文本情绪指数与上证指数的VAR模型构建

      大家好，我是带我去滑雪！

      在前一篇文章中，笔者爬取了东方财富网上证指数股吧的495775条评论数据，并对文本进行了情感分析，基于自制的股票情感词典，使用了深度学习模型对爬取的文本数据进行分类标注，将正向文本标注为1，将负向文本标注为-1，将同一天的不同时段的文本标注进行加总，得到该天的情绪指数，而上证指数的收盘价格利用python获取，数据展示如下：

     由于情绪指数与上证指数的数值差距较大，后续将情绪指数总体加上2500，使其达到同一水平。下面利用数据构建VAR模型，开始代码实战。

目录

（1）导入模块

（2）导入数据

（3）平稳性检验

（4）差分与协整检验

（5）格兰杰因果检验

（6）VAR模型构建

 （7）单位根检验

 （8）脉冲响应分析

---

（1）导入模块

import statsmodels.api as sm
import statsmodels.stats.diagnostic
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
from statsmodels.tsa.stattools import adfuller as ADF
from statsmodels.tsa.stattools import grangercausalitytests
plt.rcParams ['font.sans-serif'] ='SimHei'               #显示中文
plt.rcParams ['axes.unicode_minus']=False   

（2）导入数据

# 读取数据
train_data = pd.read_csv(r'E:\工作\硕士\博客\博客粉丝问题\情绪指数与上证指数VAR模型\data.csv',encoding="ANSI")

# 确保数据是数值型
train_data['情绪指数'] = pd.to_numeric(train_data['情绪指数'], errors='coerce')
train_data['上证指数'] = pd.to_numeric(train_data['上证指数'], errors='coerce')

# 填补或移除缺失值
train_data.dropna(inplace=True)

（3）平稳性检验

def check_station(train_data, column, alpha=0.05):
    """
    参数说明：
    train_data：原始数据
    column：要检验的列
    alpha：置信区间，默认为0.05
    返回结果：
    返回原始数据折线图、平稳性检验结果
    """
    data_series = train_data[column]
    plt.figure(figsize=(14, 5),dpi=300)  # 设置图表大小
    plt.plot(data_series)
    plt.title(f'{column} 序列图')

    print("*如数据围绕某一常数上下波动，没有上升或下降的趋势，即可认为是平稳序列。")
    data_adf = ADF(data_series)  # 单位根检验，及特征根检验，序列平稳，就不存在单位根，检验结果的P值越小越好
    if data_adf[1] < alpha:
        result = f"{column} 序列是弱平稳序列，P值为：{round(float(data_adf[1]), 4)}"
    else:
        result = f"{column} 序列不是弱平稳序列，P值为：{round(float(data_adf[1]), 4)}"
    return result

# 对每个列进行平稳性检查
for column in train_data.columns:
    result = check_station(train_data, column)
    print(result)

输出结果：

*如数据围绕某一常数上下波动，没有上升或下降的趋势，即可认为是平稳序列。
情绪指数 序列是弱平稳序列，P值为：0.0
*如数据围绕某一常数上下波动，没有上升或下降的趋势，即可认为是平稳序列。
上证指数 序列不是弱平稳序列，P值为：0.3602

（4）差分与协整检验

def coint_pvalue_matrix(train_data):
    """
    参数说明：
    train_data：原始数据，为dataframe格式，每一列代表一个变量：
    返回结果：
    返回协整检验的p_value，p_value越低，越显著。
    """
    train_data=train_data
    n=len(train_data.columns)
    #创建一个空的矩阵
    coint_pvalue=np.ones((n,n))
    #将矩阵转换为dataframe格式
    coint_pvalue=pd.DataFrame(coint_pvalue)
    coint_pvalue.index=train_data.columns
    coint_pvalue.columns=train_data.columns
    for column_1 in train_data.columns:
        for column_2 in train_data.columns:
            #协整检验会返回三个值，第二值为p值，p值越小，说明存在长期协整关系
            if column_1!=column_2:
                result = sm.tsa.stattools.coint(train_data[column_1],train_data[column_2])
                coint_pvalue.loc[column_1,column_2]=round(result[1],4)#pd.loc[index,column]
    return coint_pvalue
coint_pvalue=coint_pvalue_matrix(train_data)
print(coint_pvalue)#由于序列上证指数序列不平稳，需要差分，且不存在长期协整关系

