 Nonlinearity and Temporal DependenceXiaohong Chen (xiaohong.chen@yale.edu), Lars Hansen and Marine Carrasco CIRANO Working Papers from CIRANO Abstract: Nonlinearities in the drift and diffusion coefficients influence temporal dependence in scalar diffusion models. We study this link using two notions of temporal dependence: β−mixing and ρ−mixing. Weshow that β−mixing and ρ−mixing with exponential decay are essentially equivalent concepts for scalar diffusions. For stationary diffusions that fail to be ρ−mixing, we show that they are still β−mixing except that the decay rates are slower than exponential. For such processes we find transformations of the Markov states that have finite variances but infinite spectral densities at frequency zero. Some have spectral densities that diverge at frequency zero in a manner similar to that of stochastic processes with long memory. Finally we show how nonlinear, state-dependent, Poisson sampling alters the unconditional distribution as well as the temporal dependence. Les non-linéarités dans les coefficients de mouvement et de diffusion ont une incidence sur la dépendance temporelle dans le cas des modèles de diffusion scalaire. Nous examinons ce lien en recourant à deux notions de dépendance temporelle : mélange β et mélange ρ. Nous démontrons que le mélange β et le mélange ρ avec dégradation exponentielle constituent des concepts fondamentalement équivalents en ce qui a trait aux diffusions scalaires. Pour ce qui est des diffusions stationnaires qui ne se classent pas dans le mélange ρ, nous démontrons qu'elles appartiennent quand même au mélange β, sauf que les taux de dégradation sont lents plutôt qu'exponentiels. Pour ce genre de processus, nous recourons à des transformations des états de Markov dont les variations sont finies, mais dont les densités spectrales sont infinies à la fréquence zéro. Certains états ont des densités spectrales qui divergent à la fréquence zéro de la même façon que dans le cas des processus stochastiques à mémoire longue. En terminant, nous indiquons la façon dont l'échantillonnage de Poisson qui est non linéaire et dépendant de l'état modifie la distribution inconditionnelle et la dépendance temporelle. Keywords: Mixing; Diffusion; Strong dependence; Long memory; Poisson sampling.; mélange; diffusion; forte dépendance; mémoire longue; échantillonnage de Poisson. (search for similar items in EconPapers) Downloads: (external link) Related works: Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text Persistent link: https://EconPapers.repec.org/RePEc:cir:cirwor:2009s-17 Access Statistics for this paper More papers in CIRANO Working Papers from CIRANO Contact information at EDIRC. |
Is your work missing from RePEc? Here is how to contribute.
Questions or problems? Check the EconPapers FAQ or send mail to econpapers@oru.se.
EconPapers is hosted by the
School of Business at Örebro University.