摘要：Tanto las descomposiciones en componentes permanentes-transitorias de las series de tiempo como el análisis de las propiedades como tales de las variables económicas en las frecuencias del ciclo económico (business cycle) dependen fuertemente de la detección correcta del número de tendencias estocásticas comunes (cointegración). Las técnicas estándar para la determinación del número de tendencias comunes, como, por ejemplo, el conocido procedimiento secuencial propuesto en Johansen (1996), se basan en la hipótesis de que los shocks son homoscedásticos. Esto contradice la evidencia empírica que demuestra que muchas de las variables financieras y macroeconómicas más importantes se mueven por shocks heteroscedásticos. En un artículo reciente, Cavaliere y otros autores (2010, Econometric Theory) demuestran que el estadístico LR de la traza para el rango de la cointegración y sus análogos (tanto los i.i.d. como los ¿wild¿ bootstrap) son válidos asintóticamente en sistemas no estacionarios dirigidos por innovaciones heteroscedásticas (diferencia de martingalas) y que, además, ¿wild bootstrap¿ funciona sustancialmente mejor que los otros dos contrastes en muestras finitas. En este artículo, basándonos en esta prueba, analizaremos el comportamiento de procedimientos secuenciales para determinar, sobre la base de esos test, el número de tendencias estocásticas comunes presentes. La evidencia numérica sugiere que el procedimiento basado en los test "wild bootstrap" funciona mejor para pequeñas muestras y bajo una variedad de procesos de innovaciones heteroscedásticas.
其他摘要：Permanent-transitory decompositions and the analysis of the time series properties of economic variables at the business cycle frequencies strongly rely on the correct detection of the number of common stochastic trends (co-integration). Standard techniques for the determination of the number of common trends, such as the well-known sequential procedure proposed in Johansen (1996), are based on the assumption that shocks are homoskedastic. This contrasts with empirical evidence which documents that many of the key macro-economic and financial variables are driven by heteroskedasticshocks. In a recent paper, Cavaliere et al., (2010, Econometric Theory) demonstrate that Johansen's (LR) trace statistic for co-integration rank and both its i.i.d. and wild bootstrap analogues are asymptotically valid in non-stationary systems driven by heteroskedastic (martingale difference) innovations, but that the wild bootstrap performs substantially better than the other two tests in finite samples. In this paper we analyse the behaviour of sequential procedures to determine the number of common stochastic trends present based on these tests. Numerical evidence suggests that the procedure based on the wild bootstrap tests performs best in small samples under a variety of heteroskedastic innovation processes.
关键词：Co-Integration; Maximum Eigenvalue Rank Tests; Conditional Heteroskedasticity; I;I;D; Bootstrap; Wild Bootstrap;Cointegración; test de rango de máximo autovalor; heteroscedasticidad condicional; i;i;d; bootstrap; wild bootstrap
