python误差修正模型_在Python中实现Johansen Test for Cointegration

在这篇博文中，您将了解Johansen Test的协整本质，并学习如何在Python中实现它。另一种流行的协整检验是Augmented Dickey-Fuller(ADF)检验。ADF测试具有使用Johansen测试克服的限制。

ADF测试使人们能够测试两次系列之间的协整。Johansen测试可用于检查最多12次系列之间的协整。这意味着可以使用两个以上的时间序列创建固定的线性资产组合，然后可以使用平均回复策略进行交易，如对交易，三联交易，指数套利和长短投资组合。要了解有关这些策略的更多信息，请参阅EP Chan博士的Python平均回复策略课程。

其次，ADF测试给出了改变两次序列顺序的不同结果。使用Johansen Test可以克服这个问题，因为它与订单无关。现在让我们看看约翰森测试背后的数学。

约翰森测试背后的数学

Johansen测试基于时间序列分析。ADF测试基于自回归模型，时间序列中的值在同一时间序列的先前值上回归。当存在多个变量时，您仍然可以将当前价格的关系写为自回归模型中过去价格的线性函数，但更准确地说，此模型称为矢量误差修正模型(VECM)。下面给出的是VECM的等式。

在这个等式中，我们有多维变量，因此乘法将是矩阵乘法。因此，该等式中的每个滞后项的系数是矢量项。

在Johansen测试中，我们检查lambda是否具有零特征值。当所有特征值都为零时，这意味着该序列不是协整的，而当某些特征值包含负值时，则意味着可以创建时间序列的线性组合，这将导致平稳性。

这些价格的线性组合代表了投资组合的净市值。如果投资组合价值的变化通过负回归系数与其当前值相关，或者在这种情况下是负