我有以下时间序列数据。系列1和系列2将进行比较，并检查两个系列之间的任何关系。
我的要求是。 1）如何检查系列之间是否存在任何关系，以致某一系列在某些天后影响另一系列？如何建立？
series1在40-50天后显示与series2的相似性。但我得到了相关性-0.3345712
serdata <- read.csv("Timeseries.csv")
library("graphics")
plot.ts(serdata)
cor(serdata$Series1,serdata$Series2)
2）可以用什么方法分析这些数据？ 可以应用移动平均线或ARIMA来平滑曲线并检查拟合？ （我是时间序列分析的新手。请建议任何其他方法）
数据是
date Series1 Series2
9/27/2016 5431 4451
9/28/2016 5468 4889
9/29/2016 5160 5002
9/30/2016 5267 5452
10/1/2016 5097 6223
10/2/2016 4749 6593
10/3/2016 5396 4574
10/4/2016 6001 4285
10/5/2016 6266 5323
10/6/2016 6344 4689
10/7/2016 5992 5499
10/8/2016 5147 5852
10/9/2016 4712 4987
10/10/2016 5328 2680
10/11/2016 6171 3128
10/12/2016 6235 2189
10/13/2016 7286 2532
10/14/2016 7230 3296
10/15/2016 7027 5019
10/16/2016 6063 4222
10/17/2016 5579 2482
10/18/2016 7155 2742
10/19/2016 6938 2611
10/20/2016 6805 2248
10/21/2016 6643 3463
10/22/2016 5620 5030
10/23/2016 6260 6164
10/24/2016 5504 4192
10/25/2016 4035 2879
10/26/2016 4054 2333
10/27/2016 6922 2710
10/28/2016 6848 3568
10/29/2016 5598 5415
10/30/2016 5069 5974
10/31/2016 5537 2314
11/1/2016 6264 2334
11/2/2016 7109 3379
11/3/2016 7411 2846
11/4/2016 7314 3183
11/5/2016 6095 4865
11/6/2016 5279 4948
11/7/2016 4295 3159
11/8/2016 4638 2724
11/9/2016 3536 2866
11/10/2016 3600 3600
11/11/2016 2995 5198
11/12/2016 2432 5192
11/13/2016 2516 4482
11/14/2016 2576 0
11/15/2016 3739 3
11/16/2016 3860 3284
11/17/2016 3587 2938
11/18/2016 3155 3710
11/19/2016 3446 4293
11/20/2016 2682 4239
11/21/2016 3198 4086
11/22/2016 3299 3054
11/23/2016 3134 3194
11/24/2016 2819 3033
11/25/2016 2324 3927
11/26/2016 2093 4824
11/27/2016 2493 4685
11/28/2016 3155 3072
11/29/2016 3510 3139
11/30/2016 3517 4363
12/1/2016 3315 2780
12/2/2016 3640 4075
12/3/2016 3186 5207
12/4/2016 2445 5327
12/5/2016 2812 4223
12/6/2016 3321 3179
12/7/2016 3163 3329
12/8/2016 3325 3747
12/9/2016 3007 3534
12/10/2016 2492 4673
12/11/2016 2364 5205
12/12/2016 2986 3600
12/13/2016 3313 4541
12/14/2016 3425 3823
12/15/2016 4385 3770
12/16/2016 3736 4370
12/17/2016 2336 4478
12/18/2016 2211 5396
12/19/2016 2322 5140
12/20/2016 2342 4089
12/21/2016 2262 4231
12/22/2016 2043 5657
12/23/2016 1723 6215
12/24/2016 1408 4211
12/25/2016 1463 0
12/26/2016 2248 5503
12/27/2016 3424 9483
12/28/2016 2925 6956
12/29/2016 2029 8992
12/30/2016 1950 6062
12/31/2016 1838 6326
1/1/2017 1964 7463
1/2/2017 2232 8426
1/3/2017 2480 8084
1/4/2017 2606 7026
1/5/2017 2606 6295
1/6/2017 2693 7179
1/7/2017 2458 5745
1/8/2017 2362 5690
1/9/2017 2767 5761
1/10/2017 2141 6332
1/11/2017 2355 6240
1/12/2017 3000 6710
1/13/2017 2921 5698
1/14/2017 2558 6156
1/15/2017 2407 7415
1/16/2017 2613 5742
1/17/2017 3005 5779
1/18/2017 3128 5784
1/19/2017 2961 5331
1/20/2017 2582 5476
1/21/2017 2191 7710
1/22/2017 2214 7187
1/23/2017 2649 7676
1/24/2017 3065 4742
1/25/2017 3216 5153
1/26/2017 3548 4817
1/27/2017 4316 5976
1/28/2017 4355 6145
1/29/2017 4848 5764
1/30/2017 4376 5305
1/31/2017 3808 4760
2/1/2017 4172 4752
2/2/2017 8098 4527
2/3/2017 7891 5206
2/4/2017 3484 6209
2/5/2017 3625 5729
2/6/2017 4219 7056
2/7/2017 4282 4955
2/8/2017 3982 4185
2/9/2017 3680 4090
2/10/2017 3314 3881
2/11/2017 2985 5280
2/12/2017 3266 6471
2/13/2017 3665 5840
2/14/2017 3892 4530
2/15/2017 3953 3993
2/16/2017 3855 4453
2/17/2017 3511 5570
2/18/2017 3222 7479
2/19/2017 3284 5349
2/20/2017 3615 4098
2/21/2017 3915 5032
2/22/2017 3994 4256
2/23/2017 3765 6215
2/24/2017 3494 4480
2/25/2017 3257 5995
2/26/2017 3399 6412
2/27/2017 3797 5450
2/28/2017 4076 3935