Obtenir des vecteurs de cointégration en utilisant la méthode Johansen


9

J'essaie de mieux comprendre la méthode Johansen, j'ai donc développé un exemple 3.1 donné par le livre Likelihood-Based-Inference-Cointegrated-Autoregressive-Econometrics où nous avons trois processus:

X1t=i=1tϵ1i+ϵ2t

X2t=αi=1tϵ1i+ϵ3t

X3t=ϵ4t

les vecteurs de cointégration doivent donc être [a, -1, 0] et [0, 0 1], mais lorsque j'exécute la méthode Johansen, je ne peux pas les obtenir.

Le code que j'essaie est le suivant:

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)

J'ai essayé plusieurs valeurs de p et je ne peux pas obtenir les vecteurs de cointégration, je sais que je fais quelque chose de mal. Merci.


Le bloc-notes référencé
ab3

Réponses:


6

J'ai trouvé la réponse. Si c'est utile pour quelqu'un, vous pouvez vérifier le cahier suivant:

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


1
Parce que les liens peuvent disparaître, pourquoi ne pas en copier l'essentiel ici?
gung - Réintégrer Monica

On dirait que la méthode coint_johansen n'existe pas? Qu'est-ce que j'oublie ici? Veuillez accepter mes excuses pour ma question noob.
RAY

2
C'est dans la branche coint de ce repo github.com/josef-pkt/statsmodels
mapsa
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.