Results found: 2

Search results

Search:
in the keywords: power of the test

Sort By:

Limit search:

Remarks on Quantiles of Statistical Distributions of Multivariate Normality Tests Based on Moments

100%

Domański C., Wojek I., Chair of Statistical Methods U. o. Ł.

Acta Universitatis Lodziensis. Folia Oeconomica

2009

vol. 228

W literaturze przedmiotu możemy spotkać wiele testów wielowymiarowej normalności i zasad konstrukcji statystyk testowych. Powstają więc pytania, które z nich są najlepsze w sensie mocy. W artykule tym przedstawione zostaną miary skośności i spłaszczenia dla rozkładów wielowymiarowych opracowane przez Mardię (1970). Celem artykułu jest weryfikacja mocy testów przy istniejących rozkładach statystyk na podstawie eksperymentu symulującego metodę Monte Carlo dla n = 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120; p = 2, 3, 4, 5. Dla testów, które nie utrzymują wymaganego rozmiaru zaproponowane zostaną kwantyle empiryczne, uzyskane metodą Monte Carlo.

In the literature of the subject we can find a number of tests of the multivariate normality and rules for construction of their test statistics. A question arises here „Which test is the best in the sense of power?”. The paper presents two categories of test statistics based on multivariate skewness and kurtosis coefficients worked out by Mardia and by Jarque and Bera, and six tests of multivariate normality based on these measures. The aim of the paper is to verify the power of the tests at existing statistical distributions by applying the simulation-based Monte Carlo method for n = 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120; p = 2, 3, 4, 5. For tests which do not hold the required size we propose empirical quantiles, also obtained by Monte Carlo method.

Experimental Design in Evaluating VaR Forecasts

84%

Małecka M., University of Lodz D. o. S. M.

Acta Universitatis Lodziensis. Folia Oeconomica

2013

vol. 286

Following a dynamic development of VaR estimation methods from 90s, in recent literature much attention has been paid to testing procedures designed to evaluate quality of VaR models. There has been a wide-ranging discussion on both – statistical properties and empirical application of the two most popular tests, which are Kupiec test from 1995 that considers the ratio of VaR exceedances and Christoffersen autocorrelation test from 1998. We focused on autocorrelation property and compared Christoffersen test to Ljung Box test of 1978 and to the proposition of Engle and Mangianelli from 2004. The goal of the paper was to explore the design of experiments in the context of evaluating power of autocorrelation tests. We presented and contrasted simulation experiments proposed in the literature, indicated their design influence on the results and proposed a new scheme for power evaluating in autocorrelation tests.

W ślad za dynamicznym rozwojem metod estymacji VaR, począwszy od lat dziewięćdziesiątych ubiegłego wieku, w literaturze pojawiła się obszerna dyskusja dotycząca możliwości testowania statystycznego w kontekście oceny modeli VaR. Z jednej strony powstało wiele prac odnoszących się do własności statystycznych dwóch najpopularniejszych testów – testu Kupca z 1995 roku, który bada udział przekroczeń VaR w szeregu i testu autokorelacji przekroczeń VaR Christoffersena z 1998 roku. Z drugiej strony istnieje bogata literatura dotycząca zastosowań rozważanych testów do empirycznych szeregów czasowych. W niniejszej pracy skoncentrowano się na analizie własności testów autokorelacji i porównano test Christoffersena do testów Ljunga Boxa z 1978 roku i testu Engla i Mangianelli’ego z 2004. Celem pracy było przedstawienie przeglądu eksperymentów symulacyjnych wykorzystywanych do badania mocy testów autokorelacji przekroczeń VaR w odniesieniu do założeń metody Monte Carlo oraz zaprezentowanie własnej propozycji eksperymentu.

Refine search results

2 Acta Universitatis Lodziensis. Folia Oeconomica

1 Chair of Statistical Methods U. o. Ł.

1 Domański C.

1 Małecka M.

1 University of Lodz D. o. S. M.

1 Wojek I.

1 2013

1 2009

Search results

Remarks on Quantiles of Statistical Distributions of Multivariate Normality Tests Based on Moments

Experimental Design in Evaluating VaR Forecasts