Začněte nyníZačněte zdarma

Strukturální zlom v době krize: III

Teď můžeš vše propojit a provést Chowův test.

Data za období 2005–2010 jsou rozdělena do dvou dostupných DataFramů, before a after, přičemž jako bod strukturálního zlomu (identifikovaný v prvním cvičení této série) byl použit 30. červen 2008. Oba DataFramy obsahují sloupce mort_del (data o prodleních hypotečních splátek) a returns (data o výnosech).

Spustíš dvě OLS regrese na datech before a after — ve každém DataFrame budeš regresovat sloupec returns na sloupec mort_del — a odvodíš součty čtverců reziduí.

Poté vypočítáš testovou statistiku Chowova testu podle postupu z videa, přičemž použiješ ssr_total (získaný z druhého cvičení) a odvozená rezidua. Kritická hodnota F na hladině spolehlivosti 99 % je přibližně 5,85. Jakou hodnotu testové statistiky dostaneš?

Toto cvičení je součástí kurzu

Kvantitativní řízení rizik v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Přidej do mort_del intercept OLS pro before i after.
  • Proveď OLS regresi sloupce returns na sloupec mort_del pro before i after.
  • Ulož součty čtverců reziduí do ssr_before a ssr_after pro before, resp. after.
  • Vytvoř a zobraz testovou statistiku Chowova testu.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Add intercept constants to each sub-period 'before' and 'after'
before_with_intercept = sm.____(before['mort_del'])
after_with_intercept  = sm.____(____['mort_del'])

# Fit OLS regressions to each sub-period
r_b = sm.____(____['returns'], before_with_intercept).____
r_a = sm.____(after['returns'],  after_with_intercept).____

# Get sum-of-squared residuals for both regressions
ssr_before = r_b.____
ssr_after = ____.ssr
# Compute and display the Chow test statistic
numerator = ((ssr_total - (ssr_before + ____)) / 2)
denominator = ((____ + ssr_after) / (24 - 4))
print("Chow test statistic: ", numerator / ____)
Upravit a spustit kód