方差 variance:方差是各个数据与平均数之差的平方的平均数。在概率论与数理统计中，方差（英文Variance）用来度量随机变量和其数学期望（即均值）之间的偏离程度。方差是各个数据与平均数之差的平方和的平均数,即s=(1/n)[(x1-x_)^2+(x2-x_)^2+...+(xn-x_)^2，其中，x_表示样本的平均数，n表示样本的数量，^，xn表示个体，而s就表示方差。 
转载
2024-05-06 17:00:31
49阅读
在宏观计量经济研究中，通常会使用VAR模型研究多个时间经济变量之间的数量关系情况，但是VAR模型要求数据无单位根或者同阶单整，如果无单位根通常可直接进行VAR模型构建，如果有单位根但是满足同阶单整，此时则可使用协整检验进行分析模型稳定性，通常协整关系后再建立VAR模型即可。与此同时，协整关系也是建立比如误差修正模型(SPSSAU中的ECM模型)的前提条件。如果研究变量存在协整关系则说明研究数据具有
转载
2024-05-02 17:52:01
188阅读
在理解协整检验之前呢，需要理解一个概念“伪回归”！什么是伪回归？除了要求随机扰动项独立一致性分布外，还要要求因变量和自变量为平稳的时间序列。 而在现实中，大部分时间序列均为非平稳的，这就使得建立在非平稳序列基础上的协整以及与之相伴的误差修正模型得到日益广泛的应用。 对于几个非平稳的时间序列，如果由他们组成的线性组合变量，是平稳的序列，就可以认定这几个变量存在协整关系，经济意义可以解释为这几个变量
转载
2023-11-25 19:49:38
99阅读
一、简介这篇博文是在博主写的上一篇《StataIC——数据描述性统计分析、平稳性检验、平稳化》的基础上的建立的传送门，这篇博文主要是做协整检验和误差修正模型。本篇博文是一篇关于线性回归的基本操作；时间序列的平稳性检验、协整检验和误差修正模型（在下一篇博文里延续）等的博文。博主是一个普普通通的大学生，没有很厉害的技术，写的内容都是不太正经的偏小白简单的，写的也是学校教过的知识消化后自己的见解，不是很
转载
2023-12-13 12:30:07
185阅读
两个时间序列的线性关系表示为： 左边是两个时间序列的线性组合。是协整系数。右边是残差序列（residual series),表示为由两部分组成。是均衡值（equilibrium value），是一个均值为0的时间序列，可以构造为均衡值的波动项。如果时间序列是均值回归的，那就是围绕着均衡值波动。所以，两时间序列的线性关系又称为均衡关系，由两个参数描述以及。现在我们来看一个例子：一个长短投资
转载
2024-01-09 21:09:01
3阅读
## 使用Python进行协整检验的指导
协整检验是时间序列分析中的一种重要方法，它用于检验多个非平稳时间序列之间是否存在稳定的长期关系。本文将引导你如何使用Python进行协整检验，从而帮助你更好地理解和应用这一统计工具。
### 流程概述
在进行协整检验之前，我们需要遵循以下的基本步骤。下面的表格展示了整个流程。
| 步骤 | 描述 |
# Python中的协整性检验方法：从小白到专家的指南
## 引言
协整性检验是时间序列分析中的重要步骤，通常用于研究多个非平稳时间序列之间的长期平衡关系。本文将指导您通过Python实现协整性检验，并提供详细的步骤、代码示例和必要的解释。
## 流程概述
在实施协整性检验之前，首先要理清整个过程。以下是实现协整性检验的主要步骤：
| 步骤 | 描述
# Python 中的时间序列协整性检验入门指南
本文将为初学者介绍如何在 Python 中进行时间序列的协整性检验。我们将按照以下步骤进行操作，同时提供示例代码进行说明。希望通过这篇文章，您能够理解并实现这一过程。
## 流程概述
以下是完成时间序列协整性检验的基本流程：
| 步骤 | 描述 |
|----------
目录1 背景2 单位根3 单位根检验4 ADF检验5 python 实现与结果解释1 背景 在使用很多时间序列模型的时候，如 ARMA、ARIMA，都会要求时间序列是平稳的，所以一般在研究一段时间序列的时候，第一步都需要进行平稳性检验，除了用肉眼检测的方法，另外比较常用的严格的统计检验方法就是ADF检验，也叫做单位根检验。 &nbs
转载
2023-10-25 15:17:40
274阅读
为了研究进出口与经济增长之间的关联，采用3个时间序列建立VAR模型，利用JJ协整检验并找出协整方程，以此确定长期关系，并建立VEC模型研究短期关系。 1 单位根检验
VAR模型可通过变形化为差分形式（如下所示），要找到协整向量，首先要保证差分项都是平稳的，因此协整检验的前提是序列为一阶单整I(1)。
 
转载
2023-10-26 17:35:39
412阅读
