KL信息量法

出自 MBA智库百科(https://wiki.mbalib.com/)

　　K-L信息量法是本世紀中葉，由Kull-back和Leibler提出，用以判定兩個概率分佈的接近程度。其原理是以基準序列為理論分佈，備選指標為樣本分佈，不斷變化備選指標與基準序列時差，計算K-L信息量。K-L信息量最小時對應的時差數確定為備選指標的最終時差。

　　對於偶然的帶有隨機性的現象，通常可以認為是服從某一概率分佈的隨機變數的一些實現值。如果已知（或假設）真正的概率分佈，而希望估計我們選擇的概率模型與這一真的概率分佈相近似的程度，從而估計模型的好壞，就需要一個度量，這就是Kullback-Leibler信息量，即K-L信息量。

　　在實際的應用中，是以一個重要的，能夠敏感的反映當前經濟活動的經濟指標作為基準指標。對於每個選取的經濟指標相對於基準指標前後移動若幹個月，計算K-L信息量的值。K-L信息量越小，說明真實概率分佈與模型概率分佈越接近，對應的移動月數就是該指標的延遲月數。