K-L信息量法是本世纪中叶，由Kull-back和Leibler提出，用以判定两个概率分布的接近程度。其原理是以基准序列为理论分布，备选指标为样本分布，不断变化备选指标与基准序列时差，计算K-L信息量。K-L信息量最小时对应的时差数确定为备选指标的最终时差。
中文名 KL信息量法 提    出 Kull-back和Leibler 判    定 两个概率分布的接近程度 原    理 基准序列为理论 样本分布 备选指标
KL信息量法
对于偶然的带有随机性的现象，通常可以认为是服从某一概率分布的随机变量的一些实现值。如果已知（或假设）真正的概率分布，而希望估计我们选择的概率模型与这一真的概率分布相近似的程度，从而估计模型的好坏，就需要一个度量，这就是Kullback-Leibler信息量，即K-L信息量。
在实际的应用中，是以一个重要的，能够敏感的反映当前经济活动的经济指标作为基准指标。对于每个选取的经济指标相对于基准指标前后移动若干个月，计算K-L信息量的值。K-L信息量越小，说明真实概率分布与模型概率分布越接近，对应的移动月数就是该指标的延迟月数。