# Python中协整检验的实现指南
协整检验是一种用于时间序列分析的统计方法，主要用于检验非平稳时间序列间的长期均衡关系。在这篇文章中，我将向你介绍如何在Python中实现协整检验，包括具体步骤和代码示例。
## 流程概述
下面是实现协整检验的基本步骤：
| 步骤 | 描述 |
|------------|----------
原创
2024-09-26 08:41:05
196阅读
初识OGC规范OpenGIS是什么OGC为分布式环境下访问地理数据和地理信资源制定的一套全面的规范。它包括抽象规范和实现规范。各厂商按照OpenGIS制定的规范开发GIS软件，而且这些软件之间能够实现互操作。OGIS(Open Geodata Interoperability Specification)开放地理空间数据互操作规范该规范主要包括三个部分开放式地理空间数据模型(Open Geodat
转载
2024-07-25 18:36:12
47阅读
协程：多任务 使用：简单 原理: 过程 - 复杂内容：1、迭代对象 2、迭代器 3、生成器 4、yield 5、greenlet 6、gevent协程一、迭代对象 （1.1） 迭代: 迭代版本(在原来的版本之上添加功能)
for迭代数据(1,2,3)在原来的状态之下,添加新的功能。 #for循环
#
转载
2023-11-29 11:15:55
63阅读
在前一篇当中利用相关系数来进行套利，看到价差并不为平稳序列，回测结果也就不是很好，所以想到利用协整关系来构建股票的线性组合，使得股价差为平稳序列，从而在真正意义上构建一个套利策略。看到有其他小伙伴也做过类似研究，但是都是以样本内得到的结果去回测样本内的数据，所以会有一定的不真实性。此研究以14年到15年数据作为样本来检验协整性，当然协整关系是一个动态过程，所以检验出来的协整性只能在统计
转载
2023-12-11 13:29:11
21阅读
Engle和Granger观察到了一个相当有趣的现象。尽管两个时间序列是非平稳的，但在某些情况下，两者的特定线性组合实际上是平稳的；也就是说，这两个序列在某种程度上是步调一致的。Engle和Granger创造了“协整”（cointegration)一词，并在一篇文章中提出了这一概念(参考文献Engle, Robert F. and C. W. Granger. “Co-integration an
转载
2024-01-04 15:30:24
139阅读
最近，在项目上做Windows Server 2008 R2 AD DS的健康检查，使用到了一个装完AD DS后系统自带的工具 AD DS的最佳实践分析程序，发在博客上和各位分享下。在Windows Server 2008 R2以后的版本中也有，本文是在Windows Server 2008 R2的AD域环境中使用的。用法，估计大家都会用了，俺分享的主要目的是如何导出或者说是归档分析扫描的结果。一
目录1:应用场景2:外部数据数据质量评估解决方案构思一：2.1：评估维度——“三率”2.2：评估维度——“三性”2.3：评估维度——“三度”2.4：外部数据质量检查案例3:内部数据数据清洗及转换3.1：时间戳格式转换3.2：时间格式指定转换及清洗3.3：异常日期类型&不规则日期类型 转换为指定日期类型3.4：一致性检验3.5：异常值过滤3.6：行缺失&列缺失信息1:应用场景&nbs
# Python 平稳性检验：ADF 测试
在时间序列分析中，检测序列的平稳性是一个重要的步骤。平稳序列的统计性质（如均值和方差）随着时间不变，而非平稳序列则可能存在趋势或季节性等特征。为了判断时间序列是否平稳，我们常用的测试之一是单位根检验，最常见的是 Augmented Dickey-Fuller（ADF）测试。
## 什么是 ADF 测试？
ADF 测试的基本原理是通过检验时间序列自回
原创
2024-10-24 04:22:41
306阅读
在分析时间序列数据时，平稳性检验是个至关重要的步骤。本文将集中探讨如何使用Python进行平稳性检验，尤其是ADF（Augmented Dickey-Fuller）检验。这个过程不仅关键于理论分析，也对实际业务决策产生了深远影响。
无论是金融市场分析、气象数据处理，还是其它依赖时间序列预测的场景，平稳性检验能够帮助我们了解数据的特性，以便选择适当的模型进行分析。假设我们的目标是评估某金融资产的收
p值是假设检验(显著性检验)做出判断的依据，然而它一直饱受争议。不少人谈到假设检验、谈到p值时，就认为这是一个陷阱，存在误导人们视线的危险。2018年1月22日，美国政治学顶级学术期刊《政治分析》公开宣布：从2018年的第26辑起不再发表基于p值的文章。理由是：“p值本身无法提供支持相关模式或假说之证据。” 其实，早在1983年，《美国公共健康杂志》就要求投稿者删除所有p值，
转载
2024-02-02 09:48:57
29阅读
