Man erkennt , dass im allgemeinen Statistik, die Kointegration Tests gezeigt werden . Ich glaube, dass dies für alle Kointegrationstests gilt, daher ist der jeweils verwendete Test möglicherweise irrelevant.
Ich habe jedoch festgestellt, dass die beiden Teststatistiken im Allgemeinen "nahe" liegen: Die beiden Teststatistiken befinden sich auf demselben Konfidenzniveau.
Beachten Sie, dass in meiner Arbeit die übliche Methode zum Testen der Kointegration darin besteht, eine Einheitswurzel in der linearen Kombination der beiden Reihen (AKA-Restreihen) zu testen. Im Allgemeinen werde ich dazu den ADF-Test verwenden und die resultierende Teststatistik mit den Konfidenzniveaus vergleichen, die erforderlich sind, um die Nullhypothese abzulehnen.
Meine Fragen:
- Gibt es formale Dinge, die über den Vergleich von mit ?c o i n t ( B , A )
- Gibt es einen zwingenden technischen Grund, eine variable Ausrichtung der anderen vorzuziehen?
- Werden die Antworten auf 1 oder 2 speziell für den Kointegrationstest verwendet? Wenn ja, gibt es etwas besonders Relevantes für die oben beschriebene Kointegrationstestmethode?
Vielen Dank.
BEARBEITEN:
Hier ist ein Beispiel, wie angefordert. Ich benutze Python für die meisten meiner statistischen Arbeiten.
Die ADF-Teststatistik für die erste lineare Kombination (AKA-Restreihe) ist -35.9199966497
und -35.7190914946
für die zweite lineare Kombination.
Offensichtlich ist dies ein ziemlich extremes Beispiel, aber es gibt viele andere.
Reihenfolge der Diagramme in der Grafik:
- Restserie 1
- Streudiagramm mit der Linie der besten Anpassung, (x, y) Ausrichtung.
- Restserie 2
- Streudiagramm mit der Linie der besten Anpassung, (y, x) Ausrichtung.
- Grafik der beiden Rohkurven.
Hoffentlich klärt das die Dinge auf.