Uzyskiwanie wektorów kointegracyjnych metodą Johansena

9

Próbuję zrozumieć lepszą metodę Johansena, dlatego opracowałem przykład 3.1 podany w książce Likelihood-Based-Inference-Cointegrated-Autoregressive-Econometrics, w której mamy trzy procesy:

X1t=i=1tϵ1i+ϵ2t

X2t=αi=1tϵ1i+ϵ3t

X3t=ϵ4t

więc wektorami kointegracji powinny być [a, -1, 0] i [0, 0 1], ale kiedy uruchamiam metodę Johansena, nie mogę ich uzyskać.

Kod, który próbuję, jest następujący:

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from statsmodels.tsa.stattools import adfuller
from statsmodels.tsa.johansen import coint_johansen

mu, sigma = 0, 1 # mean and standard deviation
n = 1000

s1 = np.random.normal(mu, sigma, n)
s2 = np.random.normal(mu, sigma, n)
s3 = np.random.normal(mu, sigma, n)

x_1t = np.cumsum(s1)+s2
x_2t = 7*np.cumsum(s1)+s3
x_3t = s3

#Creating Pandas object
todays_date = datetime.datetime.now().date()
index = pd.date_range(todays_date-datetime.timedelta(10), periods=n, freq='D')
y = pd.DataFrame(index=index, data={'col1': x_1t, 'col2': x_2t, 'col3':x_3t} )

p = 4
jres = coint_johansen(y, 0, p)

Próbowałem kilku wartości p i nie mogę uzyskać wektorów kointegracji, wiem, że robię coś złego. Dzięki.

mapsa
źródło
Skieruję notebook jest tutaj: github.com/mapsa/seminario-doc-2014/blob/master/...
AB3

Odpowiedzi:

6

Znalazłem odpowiedź. Jeśli jest to pomocne dla kogoś, możesz sprawdzić następujący notatnik:

http://nbviewer.ipython.org/github/mapsa/seminario-doc-2014/blob/master/cointegration-example.ipynb

mapsa
źródło
1
Ponieważ linki mogą zniknąć, dlaczego nie skopiować ich istoty tutaj?
gung - Przywróć Monikę
Wydaje się, że metoda coint_johansen nie istnieje? Czego tu brakuje? Proszę przyjąć moje przeprosiny za moje pytanie noob.
RAY
2
Jest w gałęzi tego repozytorium github.com/josef-pkt/statsmodels
mapsa