Long Memory Through Marginalization of Large Systems and Hidden Cross-Section Dependence

Abstract : This paper shows that large dimensional vector autoregressive (VAR) models of fi nite order can generate long memory in the marginalized univariate series. We derive high-level assumptions under which the fi nal equation representation of a VAR(1) leads to univariate fractional white noises and verify the validity of these assumptions for two speci fic models. We consider the implications of our findings for the variances of asset returns where the so-called golden-rule of realized variances states that they tend always to exhibit fractional integration of a degree close to 0:4.
Type de document :
Pré-publication, Document de travail
ESSEC Working paper. Document de Recherche ESSEC / Centre de recherche de l’ESSEC. ISSN : 1291-9616. WP 1507. 2015
Liste complète des métadonnées

Littérature citée [46 références]  Voir  Masquer  Télécharger

https://hal-essec.archives-ouvertes.fr/hal-01158524
Contributeur : Michel Demoura <>
Soumis le : lundi 1 juin 2015 - 14:02:27
Dernière modification le : mercredi 25 avril 2018 - 10:45:26
Document(s) archivé(s) le : lundi 24 avril 2017 - 21:09:02

Fichier

WP1507.pdf
Fichiers éditeurs autorisés sur une archive ouverte

Identifiants

  • HAL Id : hal-01158524, version 1

Citation

Guillaume Chevillon, Alain Hecq, Sébastien Laurent. Long Memory Through Marginalization of Large Systems and Hidden Cross-Section Dependence. ESSEC Working paper. Document de Recherche ESSEC / Centre de recherche de l’ESSEC. ISSN : 1291-9616. WP 1507. 2015. 〈hal-01158524〉

Partager

Métriques

Consultations de la notice

213

Téléchargements de fichiers

685