Resumen

Utilizando el método de bootstrap, hemos construido intervalos de predicción no paramétricos para el Valor en Riesgo Condicional para rendimientos que admiten un modelo de ubicación-escala heterocedástico donde las funciones de ubicación y escala son suaves, y la función del término de error es desconocida y se asume no correlacionada con la variable independiente. El intervalo de predicción funciona bien para tamaños de muestra grandes y es relativamente pequeño, lo cual es consistente con lo que se obtiene en la literatura.

• Materias:Metodologías paramétricas Método bootstrap Cuantiles de regresión Estudio longitudinal Gráficos de control
• Subjects:Parametric methodologies Bootstrap method Regression quantiles Longitudinal study Control charts
• Palabras claves:Método de arranque; Intervalos de predicción no paramétricos; Valor en Riesgo Condicional; Modelo de escala y localización heterocedástico; Funciones suaves; Término de error no correlacionado
• Keywords:Bootstrap method; Nonparametric prediction intervals; Conditional Value-at-Risk; Heteroscedastic location-scale model; Smooth functions; Uncorrelated error term