几条曲线一起涨跌，不等于我们知道谁带动了谁。就像销量、价格和广告投放同时变化，相关性只能告诉你它们“结伴而行”，不能判断谁先迈步。这项工作把问题换了个方向：将记录倒放，如果统计规律随之改变，变化的那部分就承载了“时间箭头”。
作者把这种方向结构写成“循环矩阵”——记录各变量与自身近期过去之间的不对称联系，再用它估计方向强度。最实用的一步是处理虚假的方向感：强度需要对估计值做平方，而噪声经平方后只会增加，容易把有限样本里的随机起伏误报成方向。论文用交叉拟合解决它，即把时间记录拆成互不重叠的片段，分别计算平方中的两个因子，以消除一阶偏差；标准误也避免重复使用同一观测。随后，它通过随机倒放数据片段构造检验基准：若系统确实没有方向，正放和倒放本应同样可能。
这套方法值得注意，因为它同时补上了“估计有多强”和“结果是否可靠”两环。但边界也很清楚：领先—滞后不等于因果，共同原因、交易时钟或反馈都可能制造时间顺序；采样太粗或系统变化太快时，方向还可能直接消失。