Rottura strutturale della crisi: III
Ora puoi mettere insieme tutto per eseguire il test di Chow.
I dati 2005 - 2010 sono stati suddivisi in due DataFrame disponibili, before e after, usando il 30 giugno 2008 come punto di rottura strutturale (identificato nel primo esercizio di questa serie). Le colonne di entrambi i DataFrame sono mort_del e returns, rispettivamente per i dati sulle insolvenze dei mutui e sui rendimenti.
Eseguirai due regressioni OLS su before e after, mettendo in regressione la colonna returns contro la colonna mort_del in ciascun DataFrame, e ricaverai la somma dei residui al quadrato.
Poi calcolerai la statistica del test di Chow come nel video, usando ssr_total (fornito dal secondo esercizio) e i residui ottenuti. Il valore critico di F al 99% di confidenza è circa 5,85. Che valore ottieni per la tua statistica di test?
Questo esercizio fa parte del corso
Gestione quantitativa del rischio in Python
Istruzioni dell'esercizio
- Aggiungi un termine d’intercetta OLS a
mort_delperbeforeeafter. - Stima una regressione OLS della colonna
returnscontro la colonnamort_del, perbeforeeafter. - Inserisci le somme dei residui al quadrato in
ssr_beforeessr_after, rispettivamente perbeforeeafter. - Crea e mostra la statistica del test di Chow.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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 / ____)