000000886 001__ 886
000000886 005__ 20250211155737.0
000000886 0247_ $$a10.34989/swp-2001-21$$2DOI
000000886 035__ $$a10.34989/swp-2001-21
000000886 041__ $$aeng
000000886 084__ $$aC Mathematical and Quantitative Methods$$02849
000000886 084__ $$aC1 Econometric and Statistical Methods and Methodology: General$$02853
000000886 084__ $$aC12 Hypothesis Testing: General$$02856
000000886 084__ $$aC15 Statistical Simulation Methods: General$$02859
000000886 084__ $$aE Macroeconomics and Monetary Economics$$03005
000000886 084__ $$aE3 Prices, Business Fluctuations, and Cycles$$03029
000000886 084__ $$aE37 Forecasting and Simulation: Models and Applications$$03033
000000886 245__ $$aA Consistent Bootstrap Test for Conditional Density Functions with Time-Dependent Data
000000886 260__ $$bBank of Canada
000000886 269__ $$a2001
000000886 300__ $$a1 online resource (vi, 38 pages)
000000886 336__ $$aText
000000886 347__ $$bPDF
000000886 520__ $$aThis paper describes a new test for evaluating conditional density functions that remains valid when the data are time-dependent and that is therefore applicable to forecasting problems. We show that the test statistic is asymptotically distributed standard normal under the null hypothesis, and diverges to infinity when the null hypothesis is false. We use a bootstrap algorithm to approximate the distribution of the test statistic in finite samples, and show that the bootstrapped distribution converges to the asymptotic distribution in probability. A Monte Carlo simulation study reveals that the bootstrap test works well and is highly robust to the value of the smoothing parameter in the kernel density estimator. An application to inflation forecasting is also presented to demonstrate the use of the test.$$7Abstract
000000886 520__ $$aLes auteurs décrivent un nouveau test qui permet d'évaluer les densités de probabilité conditionnelles dans le cas de séries temporelles et qui se révèle par conséquent utile pour la prévision. Ils montrent que la statistique du test a pour loi asymptotique une loi normale centrée réduite si l'hypothèse nulle est vraie, mais qu'elle diverge vers l'infini si celle-ci est fausse. Lorsqu'ils se servent d'un algorithme de rééchantillonnage bootstrap pour représenter la distribution de la statistique du test sur de petits échantillons, ils constatent que la distribution ainsi obtenue converge vers la loi asymptotique en probabilité. Une simulation de Monte-Carlo révèle que le niveau et la puissance du test bootstrap sont satisfaisants et qu'ils ne sont pas sensibles à la valeur prise par le paramètre de lissage dans l'estimateur à noyau de la densité. Enfin, les auteurs appliquent leur test à la prévision de l'inflation pour en démontrer l'utilité.$$7Résumé
000000886 540__ $$aCreative Commons Attribution 4.0 International$$uhttps://creativecommons.org/licenses/by/4.0/legalcode$$fCC-BY-4.0
000000886 6531_ $$aEconometric and statistical methods
000000886 6531_ $$aMéthodes économétriques et statistiques
000000886 7001_ $$aLi, Fuchun
000000886 7001_ $$aTkacz, Greg
000000886 789__ $$w1192-5434$$2ISSN$$eIsPartOf
000000886 791__ $$aJournalArticle$$eIsPreviousVersionOf$$iStaff Working Paper is published in peer-reviewed journal$$2DOI$$tA consistent bootstrap test for conditional density functions with time-series data$$w10.1016/j.jeconom.2005.06.016$$c2006$$dJournal of Econometrics (Elsevier)$$j133$$k2$$o863$$q886
000000886 8301_ $$aStaff Working Paper
000000886 8301_ $$aDocument de travail du personnel
000000886 8564_ $$uhttps://www.oar-rao.bank-banque-canada.ca/record/886/files/wp01-21.pdf$$991aa8fbf-b87e-4956-b5ad-f68283ba5573$$s240838$$zFile Source: Bank of Canada website, 2024
000000886 909CO $$ooai:www.oar-rao.bank-banque-canada.ca:886$$pbibliographic
000000886 980__ $$aStaff Research
000000886 980__ $$aRDM
000000886 991__ $$aPublic