Kom igångKom igång gratis

Strukturbrott under krisen: III

Nu kan du sätta ihop allt och genomföra Chow-testet.

Data för 2005–2010 har delats upp i två tillgängliga DataFrames, before och after, med 30 juni 2008 som strukturbrytpunkt (identifierad i den första övningen i den här serien). Kolumnerna i båda DataFrames är mort_del och returns, för data om bolånemisslyckanden respektive avkastningsdata.

Du kör två OLS-regressioner på before och after, där du regresserar kolumnen returns mot kolumnen mort_del i respektive DataFrame, och beräknar summan av kvadrerade residualer.

Därefter beräknar du Chow-testets teststatistika enligt videon, med hjälp av ssr_total (hämtat från den andra övningen) och de beräknade residualerna. Det kritiska F-värdet vid 99 % konfidens är ungefär 5,85. Vilket värde får du för din teststatistika?

Den här övningen är en del av kursen

Kvantitativ riskhantering i Python

Visa kurs

Övningsinstruktioner

  • Lägg till en OLS-interceptterm till mort_del för before och after.
  • Anpassa en OLS-regression av kolumnen returns mot kolumnen mort_del, för before och after.
  • Placera summan av kvadrerade residualer i ssr_before respektive ssr_after, för before och after.
  • Skapa och visa Chow-testets teststatistika.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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 / ____)
Redigera och kör kod