Rápido y sucio - mis pensamientos sobre esto. Esto podría dar algo para ir, aunque no sé yo si es útil. Todos los supuestos de costumbre
$$x_i=\rho x_{i-1} + \epsilon_t \\
y_i=x^2\\
y_i=(\rho x_{i-1} + \epsilon_t)^2\\
y_i=\rho^2 x_{i-1}^2 + 2\rho x_{i-1} \epsilon_t + \epsilon_t ^ 2\\
y_i=\rho^2 x_{i-1}^2 + 2\rho x_{i-1} \epsilon_t + \delta\\
E[\delta] = E[\epsilon_t^2] = \sigma^2 $$
Bueno por lo que luego de llegar para algunos estimador que uncorrectly suponiendo AR(1) sin incluir el cuadrática cosa
$$y_i^*=\phi^*y_{i-1}\\
\delta^* = y_i-y_i^*\\
E[\delta^*]=E[ y_i-y_i^*]=E[\phi x_{i-1}^2 + 2\rho x_{i-1} \epsilon_t + \delta \phi^*y_{i-1}]\\
= (\phi-E[\phi^*]) y_{i-1} + \sigma^2 $$
Así, suponiendo que el estimador es de alguna manera imparcial tenemos $E[\delta^*] = \sigma^2$
$$Cov[\delta^*_t, \delta^*_{t-1}] = E[(\delta^*_t-E[\delta^*_t])(\delta^*_{t-1}-E[\delta^*_{t-1}])]\\
= E[(\delta^*_t-\sigma^2)(\delta^*_{t-1}-\sigma^2)] \\
= E[\delta^*_t \delta^*_{t-1} - \sigma^2 \delta^*_{t-1} - \sigma^2 \delta^*_{t} + \sigma^4]\\
= E[\delta^*_t \delta^*_{t-1}] = \sigma^4$$
Puedo ver de dónde viene, pero tal vez es demasiado pequeño de un número? 0,55^4 es de alrededor de 0,09. ¿Cuál es el resultado de una mucho más grande simulado desviación estándar?
Tal vez esto también se rompe debido a que el estimador no es más imparcial. Voy a seguir este por la sesgada caso más tarde, pero tal vez usted puede ir con esto y comprobar mis pensamientos es probable que exista algún tipo de error en allí.