连分数matlab,浅谈指数分布的性质及其应用.doc

浅谈指数分布的性质及其应用

浅谈指数分布的性质及其应用

1、相关定义

1.1、预备知识及相关定义

1.2.1 复平面内的 Nevanlinna 特征1.2.1 复平面内的 Nevanlinna 特征 首先,我们介绍复平面内的 Nevanlinna 值分布理论的标准记号(见[1,2,3, 4]).设f ( z ) 为定义在开平面上的亚纯函数,a 为任一有穷复数.用 n( r , f ) 表示 z≤ r 上f ( z ) 极点的个数,重级极点按其重数计算;n ( r , f= a ) 表示 z≤ r 上f ( z )? a 的零点个数,重级零点按其重数计算,否则记为n ( r , f= a) ;n (0, f= a ) 则表示 f( z )? a 在原点的零点重级数.相关记号定义如下: 2 0 ( , )1 log ( ) m r f=2π ∫π + f rei θ dθ ; 2 0 ( , )1 log 1 , m r f= a =2π∫π +f ( rei θ )? a d θ a ≠ ∞ ; 0 N( r , f )r n( t , f ) n (0, f ) dt n(0, f )log r t =∫? + ; 0 N( r , f a )r n (t , f a ) n (0, f a )dt n(0, f a)log r t = =∫= ? = + = ,a ≠ ∞ , m( r , f ) 有时也记为m ( r , f = ∞ ) 或m (r , ∞ ) ,表示f ( z ) 的正对数在 z= r 上的平均值; m( r , f= a ) 也记为m ( r, 1 ) f? a 或m ( r , a ) ,表示f( z )1? a 的正对数在 z= r 上的平均值. N( r, f ) 有时记为N ( r , f = ∞ ) 或N ( r , ∞ ) ,表示f ( z ) 极点的密指量;N ( r , f= a) 有时 2 记为N (r , 1 ) f? a 或N ( r , a ) ,表示f ( z ) 的 a 值点的密指量. 定义1. 1[ 2] 设f ( z) 为在开平面上的亚纯函数,定义 T( r , f )= m ( r , f ) + N ( r, f ) . 为f ( z ) 在复平面内的 Nevanlinna 特征函数.

1.2模型是带 有一个默认的均值方程,形式如下 yt = E(yt\ 0, > 0(i = I,- - ,q), /?. > 0(j = 1:... ,p),且都为常数,误差 项Tk?队1),对所有的t都有:r/t与是相互独立的,即称随机过程{et}为 GARCH(p,q)模型。GARCH(p,q)模型和ARCH(p)模型具有一样的默认均值方程。 令at的方差为ht,且的无条件方差为 ￡■(2(7() = E{ht)= ,厂 . 1 一 E “广E巧 2=1 j=l 当 P = 1,后,许多学者试图使用其它的分布来拟合,最具有代表性的是t分布、 GED分布、稳定分布和Laplace分布。由于在拟合金融市场数据方面Laplace分布 相比其它分布有着如下的优势 (1)虽然稳定分布可以很好的拟合金融数据,但是它没有明确的解析表达式,其 分布都是通过特征函数来表述的,这样就导致了在估计方面的困难,也给进一步研究 投资风险带来了困难,并且计算也很复杂。Laplace分布在这一点上具有明显的优 6 硕士学位论文 势,它给出了分布函数的数学表达式,其数字特征和参数估计都容易计算出来,给研 究带来了很大的便利。 (2)由于金融数据具有明显的尖峰厚尾性,其峰度是大于等于3的。t分布的峰 度接近于3 ,所以使用峰度为6的Laplace分布来拟合可以收到很好的效果。 (3)在我们所研究的GARCH模型中要求二阶矩必须小于无穷,若为无穷则无实 际意义。但是稳定分布具有无穷二阶矩,这对研究者来说是一个障碍,而Laplace分 布具有有限的二阶矩,而且其矩的计算也很简单明了。 (4)从密度函数的表达式上看,Laplace分布相比t分布和GED分布而言是非 常简单的,在进一步对参数估计的性质进行研究时更加有可能实现。 因此我们选择了误差项服从Laplace分布,给出了 GARCH模型的拟极大似然 估计以及相合性和渐进正态性。下面对Laplace分布做一些简单的介绍。 Laplace分布最早是由著名的法国数学家Laplace于1774年发现的,由于它可 以看作是两个不同位置的指数分布背靠背拼接在一起,所以它也叫作双指数分布。其 分布的密度函数形式如下 1 j exp(一?if X // 其中,k是位置参数,b > 0是尺度参数。如果// =3: >我们从上述式中可以得知当X服从Laplac 如果已知联合分布密度函数呈现指数形