La cointégration est une propriété statistique des séries temporelles introduite dans l'analyse économique, notamment par Engle et Newbold (1974). En des termes simples, la cointégration permet de détecter la relation de long terme entre deux ou plusieurs séries temporelles. Sa formalisation rigoureuse est due à Granger (1981), et Johansen (1991, 1995). Techniquement, la notion de cointégration implique implicitement celle d'intégration.
Formellement, si les séries temporelles et sont intégrées d'ordre 1 et que par ailleurs, une combinaison linéaire de ces séries est intégrée d'ordre zéro (stationnaire), on dira alors que et sont cointégrées d'ordre (1,1) :
~ .
la littérature économétrique distingue différentes techniques permettant de tester la cointégration parmi lesquelles :
l'algorithme de Granger – Engle (1987) ;
les approches de Johansen (1988, 1991) ;
le test de Stock – Watson (1988) ;
le test de Phillips – Ouliaris (1990).
Robert F. Engle, « Autoregressive Conditional Heteroskedasticity With Estimates of the Variance of U.K. Inflation », Econometrica 50 (1982): 987-1008.
Robert F. Engle, David M. Lilien et Russell P. Robins, « Estimation of Time Varying Risk Premia in the Term Structure: the ARCH-M Model » (avec David Lilien et Russell Robins), Econometrica 55 (1987): 391-407.
Robert F. Engle, C. W. J. Granger, John Rice et Andrew Weiss, « Semi-parametric estimates of the relation between weather and electricity demand », JASA 81 (1986): 310-320.
Robert F. Engle, David F. Hendry et Jean-Francois Richard, « Exogeneity », Econometrica 51 (1983): 277-304.
Robert F. Engle, Victor Ng et Michael Rothschild, « Asset Pricing with a Factor ARCH Covariance Structure: Empirical Estimates for Treasury Bills », Journal of Econometrics 45 (1990): 213-237.
Robert Engle, « Dynamic Conditional Correlation - A Simple Class of Multivariate GARCH Models », , ().
Yang, Michael. ".
Banerjee, Anindya, Juan J. Dolado, John W. Galbraith et David F. Hendry, 1993, Co-integration, Error Correction, and the Econometric Analysis of Non-stationary Data, Oxford: Oxford University Press.