Ανάρτηση Ερευνητικoύ Δοκιμίου no 22/23

Ερευνητικό Δοκίμιο no 22/23 με τίτλο "Block Empirical Likelihood Inference for Stochastic Bounding: Large Deviations Asymptotics Under m-Dependence"
 των Στυλιανού Αρβανίτη και Νικόλαου Τοπάλογλου

Περίληψη

The present note is occupied with the issue of generalized Neyman-Pearson optimality, for a testing procedure for the determination of stochastic bounding, that is based on data blocking and the minimization of the Kullback-Liebler divergence, in a time series context of m-dependence. Optimality is established via an extension of Sanov’s Theorem on empirical measures for blocks of data of temporal dependence that becomes asymptotically negligible at sufficiently fast rates. A large deviation property for the-subsequent to the derivation of the test statistic-BEL estimator, and a corresponding confidence region are also obtained.

Ο Στυλιανός Αρβανίτης είναι Καθηγητής στο τμήμα Οικονομικής Επιστήμης του Οικονομικού Πανεπιστημίου Αθηνών και ο Νικόλαος Τοπάλογλου είναι Καθηγητής στο τμήμα Διεθνών και Ευρωπαϊκών Οικονομικών Σπουδών του Οικονομικού Πανεπιστημίου Αθηνών