2.3.2 转移函数与Granger因果

文档摘要

2.3.2 转移函数与Granger因果 2.3.2 转移函数与Granger因果想象一下，你手握两组时间序列数据：一个是股市波动，另一个是宏观经济指标。股市总在经济数据公布后剧烈起伏，这难道只是巧合？抑或经济指标真正“驱动”了股市？在动态时间序列模型中，转移函数和Granger因果检验正是我们手中的探针，能精准剖析这种因果链条。作为一名深耕时间序列建模的一线工程师，我常常在金融风控和供应链预测项目中反复锤炼这些工具。今天，我们不谈空洞理论，直奔实现战场：从数学内核到Python代码部署，再到调参诊断和坑洼绕行，让你上手即战。转移函数本质上捕捉一个输入序列（外生变量）对输出序列（内生变量）的动态影响路径，而Granger因果则先行检验这种影响是否存在。