Statistical convergence of Markov experiments to diffusion limits


Konakov, Valentin ; Mammen, Enno ; Woerner, Jeannette



DOI: https://doi.org/10.3150/12-BEJ500
URL: http://arxiv.org/pdf/1201.6307v2.pdf
Dokumenttyp: Zeitschriftenartikel
Erscheinungsjahr: 2014
Titel einer Zeitschrift oder einer Reihe: Bernoulli : Official Journal of the Bernoulli Society for Mathematical Statistics and Probability
Band/Volume: 20
Heft/Issue: 2
Seitenbereich: 623-644
Ort der Veröffentlichung: The Hague
Verlag: International Statistical Inst.
ISSN: 1350-7265
Sprache der Veröffentlichung: Englisch
Einrichtung: Außerfakultäre Einrichtungen > SFB 884
Fachgebiet: 310 Statistik
Abstract: Assume that one observes the kth,2kth,…,nkth value of a Markov chain X1,h,…,Xnk,h. That means we assume that a high frequency Markov chain runs in the background on a very fine time grid but that it is only observed on a coarser grid. This asymptotics reflects a set up occurring in the high frequency statistical analysis for financial data where diffusion approximations are used only for coarser time scales. In this paper, we show that under appropriate conditions the L1-distance between the joint distribution of the Markov chain and the distribution of the discretized diffusion limit converges to zero. The result implies that the LeCam deficiency distance between the statistical Markov experiment and its diffusion limit converges to zero. This result can be applied to Euler approximations for the joint distribution of diffusions observed at points Δ,2Δ,…,nΔ. The joint distribution can be approximated by generating Euler approximations at the points Δk−1,2Δk−1,…,nΔ. Our result implies that under our regularity conditions the Euler approximation is consistent for n→∞ if nk−2→0.




Dieser Eintrag ist Teil der Universitätsbibliographie.




Metadaten-Export


Zitation


+ Suche Autoren in

+ Aufruf-Statistik

Aufrufe im letzten Jahr

Detaillierte Angaben



Sie haben einen Fehler gefunden? Teilen Sie uns Ihren Korrekturwunsch bitte hier mit: E-Mail


Actions (login required)

Eintrag anzeigen Eintrag anzeigen