在统计学和信号处理中，autocorrelation（自相关）是指一个时间序列与其自身在不同时间点上的相关性。换句话说，它衡量的是同一变量在不同时间点之间的相似程度。
例如，如果你有一个股票价格的时间序列数据，自相关可以帮助你判断今天的股价与昨天、前天或更早的股价是否有某种关联。
自相关的计算通常通过以下公式实现：
autocorrelation(k) = Cov(X_t, X_{t+k}) / Var(X_t)
其中，Cov 表示协方差，Var 表示方差，k 是滞后值（即时间间隔）。
自相关在很多领域都有广泛应用，比如金融分析、信号处理、气象预测等。它可以帮助我们识别数据中的周期性、趋势以及潜在的模式。