高效的協整檢驗在Python

我想知道是否有更好的方法來測試，如果兩個變量是比下面的方法協整的：高效的協整檢驗在Python

import numpy as np 
import statsmodels.api as sm 
import statsmodels.tsa.stattools as ts 

y = np.random.normal(0,1, 250) 
x = np.random.normal(0,1, 250) 

def cointegration_test(y, x): 
    # Step 1: regress on variable on the other 
    ols_result = sm.OLS(y, x).fit() 
    # Step 2: obtain the residual (ols_resuld.resid) 
    # Step 3: apply Augmented Dickey-Fuller test to see whether 
    #  the residual is unit root  
    return ts.adfuller(ols_result.resid)

上述方法效果;然而，這不是非常有效。當我運行sm.OLS時，計算了很多東西，而不僅僅是殘差，這當然增加了運行時間。我當然可以編寫自己的代碼來計算殘差，但我認爲這也不是很有效。

我正在尋找一個直接測試協同測試的構建測試。我在想Pandas，但似乎無法找到任何東西。或者，也許有一個聰明的辦法來測試協整，而不需要運行迴歸或一些有效的方法。

我必須運行大量的協整測試，並且很好的改進我現有的方法。

來源

2012-07-06 Akavall

嗨，大家好 - 自從上次回覆以來已經有幾年了。我想知道這裏有任何進展嗎？我認爲statsmodels還沒有一個協整檢驗方法，對嗎？ – WillZ 2015-11-23 09:40:27

你可以嘗試以下方法：

import statsmodels.tsa.stattools as ts 
result=ts.coint(x, y)

編輯：

import statsmodels.tsa.stattools as ts 
import numpy as np 
import pandas as pd 
import pandas.io.data as web 

data1 = web.DataReader('FB', data_source='yahoo',start='4/4/2015', end='4/4/2016') 


data2 = web.DataReader('AAPL', data_source='yahoo',start='4/4/2015', end='4/4/2016') 


data1['key']=data1.index 

data2['key']=data2.index 

result = pd.merge(data1, data2, on='key') 


x1=result['Close_x'] 


y1=result['Close_y'] 


coin_result = ts.coint(x1, y1)

代碼是自我解釋： - 1）導入所需的軟件包 2）獲取的Facebook和蘋果的股票數據持續一年 3）根據日期欄合併數據 4）選擇收盤價 5）進行協整檢驗 6）可變coin_result具有

來源

2016-08-18 08:36:48

請將解釋添加到*爲什麼*可以嘗試此代碼（可能使用OP的示例）。 – 2016-08-18 08:55:07

用這個coint方法我得到了不同的結果比ts.adfuller在殘差上，因此我對ts.coint – BigChief 2017-03-10 19:58:48

的可用性有很高的懷疑。如果你粘貼你的代碼會很有幫助。 – 2017-03-18 09:39:25

-3

殘差可以很容易地與線性代數假設y是n x 1和X是n x m然後 residuals = y-X(X'X)^-1X'y

但更有效的方式是使用約翰森來計算協整檢驗的統計測試https://en.m.wikipedia.org/wiki/Johansen_test

我發現了一個Python實現在這裏： https://github.com/iisayoo/johansen

我還沒有測試過。

來源

2018-02-20 03:57:10 C0d3d0g

-1

根據您的要求，「更好的測試方式」是johansens測試。

Johansens測試消除了爲協整測試變量對的需求，因爲您可以一次測試所有變量對。

這將顯着加快你的程序，因爲一個循環的定義是N階複雜度，通過消除循環它變成1階的複雜度，這意味着對許多變量的擴展不是問題（從而能夠更快計算什麼是協整的）。

欲瞭解更多信息，關於測試的原始文章是：高斯向量自迴歸模型中協整向量的估計和假設檢驗SørenJohansen Econometrica Vol。 59，第6號（11月，1991年），第1551至1580年出版：計量經濟學會DOI：10.2307/2938278穩定URL：http://www.jstor.org/stable/2938278頁計數：30

statsmodels具有VECM模塊，其包括用於測試Johansens的協整。爲了得到它，你必須去控制它。

來源

2018-02-22 12:49:43 bss

高效的協整檢驗在Python

回答

相關問題