為什麼要做自相關分析，對數據有什麼條件嗎？

如題，問題可能是涉及到各個專業的，各路大神最好能舉些例子啊，不勝感激=.=

主要回答為什麼要做，也就是與自相關分析有關的模型基礎要先說清楚。

各個專業都可以做啊，只要你感興趣的就行。

自相關無非就是為了了解某個系列（比如股價）受到過去所有/歷史上此系列的線性影響，如果模型合適了便可以做預測。

1、 ARMA模型結合了AR和MA的優勢並降低了階數，但就不好分析兩者的互相影響之處。

選取的數據要求：

- 存在自相關（自相關係數不能太低，通常用R表示要求不少於0.5）。

- 平穩（stationary）或者幾階平穩（取當期與之前期之差，如物價水平的一階差分為通脹水平）：強要求是系列的聯合分布是一致的，弱要求是協方差矩陣不依賴於時間【即絕對位置不影響結果，只有相對重要性】。

- 可以嘗試換滯後的時間刻度：比如年度換成季度。

2、由於受到除此系列以外其他因素/系列的影響，宏觀經濟中的例子通常用向量自相關模型（VAR），那麼還要求檢查系列之間的協整情況（醉漢牽狗的故事：是否狗也是隨機遊走的？），從而決定是否建立向量誤差修訂模型（VECM）。

以上為簡化版本的VAR，還可以用更具有經濟意義的結構化向量自相關模型（SVAR）來描述現象，給數據以更多的限制來識別出經濟因素之間的當期關係，從而預測未來。當然如何識別就得好好想想了。