Estimation du paramètre de longue mémoire de séries temporelles dans le cas non linéaire.

Marianne Clausel (Université Paris 12)
vendredi 2 avril 2010

Résumé : On considère une série temporelle à mémoire longue de la forme G(X)X est une série temporelle gaussienne. En utilisant la décomposition en chaos de Wiener du processus, nous étudions le comportement des coefficients d’ondelettes aux grandes échelles ainsi que des estimateurs de leur variance, ce qui, par suite, détermine le comportement des estimateurs du paramètre de longue mémoire dans un contexte semi-paramétrique. Nous montrons notamment que di-fférents comportements peuvent se produire selon le rang de Hermite de la fonction Hermite G considérée mais aussi suivant les coefficients de G dans sa décomposition en série de Hermite. Nous illustrons ces différents comportements par des exemples montrant que suivant les cas le comportement asymptotique de l’estimateur peut être assez proche ou non de ce qui est connu dans le cas gaussien.

Travail en collaboration avec F. Roueff- (Telecom Paris Tech), C. Tudor (Lille 1) et M. S. Taqqu (Boston University).


Cet exposé se tiendra à 11h00 en salle C20-13, 20ème étage, Université Paris 1, Centre Pierre Mendes-France, 90 rue de Tolbiac, 75013 Paris (métro : Olympiades).


Agenda

<<

2017

>>

<<

Avril

>>

Aujourd'hui

LuMaMeJeVeSaDi
272829303112
3456789
10111213141516
17181920212223
24252627282930

Annonces

ESANN 2016 : European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning


STATLEARN 2016


ICOR 2016