Автокореляція (
, 1976) можна використовувати для наступних двох цілей: Для виявлення невипадковості даних. Щоб визначити відповідну модель часових рядів, якщо дані не є випадковими.
Функція автокореляції – це статистичне представлення, яке може аналізувати ступінь подібності між часовим рядом і його версією з відставанням. Ця функція дозволяє аналітику порівнювати поточне значення набору даних з його минулим значенням.
Автокореляція — це співвідношення часового ряду та його версії з відставанням у часі. Хоча автокореляція схожа на кореляцію, вона використовує той самий часовий ряд двічі. Фінансові аналітики та трейдери використовують автокореляцію вивчати історичні зміни цін і прогнозувати майбутні.
Коефіцієнт кореляції між двома значеннями в часовому ряді називається функцією автокореляції (ACF). Наприклад, ACF для часового ряду yt визначається як: Corr(yt,yt−k),k=1,2,…. Corr ( y t , y t − k ), k = 1 , 2 , . . . . Це значення k є розривом часу, який розглядається, і називається лагом.
Автокореляція забезпечує аналіз даних для даних часових рядів і моделювання. Він широко використовується в економетриці, обробці сигналів і прогнозуванні попиту. Автокореляція або серійна кореляція аналізує дані часових рядів, щоб знайти кореляції в значеннях у різних точках часового ряду.
Візуальне порівняння згортки, крос-кореляції та автокореляції.Кореляційні функції є корисним індикатором залежностей як функції відстані в часі або просторі, і їх можна використовувати щоб оцінити відстань, необхідну між точками вибірки, щоб значення були ефективно некорельованими.