Contrastes no paramétricos de bondad de ajuste con parámetros estimadosaplicaciones en economía y finanzas

Resumen

Esta tesis contribuye a la literatura sobre contraste de bondad de ajuste en regresión, Se estructura en cuatro capítulos. En el primer capítulo, se derivan resultados teóricos sobre cómo realizar contrastes de especificación no parámetricos sobre la distribución de los errores de un modelo de regresión lineal cuando la distribución subyacente es conocida excepto por un vector s-dimensional de parámetros desconocidos. Los resultados teóricos que se obtienen en el primer capítulo se particularizan al caso de la distribución t-Student. En el segundo capítulo se describe la implementación bootstrap este tipo de contrastes cuando existe estructura dinámica en la medida y bajo la presencia de heterocedasticidad condicional de los errores del modelo de regresión. En particular, estamos interesados en contrastar diversas especificaciones de la función de distribución condicional de rentabilidad diarias de acciones porque son muchos los estudios en los que se ha puesto de manifiesto que la hipótesis de normalidad no puede admitirse cuando se modelizan este tipo de variables. El objetivo del tercer capítulo consiste en mejorar la potencia de los estadísticos de contraste utilizados en la práctica para contrastar la existencia de rentabilidades diarias anormales diarias en el día del suceso cuando la muestra analizada está formada por pocas acciones, realizando previamente un contraste de especificación de la distribución de dichos estadísticos. En el cuarto capítulo, desarrollamos inferencia estadística con medidas de pobreza descomponibles y sensibles a la distribución del ingreso entre los pobres, utilizando la estimación de la distribución subyacente de la renta. En particular, se diseña un procedimiento bootstrap para comparar niveles de pobreza, utilizando varias medidas de pobreza y varias líneas de pobreza relativas y se dispone de muestras que son suficientemente grandes.