1. Hay un par de diferencias entre Cointegrated ADF de la prueba y de la prueba de Johansen.
Primero de todos, el primero es sólo apropiado para una pareja de dos series de tiempo, mientras que el segundo es también aplicable para la prueba de cointegración de cualquier número de serie.
En segundo lugar, alimentador automático de documentos de prueba se sugieren diferentes resultados de la prueba cuando se cambie la secuencia de las entradas, mientras que los de la prueba de Johansen es el fin de independiente como el segundo se basa en el autovector de descomposición. Específicamente, Cuando se realiza Cointegrated ADF prueba, se determina en primer lugar la óptima cobertura de relación mediante la ejecución de una regresión lineal entre las dos series de precios, el uso de
este hedge ratio de formar una cartera, y, finalmente, ejecutar una prueba de estacionariedad en
esta cartera de series de precios. Por lo tanto, el uso de Un activo como variable independiente y activo B como variable dependiente es probable que para obtener diferentes resultados como el caso contrario. Generalmente, sólo un seto de la relación entre dos casos de prueba puede conducir a una estacionaria de la cartera, y lo que uno puede necesitar para ejecutar la prueba ADF para ambos casos, con el fin de encontrar todas las posibles cobertura de los coeficientes. Para el caso de Johansen prueba, todos los de cobertura ratios que potencialmente puede conducir a la estacionario de cartera para el $n$ activos se encuentran todos a la vez, que son los vectores propios de la matriz de coeficientes.
2. Es normal encontrar conintegration pares que están demostrando falsa significación estadística.
Especialmente, si usted saca un gran universo de activos y, a continuación, la realización de pares conintegration pruebas. Por las pruebas demasiadas hipótesis, podemos también aumentar la probabilidad de ser testigos de un evento poco frecuente, y por lo tanto, la probabilidad de rechazar la hipótesis nula cuando es verdadera (error tipo I). La corrección de Bonferroni es una forma efectiva de abordar esta cuestión.