協方差是數理統計學上的一個概念，是處理隨機過程問題的一個數學方法或手段。

自然界中的事件或事物過程主要分為：因果確定性過程和隨機過程。

牛頓力學體系就是因果確定性過程；只要體系的邊界條件，或環境約束條件明確給定，則牛頓力學體系就能給出事物運動、發展過程的軌跡及其結果。像火車、汽車、飛機、炮彈等的運動過程，基本上屬於因果確定性過程。

但是，有相當多的事物過程，運動、發展軌跡是不確定的、隨機的，當然結果也是隨機不定的。像量子事件、彩票、股市這都是隨機過程，不能完全預測。這裡量子事件目前屬於完全隨機的，具有不可預測性，所以出現了“薛定諤的貓”這種連因果性都消失了的事件。而股市具有一定的可預測性，我們稱其過程具有“平穩性”；我們把“可預測的隨機過程”稱為平穩隨機過程。那麼，協方差就是衡量平穩隨機過程的“平穩性”的指標。

股市只能說是有一定平穩性，或者說，可展開在平穩隨機過程空間上，或說，可由一個平穩隨機過程式列展開或表達。只有這樣我們用協方差指標研究、分析、預測股市走向才有意義。一個完全非平穩隨機過程，像希特勒這類精神病的智慧空間，你就沒法預測啥，用個協方差分析也是瞎分析而已。

我們把一個隨機過程比做一條“河流”，其上的“資料模式”比做“河流”上漂浮的“樹枝”，例如股市，某隻股票的短期(如七天)的股價走勢曲線的“樣子”或模式，我們就說是“資料模式”(樹枝)，那麼，透過協方差指標，就是來分析未來資料模式(走勢)，與歷史資料模式的相關性、相似性(分形模式)的可能大小，從而預測股票走勢，指導我們買股票。

協方差還主要指兩種不同股票的相似關聯性或程度，類似量子糾纏的關聯性。總之，它是指類比、關聯效應。

個人觀點，僅供參考。