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
