위기 구조적 단절: III
이제 모든 요소를 모아 Chow 검정을 수행해 볼게요.
2005–2010년 데이터는 구조적 단절 시점으로 식별된 2008년 6월 30일을 기준으로 두 개의 DataFrame, before와 after로 나뉘어 제공되어 있어요(이 시리즈의 첫 번째 연습 문제에서 확인했죠). 두 DataFrame 모두 주택담보대출 연체율과 수익률을 나타내는 mort_del과 returns 열을 가지고 있습니다.
각 DataFrame에서 returns를 종속 변수로, mort_del을 독립 변수로 두고 before와 after에 대해 각각 OLS 회귀를 두 번 실행하고, 제곱합 잔차를 구하세요.
그다음 영상에서처럼, 두 회귀에서 구한 잔차와 ssr_total(두 번째 연습 문제에서 제공됨)을 사용해 Chow 검정 통계량을 계산하세요. 신뢰수준 99%에서의 임계 F 값은 약 5.85예요. 여러분의 검정 통계량은 얼마인가요?
이 연습은 강의의 일부입니다
Python을 활용한 정량적 리스크 관리
연습 안내
before와after각각에 대해mort_del에 OLS 절편(상수항)을 추가하세요.before와after에서returns를 종속 변수로,mort_del을 독립 변수로 하는 OLS 회귀를 적합하세요.- 제곱합 잔차를 각각
ssr_before와ssr_after에 저장하세요. - Chow 검정 통계량을 계산해 출력하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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 / ____)