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
冲突碰撞是针对Shape的碰撞。Shape之间可能存在默认不碰撞检测的情况。相互碰撞检测方式如下图： Shape免冲突设置
只要设置ShapeDesc.shapeFlags |= NX_TRIGGER_ENABLE就可以使得该Shape免予冲突检测。
冲突检测优化冲突检测是很耗性能的。每次的遍历是很难实现的。所以有一些性能上的优化。首先能够冲突检测的pair是在一定的距离内的。另外还要
转载
2024-06-04 14:49:51
252阅读
写在开篇：最近在测试DAI相关的内容，公司文档一如既往的简陋，新人看完保准一脸懵逼，搜了很多文章，个人觉得下面的这篇是写的最详细，最完整，也最容易理解，很值得学习，点赞。原文链接在文末，防止丢失，特转载一份留存待日后翻阅
一、ARP协议原理
1.协议概述 Address Resolution Protocol在以太网
转载
2024-05-31 23:42:54
65阅读
协程协程是线程的更小切分，又称为“微线程”，是一种用户态的轻量级线程。与进程的区别：相同点：相同点存在于，当我们挂起一个执行流的时，我们要保存的东西：栈， 其实在你切换前你的局部变量，以及要函数的调用都需要保存，否则都无法恢复寄存器状态,这个其实用于当你的执行流恢复后要做什么而寄存器和栈的结合就可以理解为上下文，上下文切换的理解：CPU看上去像是在并发的执行多个进程，这是通过处理器在进程之间切换来
转载
2024-10-03 11:24:16
85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
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
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
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
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
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
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
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
# Python进行协整检验的科普文章
在经济学和时间序列分析中，协整检验是一种重要的统计方法，借以判断多个时间序列之间是否存在长期的均衡关系。在这篇文章中，我们将探讨协整的概念，并学习如何使用Python进行协整检验，最后通过代码示例来加深理解。
## 什么是协整？
协整（Cointegration）是指若干个非平稳时间序列，通过线性组合后可得到一个平稳序列。这意味着这些时间序列在一定条件
# Johansen协整检验的Python实现
经济时间序列分析中，协整检验是一项重要的技术，特别用于判断多个非平稳序列之间是否存在长期的均衡关系。Johansen协整检验是用于多变量时间序列的强大工具。本文将通过Python代码示例，展示如何使用Johansen协整检验。
## 1. 什么是Johansen协整检验？
Johansen检验基于特征值分解，提供了确定时间序列中协整关系的数量。
目录一、各种检验的分类二、事前检验1.正态性检验2.方差齐次性检验3.共线性检验4.协方差齐次性检验三、事后检验1.Turkey检验2.tamhaneT2 检验3.交叉图检验4.拟合优度检验5.显著性检验F检验：ANOVAT检验：小样本的显著性检验6.区间估计可能刚接触量化分析的人都会对各种检验感觉到懵，这个检验究竟检验什么？p值小于0.05，究竟拒绝了什么假设？是什么意思？我刚学的时候也有这样的
转载
2023-11-28 09:38:48
149阅读
量化策略研究指的是需要依据一种或多种确凿的获利理念，通过某一特定显式表示的模型，指导参与者反复地以人工或机器执行指令，参与单边或多空交易。在策略的执行过程中，需要实时监控资产组合价值与目标利润的偏离情况，调整参数，直到已有模型生命期限终了，再转入到新模型。量化研究过程可以划分为定价与品种选取、模型实现、资产配置与组合优化、订单生成与交易执行、绩效评估和风险管理等部分。当前量化策略重点集中在基于行为
转载
2024-06-18 10:27:28
30阅读
在金融时间序列分析中，协整是一种非常重要的概念。它用于验证两个或多个非平稳序列之间是否存在长期稳定的关系。我们将通过Python进行协整关系的检验，针对该过程整理出一篇博文，涵盖背景定位、核心维度、特性拆解、实战对比、选型指南及生态扩展等内容。
在定义协整时，重要的参考是：
> “协整是指两个或多个时间序列虽然各自都是非平稳的，但它们之间存在一种线性组合，使得这一组合是平稳的。”——引自《时间序
# Python 协整检验及其应用
在时间序列分析中，协整检验是非常重要的一步，用于判断多个时间序列是否存在长期稳定的关系。本文将深入探讨协整的概念，并展示如何使用Python进行协整检验，同时提供代码示例，帮助你更好地理解这一过程。
## 什么是协整？
协整（cointegration）是指虽然两个或多个时间序列可能是非平稳的，但它们的某种线性组合却是平稳的。这意味着，虽然这些序列在短期内
# 使用 Python 进行协整检验的完整指南
协整检验是金融和经济研究中常用的方法，主要用于判断多个时间序列是否存在长期稳定的关系。对于刚入行的小白来说，进行协整检验的过程可能会显得有些复杂。但只要按照一定的流程，逐步实施即可。本文将详细介绍如何使用 Python 进行协整检验。
## 整个过程的步骤
为了更清晰地展示整个过程，我们将其分为几个步骤，具体如下表所示：
| 步骤 | 描述
