Как прочитать результаты теста, если я использую Johansen Test, чтобы определить корреляцию между двумя временными рядами в python?

Question

Я пытаюсь подогнать модель векторной авторегрессии с использованием 2 временных рядов. Мне нужно выполнить коинтеграционный тест перед применением VAR, чтобы проверить, связаны ли два временных ряда или нет. Мне удалось успешно выполнить тест Йохансена, но не смогпрочитайте результаты теста.Я ищу ответ, показывают ли результаты корреляцию между двумя временными рядами или нет.

Я уже знаком с расширенным тестом Дикки Фуллера и знаю, как вывести стационарность для одномерного временного ряда, используя статистику теста и критические значения

Следующий код дает собственное значение.

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

>>>array([0.09947583, 0.00235395])

Следующий код дает критические значения (90,95,99) для статистики трассировки.

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

Следующий код дает значения статистики трассы.

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

Answer 1

Один из способов сделать это - использовать coint.test() в statsmodels.

В качестве примера рассмотрим, что мы пытаемся определить, существует ли коинтеграция между движениями цен на нефть и индексом S & P 500.Выполнен тест Энгла-Грейнджера на коинтеграцию (с нулевой гипотезой отсутствия коинтеграции):

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

Результат выглядит следующим образом:

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

Как мы видим,Значение p, равное 0,39> 0,05, означает, что нулевая гипотеза об отсутствии коинтеграции не может быть отклонена на уровне значимости 5%.

Вы можете попробовать Engle-Granger с вашими данными и посмотреть, что это за чтение - это можетоказаться более упрощенным.