$\widetilde{\rho}$混合序列的矩不等式与完全收敛性

给出一类较广泛的$\widetilde{\rho}$ 混合序列的矩不等式. 讨论了$\widetilde{\rho}$ 混合序列的完全收敛性, 所得的结果改进了相关文献中的结果,并得到了完全收敛速度与矩条件之间的等价关系.     

WOD随机变量序列的完全收敛性

应用WOD随机变量序列部分和最大值的Rosenthal型矩不等式,结合三段截尾法,研究了WOD随机变量序列部分和最大值的完全收敛性,所得定理将已有文献的结果推广至部分和最大值的情形。     

基于跳跃、好坏波动率和马尔科夫状态转换的高频波动率模型预测

基于跳跃、好坏波动率的视角,采用比ABD检测更稳健的ADS检测法进行甄别跳跃,提出HAR改进模型,进一步考虑到实际波动率的非线性和高持续性动态,文章引入马尔科夫状态转换机制以构建对应的MRS-HAR族模型,推导其参数估计方法,并运用滚动时间窗预测技术和MCS检验评估预测模型结果,并采取不同的窗口期进行稳健性检验.以上海期货交易所的黄金连续(AU0)期货合约为研究对象,实证研究表明:结合马尔科夫状态转换机制,跳跃波动在上涨行情时会抑制未来波动性;结合马尔科夫状态转换机制,好坏波动率在上涨行情时正负冲击相对平衡,而在下跌行情时好(坏)波动率抑制(加剧)未来波动性;MCS检验证实,结合马尔科夫状态转换的MRS-HAR族模型相比于HAR族模型具有更优的预测精度,进一步考虑由ADS检测修正的好坏波动率和符号跳跃能够改善波动率模型的预测能力,其中基于符号跳跃和马尔科夫状态转换的MRS-HAR-RV-SJ模型展现了最高的预测精度.     

两两NQD随机序列线性过程的几乎处处收敛性

本文获得了两两NQD随机序列线性过程的强大数律.     

ρ-混合序列的重对数律

设{Xn,n≥1}是同分布ρ-混合序列,其分布属于特征指数为α(0<α<2) 的非退化稳定分布的正则吸引场,证明了依概率1有lira supn→∞ = e1/α,并获得了一系列等价条件．此结果的获得不仅将已有的一些结果推广至ρ-混合序列的情形,并且将其结果作了一定的改进．     

ρ——混合随机场的完全收敛性

讨论了ρ^--_混合随机场的部分和完全收敛性，在一些适当的条件下，获得了较为一般的ρ^--混合随机场的部分和完全收敛性定理，并得到了完全收敛速度与矩条之间的等价关系，所得结果推广了ρ^*-混合随机场和负相伴序列的相应结果，且将Hsu—Robbins型定理推广到ρ^--混合随机场的情形，定理的证明基于Rosenthal型最大值不等式、Rosenthal型不等式、几个引理及缓变函数的性质。     

WOD随机变量序列的完全收敛性

应用WOD随机变量序列部分和最大值的Rosenthal型矩不等式,结合三段截尾法,研究了WOD随机变量序列部分和最大值的完全收敛性,所得定理将已有文献的结果推广至部分和最大值的情形。     

加权和线性过程的渐近正态性

本文建立了α-混合序列情形的加权和平稳线性过程的渐近正态性.获得的结论基于最少的权条件.所得结论将Abadir等[Econometric Theory,2014,30(1):252-284]中的结论推广至α-混合序列情形.     

一类独立随机场的强定律的收敛率

§ 1　IntroductionDefinition1 .[1 ] A field{ Xi,i∈Nd} is called negatively associated(NA) if for every pair ofdisjoint subsets T1 ,T2 of Nd,Cov(f1 (Xi,i∈ T1 ) ,f2 (Xj,j∈ T2 ) )≤ 0 ,whenever f1 and f2 are coordinatewise increasing.Definition2 .[1 ] A field{ Xi,i∈Nd} is calledρ* -mixing ifρ* (s) =sup{ (ρ(S,T) ;S,T N,dist(S,T)≥ s}→ 0 (s→∞ ) ,whereρ(S,T) =sup{ |E(f -Ef) (g -Eg) |/‖ f -Ef‖2 ‖ g -Eg‖2 ,f∈ L2 (σ(S) ) ,g∈ L2 (σ(T) ) } .Definition 3.[1 ] A field { Xi…     

负相伴样本平滑移动过程的完全收敛性

设{Y，Yi，-∞＜i＜∞}为一负相伴同分布随机变量序列，{ai，-∞＜i＜∞}绝对可和的实数序列，本文在适当的条件下，证明了平滑移动过程{∑k=1^n∑i=-∞^∞ai k Yi/n^1/t,n≥1}的完全收敛性．所得的结果改进了[1]中的定理1．