項相關時，誤差項是序列相關的。當與給定時期相關的誤差延續到未來時期時，時間序列研究中就會出現序列相關性。例如，在預測股票股息增長時，一年內的高估將導致隨後幾年的高估。
序列相關性可以使模擬交易模型更加準確，從而幫助投資者制定風險較小的投資策略。
技術分析在分析證券模式時使用序列相關性度量。該分析完全基於股票的價格變動和相關交易量，而不是公司的基本面。技術分析的從業者，如果他們正確地使用序列相關性，就可以識別並驗證一種證券或一組證券的盈利模式以及現貨投資機會。
序列相關的概念
串行相關最初在工程中用於確定信號（例如計算機信號或無線電波）與自身相比如何隨時間變化。隨着經濟學家和計量經濟學從業者使用該指標來分析一段時間內的經濟數據，該概念在經濟學界越來越受歡迎。
現在，幾乎所有大型金融機構都配備了定量分析師，即寬客。這些金融交易分析師使用技術分析和其他統計推論來分析和預測股市。這些建模者試圖確定相關性的結構，以改進預測和策略的潛在盈利能力。此外，識別相關結構可以提高基於模型的任何模擬時間序列的真實性。準確的模擬降低了投資策略的風險。
定量分析對於許多此類金融機構的成功至關重要，因爲它們提供了市場模型，然後機構將其用作其投資策略的基礎。
串行相關最初用於信號處理和系統工程，以確定信號如何隨時間變化。 20 世紀 80 年代，經濟學家和數學家紛紛湧入華爾街，應用這一概念來預測股票價格。
這些量化之間的序列相關性是使用Durbin-Watson (DW) 檢驗確定的。相關性可以是正相關，也可以是負相關。顯示正序列相關的股票價格具有正模式。具有負序列相關性的證券隨着時間的推移會對自身產生負面影響。