Description
Abstract: We propose double bootstrap methods to test the mean-variance efficiency hypothesis when multiple portfolio groupings of the test assets are considered jointly rather than individually. A direct test of the joint null hypothesis may not be possible with standard methods when the total number of test assets grows large relative to the number of available time-series observations, since the estimate of the disturbance covariance matrix eventually becomes singular. The suggested residual bootstrap procedures based on combining the individual group p-values avoid this problem while controlling the overall significance level. Simulation and empirical results illustrate the usefulness of the joint mean-variance efficiency tests.
Résumé: Nous proposons des méthodes de bootstrap double pour tester l’hypothèse d’efficience moyenne-variance lorsque plusieurs groupes de portefeuilles d’actifs à tester sont examinés conjointement plutôt qu’individuellement. Il ne sera peut-être pas possible de tester directement l’hypothèse nulle conjointe au moyen de méthodes conventionnelles à partir du moment où il y a un nombre élevé d’actifs à tester par rapport au nombre de séries chronologiques disponibles, étant donné que l’estimation de la matrice de covariance des perturbations en vient ultimement à être singulière. Les procédures de bootstrap résiduel proposées, qui reposent sur la combinaison des différentes valeurs p des groupes individuels, permettent d’éviter ce problème tout en contrôlant le niveau de signification global. La simulation et les résultats empiriques mettent en lumière l’utilité des tests conjoints de l’hypothèse d’efficience moyenne-variance.
Résumé: Nous proposons des méthodes de bootstrap double pour tester l’hypothèse d’efficience moyenne-variance lorsque plusieurs groupes de portefeuilles d’actifs à tester sont examinés conjointement plutôt qu’individuellement. Il ne sera peut-être pas possible de tester directement l’hypothèse nulle conjointe au moyen de méthodes conventionnelles à partir du moment où il y a un nombre élevé d’actifs à tester par rapport au nombre de séries chronologiques disponibles, étant donné que l’estimation de la matrice de covariance des perturbations en vient ultimement à être singulière. Les procédures de bootstrap résiduel proposées, qui reposent sur la combinaison des différentes valeurs p des groupes individuels, permettent d’éviter ce problème tout en contrôlant le niveau de signification global. La simulation et les résultats empiriques mettent en lumière l’utilité des tests conjoints de l’hypothèse d’efficience moyenne-variance.