Transition Periods and Long Memory Property

Abstract

V této diplomové práci zkoumáme vztah mezi výskytem strukturálních změn během daného časového období a odhadem parametru dlouhé paměti. Na základě procesů s přesně danými parametry simulujeme data a uměle upravujeme jejich střední hodnotu. Následně analyzujeme, jak se liší odhad parametru frakční integrace od jeho skutečné hodnoty. Zjistili jsme, že tento odhad je více nadhodnocený, pokud jsou strukturální změny seskupeny v čase. Tato chyba je ještě větší v případě, kdy jsou znaménka těchto strukturálních změn kladně korelovaná. Naopak záporná korelace nadhodnocení snižuje. Naše zjištění umožňují posílení odolnosti odhadu parametru frakční integrace vůči přítomnosti strukturálních změn. Powered by TCPDF (www.tcpdf.org)

This thesis examines the relationship between the distribution of structural breaks within a data sample and the estimated parameter of long memory. We use Monte Carlo simulations to generate data from processes with specific values of parameters. Subsequently we join the data with various shifts to mean and examine how the estimates of the parameters vary from their true values. We have discovered that the overestimate of the long memory parameter is higher when the breaks are clustered together. It further increases when the signs of the shifts are positively correlated within the clusters while negative correlation reduces the bias. Our findings enable the improvement of robustness of estimators against the presence structural breaks. Powered by TCPDF (www.tcpdf.org)