математический-анализ - Коинтеграция

Я себе это дело представляю примерно так. Допустим есть какая-то случайная величина -- скажем, количество людей, совершающих заграничные туры. Она колеблется по времени; мы смотрим на её график, и пытаемся понять, от каких других величин она зависит. Понятно, что люди чаще ездят летом. Это значит, что на нашу величину оказывает влияние, например, средняя температура воздуха. Сравниваем два графика, и находим некий коэффициент влияния (типа того, что повышение температуры на один градус увеличивает количество отъезжающих в среднем на величину $%k$%). Вычитаем из одной величины другую, то есть смотрим на график величины $%X-kY$%, где $%X$% -- это изучаемая величина (количество путешествующих), а $%Y$% -- то, что на неё повлияло (средняя температура).

Если коэффициент подобран удачно, то график будет колебаться уже меньше. Но при этом какие-то изменения будут, и их можно связать, например, со средним числом праздничных и выходных дней. Пусть это величина $%Z$%, и влияет она с коэффициентом $%\ell$%. Далее смотрим на график изменений величины $%X-kY-\ell Z$%. Там могут иметь место зависимости от чего-то ещё -- например, от курса евро. Снова подбираем подходящий коэффициент. Он может оказаться отрицательным: более высокий курс валюты ведёт к уменьшению числа туристов. И так далее -- продолжаем находить такие факторы, пока не окажется, что величина стала стационарной, то есть почти перестала колебаться, будучи равной $%c$%. Это даёт некую статистическую зависимость типа $%X\approx kY+\ell Z+\cdots+c$%. Примерно этот эффект и понимается под коинтеграцией -- когда существует некая линейная зависимость между случайными величинами с набором подобранных коэффициентов. Тогда, зная одни факторы (погоду, курсы валют и т.п.), можно попытаться предсказать значения других интересующих нас величин.