Por que a cointegração é importante na prática?

Em uma das minhas aulas de econometria. Estou quase terminando um conjunto de problemas e atribuindo leituras em uma introdução à cointegração. Eu terminei essencialmente a atribuição, executei testes completos da dickey em alguns dados, relacionamentos estimados de cointegração e estimamos um modelo de correção de erros. Mas muitas vezes fico surpreso com o modo como os livros didáticos de econometria tendem a se aprofundar nos detalhes sem antes explicar o quadro geral e como vários conceitos são aplicados na prática. Eu estava me perguntando:

Alguém poderia oferecer uma explicação intuitiva sobre como a cointegração é importante na prática. Por exemplo, se você está construindo modelos para análise de políticas, finanças ou análise macroeconômica, poderia falar sobre alguns casos práticos em que a cointegração entra em cena e por que é importante nesses casos?

Muito obrigado a todos pela ajuda!

Eu acho que é um problema de ensino econômico muito clássico - mostrando como algo é relevante no mundo real.

Primeiro, ele resolveu um problema em que as regressões lineares poderiam levar a resultados espúrios: https://en.wikipedia.org/wiki/Cointegration

... Antes da década de 1980, muitos economistas usavam regressões lineares em dados não estacionários de séries temporais, que o prêmio Nobel Clive Granger e Paul Newbold mostraram ser uma abordagem perigosa que poderia produzir correlação espúria, uma vez que o padrão técnicas prejudiciais podem resultar em dados ainda não estacionários. O artigo de Granger, de 1987, com Robert Engle formalizou a abordagem do vetor de cointegração e cunhou o termo.

Para processos integrados I (1), Granger e Newbold mostraram que a tendência não funciona para eliminar o problema da correlação espúria e que a alternativa superior é verificar a co-integração. Duas séries com tendências I (1) podem ser co-integradas apenas se houver um relacionamento genuíno entre as duas. Assim, a metodologia atual padrão para regressões de séries temporais é verificar as séries temporais envolvidas para integração. Se houver séries I (1) em ambos os lados da relação de regressão, é possível que as regressões dêem resultados enganosos ...

Segundo, nosso "site da irmã" realmente faz um bom trabalho explicando a intuição por trás, o que pode explicar por que é importante no mundo real - duas séries temporais diferentes estão relacionadas? E podemos testar isso ?:

https://quant.stackexchange.com/questions/219/what-is-the-intuition-behind-cointegration

Eu realmente gosto deste:

"Pense em um homem passeando com seu cachorro. Ele irá junto e seu cão passeará correndo de um lado para o outro. Homem e cachorro são matematicamente" cointegrados ".

Como investidor, você aposta que o cão está voltando para o dono ou que a trela tem apenas um certo comprimento.

Um bom exemplo das finanças é a variável CAY. Lettau-Ludvigson . Eles alegam que o consumo e a riqueza agregada são cointegrados e que os desvios em relação ao relacionamento de longo prazo são bons preditores de retorno de ativos. A econometria é um tanto complicada no sentido de que os testes que provam que existe ou não um relacionamento de cointegração não são muito poderosos.