Структурный сдвиг во время кризиса: III
Теперь можно собрать всё воедино и выполнить тест Чоу.
Данные за 2005–2010 годы разделены на два DataFrame — before и after — с использованием 30 июня 2008 года в качестве точки структурного сдвига (определённой в первом упражнении этой серии). Оба DataFrame содержат столбцы mort_del и returns — данные о просрочках по ипотеке и данные о доходности соответственно.
Вы построите две OLS-регрессии на данных before и after, регрессируя столбец returns на столбец mort_del в каждом DataFrame, и вычислите суммы квадратов остатков.
Затем вы рассчитаете статистику теста Чоу, как показано в видео, используя ssr_total (полученное из второго упражнения) и вычисленные остатки. Критическое значение F при доверительном уровне 99% составляет около 5,85. Какое значение вы получите для своей тестовой статистики?
Это упражнение является частью курса
Количественное управление рисками на Python
Инструкции к упражнению
- Добавьте константу (свободный член OLS) к переменной
mort_delдля DataFramebeforeиafter. - Подгоните OLS-регрессию столбца
returnsна столбецmort_delдляbeforeиafter. - Запишите суммы квадратов остатков в переменные
ssr_beforeиssr_afterдляbeforeиafterсоответственно. - Вычислите и выведите статистику теста Чоу.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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 / ____)