python - 如果我使用 Johansen 测试来确定 python 中两个时间序列之间的相关性，如何读取测试结果？

Question

我正在尝试使用 2 个时间序列拟合向量自回归模型。在应用 VAR 之前我需要执行协整测试来检查两个时间序列是否相关。我能够成功实现 Johansen 测试，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。

我已经熟悉增强迪基富勒检验，并且我知道如何使用检验统计量和临界值推断单变量时间序列的平稳性

以下代码给出特征值。

from statsmodels.tsa.vector_ar.vecm import coint_johansen
coint_johansen(train_model_mul,-1,1).eig

>>>array([0.09947583, 0.00235395])

以下代码给出跟踪统计的临界值(90,95,99)。

coint_johansen(train_model_mul,-1,1).cvt
>>>array([[10.4741, 12.3212, 16.364 ],
       [ 2.9762,  4.1296,  6.9406]])

以下代码给出跟踪统计值。

coint_johansen(train_model_mul,-1,1).lr1
>>>array([83.2438963 ,  1.83117555])

Answer 1

解决此问题的一种方法是在 statsmodels 中使用 coint.test()。

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。运行 Engle-Granger 协整检验(不存在协整的原假设):

import statsmodels.tsa.stattools as ts 
result=ts.coint(oil, gspc)
result

结果如下:

(-2.2598677154038014,
 0.3937399201683496,
 array([-3.91847791, -3.34837749, -3.05294328]))

正如我们所见，p 值 0.39 > 0.05 意味着在 5% 的显着性水平上无法拒绝无协整的原假设。

您可以尝试使用 Engle-Granger 处理您的数据，看看读数是什么 - 它可能会更简单。