Estoy tratando de poner a prueba la hipótesis de un estadístico calculado a partir de la rentabilidad de la cartera. Para ello me estimación de un modelo en el original serie de declaraciones y desea obtener 100 bootstrap serie utilizando bootstrap paramétrico. Estoy en conflicto acerca de los dos enfoques. Pero primero déjeme decir que puedo obtener la nueva devuelve como un medio, más una serie de remuestreada residuos
$r = \mu + \varepsilon$
Así que los dos enfoques estoy pensando en:
- Estimar el modelo utilizando el original se devuelve
- La obtención de una nueva serie de los rendimientos mediante la media y la vuelven a muestrear los residuos del modelo
- Estimar el modelo en la serie de nuevo
- Obtener la nueva serie y así sucesivamente...
En resumen estoy de remuestreo el nuevo vuelve a aparecer cada vez, por lo que estoy obtención de una nueva serie con cada iteración.
- Estimar el modelo en el original se devuelve
- Obtener el 100 nuevo regreso de la serie mediante la media y la vuelven a muestrear los residuos del modelo (cada remuestreada de la serie es diferente, por supuesto)
Me pregunto cuál de los enfoques es un correcto método de bootstrap paramétrico. No estoy incluyendo los detalles de los modelos y de la estadística de prueba para mantener el puesto de simple, ya que sólo el método de obtención de la nueva regreso de la serie es importante aquí.
edit: Para darle un poco más de info. Todo el proceso simplificado se parece a esto: tengo una serie de vueltas, me estimación de un modelo GARCH, crear dos estrategias de asignación de activos en la muestra, calcular una estadística que muestra que la estrategia es mejor. Y ahora quiero saber si el resultado es estadísticamente significativo. Para ello quiero hacer un bootstrap paramétrico mediante el cálculo de la modelo GARCH. Me tome la $\mu$ a partir del modelo y agregar remuestreada estandarizada de residuos para la obtención de $n$ nueva serie de los retornos. En cada una de las bootstrap de la serie una vez estimado el modelo GARCH, una vez más, resolver el problema de asignación de activos (y obtener los diferentes pesos de los activos que en la ejecución inicial), el cálculo de la estadística y de todas las $n$ estadísticas para calcular el final de la p-valor para ver, si el resultado es estadísticamente significativo.
Sólo una pregunta de seguimiento para asegurarse de que: después de haber resuelto la primera asignación de activos problema y se obtuvieron los pesos hago el bootstrap para obtener el $n$ nueva serie de los retornos. ¿Puedo aplicar la misma pesos a los de la serie y ver si una estrategia de asignación de activos supera a la de otros, o no voy a resolver el problema para cada uno de bootstrap de la serie desde cero, por lo tanto la obtención de las diferentes set de pesas cada vez?
edit2: he encontrado un papel que está haciendo algo similar a mi investigación, sin embargo, se utiliza un extraño método de arranque, como en algunos de los pasos que utiliza el original se devuelve y en algunos el bootstrap queridos. La ecuación (1)-(3) que se menciona en el fragmento son los de un GJR-GARCH modelo. Es este enfoque iterativo, de alguna manera similar a la que se describe como el punto 1. correcto, con la toma de las devoluciones original en algunos de los pasos y el nuevo bootstrap de la serie en otros pasos?
