This thesis, consisting of three papers and a summary, studies topics in the theory of stochastic processes related to long-range dependence. Much recent interest in such probabilistic models has its origin in measurements of Internet traffic data, where typical characteristics of long memory have been observed. As a macroscopic feature, long-range dependence can be mathematically studied using certain scaling limit theorems. Using such limit results, two different scaling regimes for Internet traffic models have been identified earlier. In one of these regimes traffic at large scales can be approximated by long-range dependent Gaussian or stable processes, while in the other regime the rescaled traffic fluctuates according to stable ``memoryless'' processes with independent increments. In Paper I a similar limit result is proved for a third scaling scheme, emerging as an intermediate case of the other two. The limit process here turns out to be a non-Gaussian and non-stable process with long-range dependence. In Paper II we derive a representation for the latter limit process as a stochastic integral of a deterministic function with respect to a certain compensated Poisson random measure. This representation enables us to study some further properties of the process. In particular, we prove that the process at small scales behaves like a Gaussian process with long-range dependence, while at large scales it is close to a stable process with independent increments. Hence, the process can be regarded as a link between these two processes of completely different nature. In Paper III we construct a class of processes locally behaving as Gaussian and globally as stable processes and including the limit process obtained in Paper I. These processes can be chosen to be long-range dependent and are potentially suitable as models in applications with distinct local and global behaviour. They are defined using stochastic integrals with respect to the same compensated Poisson random measure as used in Paper II.

No description available.

O principal objetivo deste estudo é descrever modelos para séries temporais de ativos financeiros que sejam robustos às tradicionais hipóteses: distribuição gaussiana e continuidade. O primeiro capítulo está preocupado em apresentar, de uma maneira geral, os conceitos matemáticos mais importantes relacionadas a processos estocásticos e difusões. O segundo capítulo trata de processos de incrementos independentes e estacionários, i.e., processos de Lévy, suas trajetórias estocásticas, propriedades distribucionais e, a relação entre processos markovianos e martingales. Alguns dos resultados apresentados neste capítulo são: a estrutura e as propriedades dos processos compostos de Poisson, medida de Lévy, decomposição de Lévy-Itô e representação de Lévy-Khinchin. O terceiro capítulo mostra como construir processos de Lévy por meio de transformações lineares, inclinação da medida de Lévy e subordina ção. Uma atenção especial é dada aos processos subordinados, tais como os modelos variância gama, normal gaussiana invertida e hiperbólico generalizado. Neste capítulo também é apresentado um exemplo pragmático com dados brasileiros de estimação de parâmetros por meio do método de máxima Verossimilhança. O quarto capítulo é devotado aos modelos multidimensionais e, introduz os conceito de cópula ordinária e de Lévy. Mostra-se que é possível caracterizar a dependência entre os componentes de um processo de Lévy multidimensional por meio da cópula de Lévy. Entre os resultados apresentados estão as generalizações do teorema de Sklar e a família de cópulas de Arquimedes aos processos de Lévy. Este capítulo também apresenta alguns exemplos que utilizam métodos de Monte Carlo, para simular processos de Lévy bidimensionais. / The main objective of this study is to describe models for financial assets time series that are robust to the traditional hypothesis: gaussian distributed and continuity. The first chapter are devoted to introduce the most important mathematical tools related to difusions and stochastic processes in general. The second chapter is concerned in the study of independent and stationary increments, i.e., Lévy processes, their sample paths behavior, distributional properties, and the relation to Markov and martingales processes. Some of the results presented are the structure and properties of a compound Poisson processes, Lévy measure, Lévy-Itô decomposition and Lévy-Khinchin representation. The third chapter demonstrates how to construct Lévy processes via linear transformation, tempering the Lévy measure and subordination. A special attention is given to several types of subordinated processes, comprising the variance gamma, the normal inverse gaussian and the generalized hyperbolic models. A pragmatic example of parameter estimation for brazilian data using the method of maximum likelihood is also given. Chapter four is devoted to multidimensional models, which introduces the notion of ordinary and Lévy copulas. It is shown that modelling via Lévy copula it is possible to characterize the dependence among components of multidimensional Lévy processes. Some of the results presented are generalizations of the Sklar’s theorem and the Archmedian family of copulas for Lévy processes. This chapter also presents some examples using Monte Carlo methods for simulating bidimensional Lévy processes.

No description available.

O principal objetivo deste estudo é descrever modelos para séries temporais de ativos financeiros que sejam robustos às tradicionais hipóteses: distribuição gaussiana e continuidade. O primeiro capítulo está preocupado em apresentar, de uma maneira geral, os conceitos matemáticos mais importantes relacionadas a processos estocásticos e difusões. O segundo capítulo trata de processos de incrementos independentes e estacionários, i.e., processos de Lévy, suas trajetórias estocásticas, propriedades distribucionais e, a relação entre processos markovianos e martingales. Alguns dos resultados apresentados neste capítulo são: a estrutura e as propriedades dos processos compostos de Poisson, medida de Lévy, decomposição de Lévy-Itô e representação de Lévy-Khinchin. O terceiro capítulo mostra como construir processos de Lévy por meio de transformações lineares, inclinação da medida de Lévy e subordina ção. Uma atenção especial é dada aos processos subordinados, tais como os modelos variância gama, normal gaussiana invertida e hiperbólico generalizado. Neste capítulo também é apresentado um exemplo pragmático com dados brasileiros de estimação de parâmetros por meio do método de máxima Verossimilhança. O quarto capítulo é devotado aos modelos multidimensionais e, introduz os conceito de cópula ordinária e de Lévy. Mostra-se que é possível caracterizar a dependência entre os componentes de um processo de Lévy multidimensional por meio da cópula de Lévy. Entre os resultados apresentados estão as generalizações do teorema de Sklar e a família de cópulas de Arquimedes aos processos de Lévy. Este capítulo também apresenta alguns exemplos que utilizam métodos de Monte Carlo, para simular processos de Lévy bidimensionais. / The main objective of this study is to describe models for financial assets time series that are robust to the traditional hypothesis: gaussian distributed and continuity. The first chapter are devoted to introduce the most important mathematical tools related to difusions and stochastic processes in general. The second chapter is concerned in the study of independent and stationary increments, i.e., Lévy processes, their sample paths behavior, distributional properties, and the relation to Markov and martingales processes. Some of the results presented are the structure and properties of a compound Poisson processes, Lévy measure, Lévy-Itô decomposition and Lévy-Khinchin representation. The third chapter demonstrates how to construct Lévy processes via linear transformation, tempering the Lévy measure and subordination. A special attention is given to several types of subordinated processes, comprising the variance gamma, the normal inverse gaussian and the generalized hyperbolic models. A pragmatic example of parameter estimation for brazilian data using the method of maximum likelihood is also given. Chapter four is devoted to multidimensional models, which introduces the notion of ordinary and Lévy copulas. It is shown that modelling via Lévy copula it is possible to characterize the dependence among components of multidimensional Lévy processes. Some of the results presented are generalizations of the Sklar’s theorem and the Archmedian family of copulas for Lévy processes. This chapter also presents some examples using Monte Carlo methods for simulating bidimensional Lévy processes.