python 领先-滞后分析 lead-lag regression

理论

格兰杰Granger因果关系检验只能得出两变量之间是否存在因果关系

https://max.book118.com/html/2018/0613/172349596.shtm

名字有误，并非因果

这个例子揭示了Granger Causality和因果关系的本质区别：前者说的是一种可预测性（forcasting），如果A事件对于预测B事件是有用的，那么我们就说：A是B的Granger Causality（即：拒绝“A不是B的Granger Causality”）；

https://www.zhihu.com/question/34787362

p7 格兰杰因果检验

https://max.book118.com/html/2020/0908/5102242131002342.shtm

要求序列平稳

定义

https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CMFD&filename=1013121203.nh

from《股票收益的领先—滞后效应的研究》P19

三种平稳性检验方式P20

单位根检验

https://max.book118.com/html/2018/0613/172349596.shtm

考虑领先滞后关系的宏观因子择时策略

https://max.book118.com/html/2020/0908/5102242131002342.shtm

2. 股票收益的领先—滞后效应的研究（武汉理工）

https://kreader.cnki.net/Kreader/CatalogViewPage.aspx?dbCode=cdmd&filename=1013121203.nh&tablename=CMFD201301&compose=&first=1&uid=

1. 中国股票市场领先滞后关系影响因素研究（西南财经）

https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CMFD&dbname=CMFD2017&filename=1017013474.nh&v=rCAnH9VsCCqMeatOZd0rywnN2y3VL-aQA4K2aFJtUqrwH4a-ZcXCehXbh0m8z7Yq

python

1.测试序列平稳性

https://www.cnblogs.com/anai/p/13032102.html

1. 使用python statsmodel包

https://www.cnblogs.com/anai/p/13083048.html

https://blog.csdn.net/anaijiabao/article/details/106679270

https://blog.csdn.net/weixin_35757704/article/details/113031976

各项指标为：

number of lags (no zero) 1：当lags为1时的检测结果
ssr based F test：残差平方和F检验
ssr based chi2 test：残差平方和卡方检验
likelihood ratio test：似然比检验结果
parr F testamete：参数 F 检验结果

主要看p值，p小于0.05才能证明b对a有效

结果可视化

https://www.biaodianfu.com/granger-causality-test.html

statsmodels 英文网站

https://www.statsmodels.org/dev/generated/statsmodels.tsa.stattools.grangercausalitytests.html