我尝试用2个时间序列拟合向量自回归模型,在应用VAR之前需要进行协整检验,检验两个时间序列是否相关,我能够成功地实现Johansen检验,但无法读取测试结果。 我正在寻找的答案是,结果是否显示两个时间序列之间的相关性。在
我已经熟悉了增广Dicky-Fuller检验,并且知道如何使用检验统计量和临界值来推断单变量时间序列的平稳性
下面的代码给出本征值。在
from statsmodels.tsa.vector_ar.vecm import coint_johansen
coint_johansen(train_model_mul,-1,1).eig
>>>array([0.09947583, 0.00235395])
下面的代码给出了跟踪统计的临界值(90,95,99)。在
^{pr2}$下面的代码给出跟踪统计值。在
coint_johansen(train_model_mul,-1,1).lr1
>>>array([83.2438963 , 1.83117555])
一种方法是在statsmodels中使用
coint.test()
。在举个例子,假设我们正在寻求确定油价变动与标准普尔500指数之间是否存在协整关系。进行协整的恩格尔-格兰杰检验(假设不存在协整):
结果如下:
^{pr2}$如我们所见,p值为0.39>;0.05意味着在5%的显著性水平上,不存在协整的无效假设不能被拒绝。在
你可以尝试用你的数据恩格尔格兰杰,看看读数是什么-它可能会证明更简单。在
相关问题 更多 >
编程相关推荐