A. 要檢驗兩個期貨品種是否存在協整關系，除了要進行JJ協整檢驗兩個期貨，協整後還要進行格蘭傑因果檢驗嗎
JJ test只是在檢測兩個期貨是否存在協整關系。沒有granger causality test的意思。GC test主要考察的是統計學角度下的因果關系。和JJ TEST沒啥關系。
這兩個test考察的方面完全不同，所以應該分別做一下。
B. 單位根檢驗、協整、格蘭傑因果檢驗有什麼關系
實證檢驗步驟：
先做單位根檢驗，看變數序列是否平穩序列，若平穩，可構造回歸模型等經典計量經濟學模型；若非平穩，進行差分，當進行到第i次差分時序列平穩，則服從i階單整（注意趨勢、截距不同情況選擇，根據P值和原假設判定）。
若所有檢驗序列均服從同階單整，可構造VAR模型，做協整檢驗（注意滯後期的選擇），判斷模型內部變數間是否存在協整關系，即是否存在長期均衡關系。如果有，則可以構造VEC模型或進行Granger因果檢驗，檢驗變數之間「誰引起誰變化」，即三者之間的關系為因果關系。
資料拓展：
一、平穩性問題
1、單位根檢驗是序列的平穩性檢驗，如果不檢驗序列的平穩性直接OLS容易導致偽回歸。
2、當檢驗的數據是平穩的（即不存在單位根），要想進一步考察變數的因果聯系，可以採用格蘭傑因果檢驗，但要做格蘭傑檢驗的前提是數據必須是平穩的，否則不能做。
3、當檢驗的數據是非平穩（即存在單位根），並且各個序列是同階單整（協整檢驗的前提），想進一步確定變數之間是否存在協整關系，可以進行協整檢驗，協整檢驗主要有EG兩步法和JJ檢驗
A、EG兩步法是基於回歸殘差的檢驗，可以通過建立OLS模型檢驗其殘差平穩性（一般用EG兩步法）
B、JJ檢驗是基於回歸系數的檢驗，前提是建立VAR模型（即模型符合ADL模式）
4、當變數之間存在協整關系時，可以建立ECM進一步考察短期關系，Eviews這里還提供了一個Wald－Granger檢驗，但此時的格蘭傑已經不是因果關系檢驗，而是變數外生性檢驗，請注意識別
二、協整性問題
1、格蘭傑檢驗只能用於平穩序列, 這是格蘭傑檢驗的前提，而其因果關系並非我們通常理解的因與果的關系，而是說x的前期變化能有效地解釋y的變化，所以稱其為「格蘭傑原因」。
2、非平穩序列很可能出現偽回歸，協整的意義就是檢驗它們的回歸方程所描述的因果關系是否是偽回歸，即檢驗變數之間是否存在穩定的關系。所以，非平穩序列的因果關系檢驗就是協整檢驗。
3、平穩性檢驗有3個作用：（1）檢驗平穩性，若平穩，做格蘭傑檢驗，非平穩，作協正檢驗。(2）協整檢驗中要用到每個序列的單整階數。(3）判斷時間學列的數據生成過程。
三、格蘭傑因果問題
第一，格蘭傑因果檢驗是檢驗統計上的時間先後順序，並不表示而這真正存在因果關系，是否呈因果關系需要根據理論、經驗和模型來判定。
第二，格蘭傑因果檢驗的變數應是平穩的，如果單位根檢驗發現兩個變數是不穩定的，那麼不能直接進行格蘭傑因果檢驗。
第三，協整結果僅表示變數間存在長期均衡關系，因為變數不平穩才需要協整，所以先對變數進行差分，平穩後可以用差分項進行格蘭傑因果檢驗，來判定變數變化的先後時序，之後進行協整，看變數是否存在長期均衡。
第四，長期均衡並不意味著分析的結束，還應考慮短期波動，要做誤差修正檢驗。
C. 什麼是協整檢驗
一、協整檢驗(CointegrationTest)的定義：
非平穩序列很可能出現偽回歸，協整的意義就是檢驗它們的回歸方程所描述的因果關系是否是偽回歸，即檢驗變數之間是否存在穩定的關系。所以，非平穩序列的因果關系檢驗就是協整檢驗。
二、基本思路：
20世紀80年代，Engle和Granger等人提出了協整（Co-integration）的概念，指出兩個或多個非平穩（non-stationary）的時間序列的線性組合可能是平穩的或是較低階單整的。有些時間序列，雖然它們自身非平穩，但其線性組合卻是平穩的。非平穩時間序列的線性組合如果平穩，則這種組合反映了變數之間長期穩定的比例關系，稱為協整關系。協整關系表達的是兩個線性增長量的穩定的動態均衡關系，更是多個線性增長的經濟量相互影響及自身演化的動態均衡關系。協整分析是在時間序列的向量自回歸分析的基礎上發展起來的空間結構與時間動態相結合的建模方法與理論分析方法。
