Ruptura estructural de la crisis: III
Ahora puedes juntarlo todo para realizar la prueba de Chow.
Los datos de 2005-2010 se han dividido en dos DataFrames disponibles, before y after, utilizando 30 de junio de 2008 como punto de ruptura estructural (identificado en el primer ejercicio de esta serie). Las columnas de ambos DataFrames son mort_del y returns para los datos de morosidad hipotecaria y los datos de rentabilidades, respectivamente.
Ejecutarás dos regresiones OLS en before y after, realizando una regresión de la columna returns contra la columna mort_del en cada DataFrame, y derivarás la suma residual de cuadrados.
A continuación, calcularás el estadístico de la prueba de Chow como en el vídeo, utilizando ssr_total (obtenido del segundo ejercicio) y los residuos derivados. El valor F crítico con un 99 % de confianza se sitúa en torno a 5,85. ¿Qué valor hallas para tu estadístico de prueba?
Este ejercicio forma parte del curso
Gestión cuantitativa de riesgos en Python
Instrucciones del ejercicio
- Añade un término de intersección OLS a 
mort_delparabeforeyafter. - Ajusta una regresión OLS de la columna 
returnscontra la columnamort_del, parabeforeyafter. - Coloca la suma residual de cuadrados en 
ssr_beforeyssr_after, parabeforeyafter, respectivamente. - Crea y visualiza el estadístico de la prueba de Chow.
 
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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 / ____)