Ajuste recursivo con transformaciones invariantes y bootstrapping: El caso de una caminata aleatoria con intercepto
Usamos simulaciones de Monte Carlo para estudiar el desempeño de la prueba de raíz unitaria de Shin-So (DFSS) bajo los enfoques de transformaciones invariantes y el bootstrapping. Si la hipótesis alternativa es un proceso estacionario alrededor de una tendencia lineal, entonces la prueba bootstrap p...
| Autores: | , |
|---|---|
| Tipo de recurso: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2010 |
| País: | México |
| Institución: | Universidad Autónoma Metropolitana |
| Repositorio: | Redalyc-UAM |
| OAI Identifier: | oai:redalyc.org:125015197004 |
| Acceso en línea: | https://www.redalyc.org/articulo.oa?id=125015197004 |
| Access Level: | acceso abierto |
| Palabra clave: | Economía y Finanzas estadístico DF método bootstrap parámetrico Ajuste de tendencia recursivo |
| Sumario: | Usamos simulaciones de Monte Carlo para estudiar el desempeño de la prueba de raíz unitaria de Shin-So (DFSS) bajo los enfoques de transformaciones invariantes y el bootstrapping. Si la hipótesis alternativa es un proceso estacionario alrededor de una tendencia lineal, entonces la prueba bootstrap paramétrica es la mejor en términos de la potencia estadística. Sin embargo, si transformamos las observaciones para construir una prueba invariante, entonces la prueba DFSS es la mejor. Por consiguiente, la recomendación es usar transformaciones invariantes de la prueba de raíz unitaria de Shin-So debido a que su ejecución es directa y de menor coste. |
|---|