（5）格兰杰因果检验

#差分后序列平稳，进行格兰杰因果检验
def granger_pvalue_matrix(train_data,test="ssr_chi2test",lags=10):
    """
    参数说明：
    train_data：原始数据，为dataframe格式，每一列代表一个变量：第一列为Y，第二列为X，检验X是否为Y的格兰杰原因：
    lags:为最大滞后阶数
    test:格兰杰检验方法，一共会有4个p值，默认选用ssr_chi2test的p值(其他可选项lrtest,params_ftest,ssr_ftest)
    返回结果：
    返回格兰杰检验的p_value，p_value越低，越显著。说明X是Y的格兰杰原因。
    """
    train_data=train_data
    n=len(train_data.columns)
    #初始化一个dataframe格式
    granger_pvalue=pd.DataFrame(np.zeros((n,n)))
    granger_pvalue.index=train_data.columns
    granger_pvalue.columns=train_data.columns
    for column_1 in granger_pvalue.index:
        for column_2 in granger_pvalue.columns:
            result = grangercausalitytests(train_data[[column_1,column_2]],maxlag=lags,verbose=False)#verbose=False不打印结果
            p_values = [round(result[i+1][0][test][1],4) for i in range(lags)]
            min_p_value = np.min(p_values)#一共滞后10阶，没滞后1阶都会有一个p值，获取最小的那个p值
            granger_pvalue.loc[column_1,column_2]=min_p_value
    granger_pvalue.columns = [column_2 + '_x' for column_2 in granger_pvalue.columns]
    granger_pvalue.index = [column_1 + '_y' for column_1 in granger_pvalue.index]
    return granger_pvalue
granger_pvalue=granger_pvalue_matrix(train_data)
print(granger_pvalue)

（6）VAR模型构建

#VAR模型滞后阶数不方便单独通过图表判断，一般都是设置一个最大滞后项，然后运用AIC信息准则的方式来判断，AIC值越小，模型拟合越优。
model = sm.tsa.VAR(train_data)
result=model.fit(maxlags=10, method='ols', ic="aic", trend='c', verbose=False)#ic="aic"系统会根据aic准则在（1-10）中自动选取最优模型
print(result.summary())

 输出结果：

 （7）单位根检验

def root_ar(roots,maxlim=1.5):
    """
    参数说明：
    roots：VAR模型返回的模型根。
    maxlim:坐标轴的最大值
    返回结果：
    AR根图，如果根都在单位圆内，则为平稳模型。
    """
    #绘制单位圆
    x=np.linspace(-1,1,400)
    y=np.linspace(-1,1,400)
    [X,Y]=np.meshgrid(x,y)
    Z=X*X+Y*Y
    plt.figure(figsize=(5,5))
    plt.contour(X,Y,Z,1)
    plt.title("Inverse Roots of AR")
    #提取模型根的实部和虚部
    roots_real=roots.real
    roots_imag=roots.imag
    plt.xlim(-maxlim,maxlim)
    plt.ylim(-maxlim,maxlim)
    #画中间十字线
    h_x=np.linspace(0,0,400)
    h_y=np.linspace(-maxlim,maxlim,400)
    plt.plot(h_y,h_x,"b--")
    plt.plot(h_x,h_y,"b--")
    """
    VAR模型库，对roots的解释如下：
    The roots of the VAR process are the solution to (I - coefs[0]*z - coefs[1]*z**2 … - coefs[p-1]*z**k_ar) = 0. 
    Note that the inverse roots are returned, 
    and stability requires that the roots lie outside the unit circle.
    根在模型外说明模型是平稳的，这和传统的AR根图画法有很大不同；
    因此我们将其根转换成其倒数，这样根就会落在单位圆内。
    """
    #将根转化成根的倒数（根为复数）
    Inverse_real=roots_real/(np.abs(roots)*np.abs(roots))#abs即可以算绝对值，也可以算复数的模
    Inverse_imag=-roots_imag/(np.abs(roots)*np.abs(roots))
    plt.plot(Inverse_real,Inverse_imag,"ro")
    plt.savefig(r'E:\工作\硕士\博客\博客粉丝问题\接单34-1200元\情绪指数与上证指数VAR模型\AR单位根检验.png',
            bbox_inches ="tight",
            pad_inches = 1,
            transparent = True,
            facecolor ="w",
            edgecolor ='w',
            dpi=300,
            orientation ='landscape')
    
    return None
roots=result.roots
root_ar(roots,maxlim=1.5)

#从AR根图来看，所有根都落在单位圆内，因此我们认为模型是平稳的。

输出结果：

 

说明模型是有效的。 

 （8）脉冲响应分析

#绘制脉冲响应图
irf = result.irf(15)
irf.plot(orth=False)
plt.savefig(r'E:\工作\硕士\博客\博客粉丝问题\情绪指数与上证指数VAR模型\脉冲响应图.png',
            bbox_inches ="tight",
            pad_inches = 1,
            transparent = True,
            facecolor ="w",
            edgecolor ='w',
            dpi=300,
            orientation ='landscape')

输出结果： 

需要数据集的家人们可以去百度网盘（永久有效）获取：

链接：
提取码：2138 

---

更多优质内容持续发布中，请移步主页查看。

   点赞+关注,下次不迷路！