误差修正模型（Error Correction Model, ECM）协整（cointegration）反映的是序列中变量之间的长期均衡关系，用网上的一个例子来描述协整就是一个醉汉牵着一只狗，他们之间的距离虽然会时远时近，但是由于绳子的存在，当达到绳子的长度时，他们的距离又会拉近，这样他们之间就存在着协整关系。通过协整建立的模型是静态模型，而误差修正模型的使用就是为了建立短期的动态模型来弥补长期静
转载
2023-12-08 06:15:31
442阅读
# 协整关系及其在Python中的应用
在时间序列分析中，协整关系（Cointegration）是一个重要的概念，尤其是在金融数据分析、经济学建模等领域。协整关系可以帮助我们了解两个或多个非平稳时间序列之间的长期稳定关系。本文将通过代码示例和理论解析，介绍协整的基本概念及其在Python中的实现。
## 一、什么是协整关系？
**协整关系**指的是两个或多个时间序列虽然各自都是非平稳的（即没
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
Portfolio 1# ZTEHK/ZTEA假设:中兴通讯H股和中兴通讯A股的股价存在协整关系*什么是协整关系? 为什么要平稳/协整：提到协整，就不得不提平稳性。简单地说，平稳性（stationarity）是一个序列在时间推移中保持稳定不变的性质，它是我们在进行数据的分析预测时非常喜欢的一个性质。如果一组时间序列数据是平稳的，那就意味着它的均值和方差保持不变，这样我们可以方便地在序列上使用一些统
转载
2023-12-08 19:18:27
12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
目录1. 数据准备 & 回测准备2. 策略开发思路3.产生信号3. 计算策略年化收益并可视化4.总结 上节说到，做2只配对，先判断2只的平稳性，不平稳就做一阶差分和协整关系这篇就要来说协整关系协整关系简单的说就是2只的线性组合，并且这个组合是平稳的。先感性的认识：A的价格序列为X，B的价格序列为Y. 用X、Y做线性回归，就可以得出线性方程：xy线性
转载
2023-12-19 16:37:56
7阅读
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
154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
## 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 |
# 协整理论及其在Python中的实现
## 1. 什么是协整？
在时间序列分析中，协整是指两个或多个非平稳序列之间存在某种稳定的线性关系。即使各个序列本身是随机游走，经过适当的线性组合后，它们的某个特性可能是平稳的。协整可以帮助我们理解长期趋势以及经济变量之间的关系。在许多应用中，尤其是在金融领域，协整分析用于建立回归模型，以更好地预测未来走势。
## 2. 协整的基本理论
要理解协整，
原创
2024-09-29 05:31:02
41阅读
# Python 中的协整分析入门指南
在金融和经济学中，协整是用来确定两个或多个时间序列之间长期关系的一个重要概念。如果两个时间序列是协整的，意味着它们尽管各自可能存在趋势，但其线性组合却是平稳的。在本文中，我们将通过一个简单的示例来学习如何在 Python 中实现协整分析。
## 流程概述
在进行协整分析时，通常可以分为以下几个步骤：
| 步骤 | 说明
原创
2024-10-13 06:45:02
95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
当两个品种价格存在某种比较简单的可量化关系时，我们可以利用这种关系进行配对交易。一种比较简单常见的关系就是价格线性相关，由于价格非平稳序列，我们把这种关系称为协整关系。这种关系呈现的模式可能是同步相关，即两个品种同时受到相同或者类似的其他因素影响，从而价格存在同步变化的趋势；或者是leader-lagg
转载
2024-01-21 06:56:50
6阅读
# Python协整检验：不仅仅是判断两个变量之间的关系
在时间序列分析中，协整是一个重要的概念，它帮助我们评估多个时间序列变量之间的长期关系。很多人对协整的理解只局限于判断两个变量之间的关系，但实际上，协整的应用更为广泛。本文将通过Python的代码示例，介绍协整检验的实际应用以及如何理解这一统计概念。
## 什么是协整？
协整是指多个非平稳时间序列之间的线性组合是平稳的情况。换句话说，尽
https://zhuanlan.zhihu.com/p/158871695 最近做的小项目是协整关系用于配对交易。顺便复习了协整和相关性之间的差异。应该来说，协整关系是时间序列的一个重点内容，多次碰到，值得注意。 一、相关性（correlation）VS协整关系（cointegration） 1、
转载
2021-02-23 09:27:00
1458阅读
gevent的简介 gevent是一个基于协程的python网络库，在遇到IO阻塞时，程序会自动进行切换，可以让我们用同步的方式写异步IO代码。 因为python线程的性能问题，在python中使用多线程运行代码经常不能达到预期的效果。而有些时候我们的逻辑中又需要开更高的并发，或者简单的说，就是让我们的代码跑的更快，在同样时间内执行更多的有效逻辑、减少无用的等待。gev
转载
2023-06-16 05:58:24
143阅读
JOS是MIT操作系统对应的课程设计LAB1:系统的启动 这里主要讲了两个关键的点操作系统的启动程序的之间的调用关系1.操作系统的启动的过程主要通过以下几个步骤首先运行BIOS，这里BIOS完成一些简单设置，比如VGA的显示之类然后加载Boot loader。就是通过BIOS搜索Boot loader.Boot loader将内核调入boot load因为历史原因一般会被加载到内存的0x7c00
# Python协整计算
协整是统计学中的一个重要概念，用于描述两个或多个时间序列之间的长期关系。在金融领域，协整被广泛应用于股票价格、汇率等金融数据的分析和建模。本文将介绍Python中的协整计算方法，并通过代码示例演示其用法。
## 什么是协整？
在时间序列分析中，如果两个或多个时间序列的差分序列是平稳的，那么这些时间序列被称为协整序列。换句话说，协整是指多个时间序列之间存在稳定的长期关
原创
2023-12-23 05:15:26
224阅读
给定两个整数 n 和 k，返回范围 [1, n] 中所有可能的 k 个数的组合。你可以按 任何顺序 返回答案。示例 1： 输入：n = 4, k = 2
输出：
[
[2,4],
[3,4],
[2,3],
[1,2],
[1,3],
[1,4],
] 示例 2： 输入：n = 1,
转载
2024-10-21 18:31:22
14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
