SciELO - Scientific Electronic Library Online

 
vol.40 número2Caracterización y clasificación de germoplasma mexicano de cacahuate (Arachis hypogaea L.)Repelencia alimenticia de extractos de éter etílico de nim (Azadirachta indica) en arroz palay, para el control del tordo ojirrojo (Molothrus aeneus) índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • No hay artículos similaresSimilares en SciELO

Compartir


Agrociencia

versión On-line ISSN 2521-9766versión impresa ISSN 1405-3195

Agrociencia vol.40 no.2 México mar./abr. 2006

 

Matemáticas Aplicadas, Estadística y Computación

Pruebas de bondad de ajuste para el movimiento browniano

José A. Villaseñor-Alva1 

Elizabeth González-Estrada1 

1Estadística. Campus Montecillo. Colegio de Postgraduados. 56230. Montecillo, Estado de México. (jvillasr@colpos.mx)


Resumen

En el análisis de series de datos financieros que ocurren en el tiempo, es importante verificar la suposición de que los datos pueden modelarse por un proceso de movimiento Browniano con el propósito de calcular el precio de instrumentos financieros de riesgo, llamados derivados. Con base en las propiedades del proceso Browniano, se proponen tres pruebas de bondad de ajuste del tipo unión-intersección. Se realizó un estudio de simulación de Monte Carlo para comparar las potencias de las pruebas para algunas hipótesis alternativas dadas de procesos no Brownianos, y diferentes tamaños de series de datos. Los resultados obtenidos muestran que, en general, las tres pruebas propuestas preservan el tamaño fijado; la prueba basada en la combinación de rachas, Shapiro-Wilk y t resultó ser en general la más potente respecto a las alternativas estudiadas y para casi todos los tamaños de series de datos considerados. Se hicieron aplicaciones a conjuntos de datos financieros.

Palabras clave: Aleatoriedad; datos financieros; procesos Gaussianos; pruebas estadísticas

Abstract

In time series analyses of financial data it is important to verify the assumption that the data can be modeled by a Brownian movement process to calculate the price of the risky financial instruments called derivatives. Based on the properties of the Brownian process, three union-intersection-type goodnessof-fit tests are proposed. A Monte-Carlo simulation study was conducted to compare the power of the tests for some given alternative hypotheses of non-Brownian processes and different sizes of data series. The findings show that, in general, the three proposed tests preserve the assigned size; the test based on a combination of runs, Shapiro-Wilk and t, showed to be, in general, the most powerful against the studied alternatives and for almost all the data series sizes considered. Applications were performed on financial data sets.

Key words: randomness; financial data; Gaussian processes; statistical tests

Texto completo disponible sólo en PDF.

LITERATURA CITADA

Baltagi, B. H. 2001. A Companion to Theoretical Econometrics. Blackwell Publisher, Oxford, UK. 709 p. [ Links ]

Bera, A. K., and C. M. Jarque. 1982. Model specification tests: a simultaneous approach. Journal of Econometrics 20: 59-82. [ Links ]

Brockwell, P. J., and R. A. Davis. 1996. Introduction to Time Series Analysis and Forecasting. Springer-Verlag, New York. 420 p. [ Links ]

Campbell, J. Y., Lo, A. W., and A. C. Mackinlay. 1997. The Econometrics of Financial Markets. Princeton University Press. USA. [ Links ]

Casella, G., and R. L. Berger. 1990. Statistical Inference. Brooks/Cole, USA. [ Links ]

Conover, W. J. 1999. Practical Nonparametric Statistics. 3rd ed. J. Wiley and Sons Inc, New York. 584 p. [ Links ]

Dickey, D. A., and W. A. Fuller. 1981. Likelihood ratio statistics for autoregressive time series with a unit root. Econometrica 49: 1057-1072. [ Links ]

Elliot, G. 1999. Efficient tests for a unit root when the initial observation is drawn from its unconditional distribution. Int. Econ. Rev. 40 (3): 767-783. [ Links ]

Elliot, G., and M. Janssonb. 2003. Testing for unit roots with stationary covariates. J. Econometrics. 115: 75-89. [ Links ]

Elliot, G., T. Rothenberg, and J. Stock. 1996. Efficient tests for an autorregresive unit root. Econometrica: 64 (4): 813-836. [ Links ]

Gouriéroux, Ch. 1997. ARCH Models and Financial Applications. Springer-Verlag, New York, Inc. [ Links ]

Hall, A. 1994. Testing for a unit root in time series with pretest databased model selection. J. Bus. and Econ. Stat. 12: 461-470. [ Links ]

Jarque, C. M., and A. K. Bera. 1980. Efficient test for normality, heteroscedasticity and serial independence of regression residuals. Economics Letters 11: 123-127. [ Links ]

Jarque, C. M., and A. K. Bera. 1987. A test for normality of observations and regression residuals. International Statistical Review 55: 163-172. [ Links ]

Lehmann, E. L. 1997. Testing Statistical Hypotheses. 2nd Ed. Springer-Verlag, New York. 600 p. [ Links ]

Leyburne, S. J., and B. P. M. McCabe. 1994. A consistent test for a unit root. J. Bus. and Econ. Stat. 12(2): 157-166. [ Links ]

Lumsdaine, R. L., and D. H. Papell. 1997. Multiple trend breaks and the unit-root hypothesis. Rev. Econ. & Stat. 79(2): 212-218. [ Links ]

Ng, S., and P. Perron. 1995. Unit root tests in ARMA models with data-dependent methods for the selection of the truncation lag. JASA. 90: 268-281. [ Links ]

Nguyen, T. T., and K. T. Dinh. 2003. Characterizations of normal distributions and EDF goodness-of-fit tests. Metrika 58: 149-157. [ Links ]

Ross, S. M. 1996. Stochastic Processes. 2nd Ed. John Wiley & Sons, Inc. 510 p. [ Links ]

Ross, S. M. 1999. An Introduction to Mathematical Finance: Options and Other Topics. Cambridge University Press, USA. 184 p. [ Links ]

Royston, P. 1992. Approximating the Shapiro-Wilk W-test for non normality. Statistics and Computing 2: 117-119. [ Links ]

Seier, E. 2002. Comparison of tests for univariate normality. InterStat: 1. [ Links ]

Shapiro, S. S., and M. B. Wilk. 1965. An analysis of variance test for normality. Biometrika 52: 591-611. [ Links ]

Taylor, S. 1986. Modelling Financial Time Series. John Wiley and Sons, Chichester. 268 p. [ Links ]

Thode Jr., H. C. 2002. Testing for Normality. Marcel Dekker, New York. 368 p. [ Links ]

Recibido: Noviembre de 2003; Aprobado: Diciembre de 2005

Creative Commons License Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons