基于全局优化的时间序列共整合向量估计
数值分析
2025-09-10 v3 数值分析
摘要
时间序列分析受到了广泛关注，许多有用的检验方法得以开发。1987年Engle和Granger以及1988年Johansen的杰作为目前最常用的共整合检验铺平了道路。尽管共整合关系关注多个非平稳时间序列的长期行为和相关性，但我们常常遇到样本量有限或其他信息的情况。因此，其他具有实证优势的检验方法也同样重要。本文提供了一种受独立分量分析（亦称盲源分离）启发的共整合方法，用于金融时间序列的共整合。介绍了两种共整合检验方法：一种是针对双变量情况的去相关化，另一种是针对高维情况的非高斯性最大化。我们强调了独立成分的实证优势以及与常见共整合实践（如Johansen共整合检验）相比的计算简单性。尤其是我们方法的优势——在有限样本量下的更好表现——使其在更广泛的应用范围内为研究人员和实践者识别共整合关系提供了可及性。
引用
@article{arxiv.2409.02552,
title = {Estimation of Cointegration Vectors in Time Series via Global Optimisation},
author = {Alvey Qianli Lin and Zhiwen Zhang},
journal= {arXiv preprint arXiv:2409.02552},
year = {2025}
}