我正在尝试调查一些谷歌趋势数据和股票价格之间的关系。
我执行了增强的 ADF 测试和 KPSS 测试,以确保两个时间序列以相同的顺序集成 ( I(1)
)。
但是,在我进行第一个差异之后,ACF 图完全微不足道(当然除了 1),这告诉我差异序列的行为就像白噪声。
尽管如此,我还是尝试估计一个您可以看到附加的 VAR 模型。
如您所见,只有一个常数是重要的。我已经读过,因为Stocks.ts.l1
在 GoogleTrends 等式中GoogleTrends.ts.l1
不重要,在 Stocks 等式中不重要,所以两个时间序列之间没有动态,并且两者也可以是具有模型的彼此独立的AR(p)
模型。
我检查了模型的残差。它们满足假设(未完全给出正态分布的残差,但可以,存在同方差性,其稳定且没有自相关)。
但是,如果没有系数像Stocks.ts
方程的情况那样显着,这意味着什么?模型是否不适合拟合数据,因为数据不遵循 AR 流程。还是模型太糟糕了,以至于常数会比模型更好地描述数据?还是前面几个问题的组合?有什么建议可以让我进行分析吗?
提前致谢