关于配对交易或者说统计套利的协整检验的方法如下所示:
格陵兰因果检验
代码出自次数:https://blog.csdn.net/weixin_35757704/article/details/113031976
格兰杰因果关系检验的结论是一种统计估计,它先假设时间序列之间没有因果关系, 然后检验能否否定,如果能否定这个检验,那么这就可以验证这份时间序列数据对想要预测的目标是有效的。
目标使用b预测a,a是要得出预测结果的序列:
from statsmodels.tsa.stattools import grangercausalitytests
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randint(0, 100, size=(10, 2)), columns=['a', 'b'])
grangercausalitytests(df[['a', 'b']], maxlag=2)
结果如下所示:
各项指标为:
number of lags (no zero) 1:当lags为1时的检测结果
ssr based F test:残差平方和F检验
ssr based chi2 test:残差平方和卡方检验
likelihood ratio test:似然比检验结果
parr F testamete:参数 F 检验结果
主要看p值,p小于0.05才能证明b对a有效