在adfuller()
中使用的回归方法是什么?我正在对时间序列进行增强dickey-fuller测试,我尝试两种不同的方法。在
首先,我使用pandas.diff()
得到价格的变化dy
。然后我将原始的时间序列作为自变量y
与{statsmodels.OLS(dy,y)
中,得到结果。然后,提取斜率参数model.params[1]
和斜率参数model.bse[1]
的标准误差。这些项的商是我称之为DF = model.params[1]/model.bse[1]
的Dickey-Fuller检验统计量。在
其次,我将单数时间价格序列传递到adfuller()
中:
adfstat, pvalue, critvalues, resstore = ts.adfuller(y.y,regression='c',store=True,regresults=True)
现在,为了得到Dickey-Fuller检验的统计数据,我简单地通过了
DF = resstore.tvalues[1]
使用OLS我得到:
^{pr2}$使用adfuller():
DF = -1.56386414181
我想知道这两种方法有什么区别?adfuller()是否在内部执行与OLS不同的线性回归?我已经注意到,根据我从中得到的一本书,OLS的结果是不可否认的正确的。但是我更喜欢使用adfuller(),因为它提供了测试统计的临界值作为输出的一部分。此外,adfuller()结果似乎有许多回归系数:
print resstore.resols.params ==>
[-0.00491391 0.02366782 -0.00295179 0.01354619 0.06399901 -0.06018851
-0.00328142 -0.03876784 0.02934003 -0.10224276 0.00227549 0.01042279
-0.04627873 0.05503934 -0.02707106 0.02664511 -0.02428741 0.04894767
-0.06206492 0.00508655]
我通过得到回归线的斜率来确定均值回归的半衰期。这里看起来adfuller()
正在计算一个20阶回归?这似乎不对。也许我做错了?有人能解释一下adfuller()
吗?在
这可以通过在adfuller()的输入中设置maxlag=1来解决
相关问题 更多 >
编程相关推荐