三、理論模型：
四、協整檢驗的目的：
協整即存在共同的隨機性趨勢。協整檢驗的目的是決定一組非平穩序列的線性組合是否具有穩定的均衡關系，偽回歸的一種特殊情況即是兩個時間序列的趨勢成分相同，此時可能利用這種共同趨勢修正回歸使之可靠。正是由於協整傳遞出了一種長期均衡關系，若是能在看來具有單獨隨機性趨勢的幾個變數之間找到一種可靠聯系，那麽通過引入這種醉漢與狗之間距離的「相對平穩」對模型進行調整，可以排除單位根帶來的隨機性趨勢，即所稱的誤差修正模型。
在進行時間系列分析時，傳統上要求所用的時間系列必須是平穩的，即沒有隨機趨勢或確定趨勢，否則會產生「偽回歸」問題。但是，在現實經濟中的時間系列通常是非平穩的，我們可以對它進行差分把它變平穩，但這樣會讓我們失去總量的長期信息，而這些信息對分析問題來說又是必要的，所以用協整來解決此問題。
D. 俺想問，做完adf單位根檢驗後，怎麼做johansen是要檢驗股指期貨的協整性。我看到要網上要先建立equation
一般來說，期貨做數據分析，用協整性就可以了，ADF檢驗。建立方程，先要新建幾組數據，具體是有多少個變數，要看你自己是要建一元，或者多元方程了。然後全選幾組數據打開，就會出現方程界面，出現一個數據分析結果，有殘差，R值，F值，等，根據相關的系數可以建立，一元或者多元方程，還可以進行模型的預測，擬合效果分析。
E. 協整檢驗怎麼才算通過
Trace test indicates 2 cointegrating eqn(s) at the 0.05 level\x09
在5%顯著性水平存在2個協整方程
F. 協整檢驗是是干嗎用的存在協整關系就能用一元回歸嗎
協整檢驗是檢驗兩個變數的長期關系，需要檢驗數據是不是平穩數據，如果不是就不可以用經典回歸，需要用差分的方法轉化為平穩數據。
G. stata 協整性檢驗
最開始是H0：秩=0，不過不通過
新假設：H0：秩=1 VS H1：秩>1
依次類推，直到零假設可以接受為止，如果統計量大於顯著性水平對應臨界值應該是拒絕零假設。
從上圖來看，沒有通過
H. 協整檢驗的介紹
在宏觀經濟計量分析中，Granger(1987)所提出的協整方法已成為了分析非平穩經濟變數之間數量關系的最主要工具之一，且通過線性誤差修正模型(ECM)刻畫了經濟變數之間的線性調整機制，這就是所謂的線性協整方法。隨著經濟理論的發展，尤其是交易成本和政策反應的經濟分析中，傳統的線性協整分析已不再是合適的分析方法，鑒於此Balk和Fomby(1997)1提出了所謂的閾值協整(Threshold Cointegraion)方法，它刻畫了經濟變數之間的非線性調整機制。
I. 請教了解計量協整性檢驗的同學~
噗 這是什麼
J. 協整檢驗有什麼意義
協整檢驗決定一組非平穩序列的線性組合是否具有穩定的均衡關系，偽回歸的一種特殊情況即是兩個時間序列的趨勢成分相同，此時可能利用這種共同趨勢修正回歸使之可靠。在現實經濟中的時間系列通常是非平穩的，我們可以對它進行差分把它變平穩，但這樣會讓我們失去總量的長期信息，
而這些信息對分析問題來說又是必要的，所以用協整來解決此問題。正是由於協整傳遞出了一種長期均衡關系，若是能在看來具有單獨隨機性趨勢的幾個變數之間找到一種可靠聯系，那麼通過引入這種「相對平穩」對模型進行調整，可以排除單位根帶來的隨機性趨勢，即所稱的誤差修正模型。
(10)期貨市場的協整性檢驗擴展閱讀
通過對檢驗統計量的模擬研究，研究表明在檢驗所謂的部分協整和M-部分協整時，固定回歸元自助法的統計量具有較高的檢驗勢，但是固定回歸元自助法在檢驗部分協整和M-部分協整時具有較嚴重的水平扭曲且都會增大「棄真」的概率，
而利用模擬臨界值進行檢驗水平模擬時具有較小的水平扭曲；其次採取模擬臨界值的檢驗法會隨著數據序列「持久性」的增強，其檢驗勢呈下降趨勢，但下降速度沒有EG兩步法快；而第三模擬臨界值的檢驗法在檢驗M-部分協整時比檢驗部分協整時有較低的檢驗勢。