设{X_n,n≥1}为i.i.d.r.v.S.,|X_n^(1)|≥|X_n^(2)|≥…≥|X_n^(n)|为{X_i,i≤n}的次序统计量,g为(0,+∞)上正Borel可测函数。我们讨论了截断和^(r)S_n=sum from i=r+t to nX_n^(i)与次序统计量X_n^(r)的比的分布收敛,令(r)T_n=[^(r)S_n...设{X_n,n≥1}为i.i.d.r.v.S.,|X_n^(1)|≥|X_n^(2)|≥…≥|X_n^(n)|为{X_i,i≤n}的次序统计量,g为(0,+∞)上正Borel可测函数。我们讨论了截断和^(r)S_n=sum from i=r+t to nX_n^(i)与次序统计量X_n^(r)的比的分布收敛,令(r)T_n=[^(r)S_n-(n-r)EX_1I{E|X_1|<+∞}]/g(|X_n(r)|),对正的常数列b_n,n≥1,我们得到了对所有的r≥1,^(r)T_n/(?)依分布收敛的充要条件。展开更多
文摘设{X_n,n≥1}为i.i.d.r.v.S.,|X_n^(1)|≥|X_n^(2)|≥…≥|X_n^(n)|为{X_i,i≤n}的次序统计量,g为(0,+∞)上正Borel可测函数。我们讨论了截断和^(r)S_n=sum from i=r+t to nX_n^(i)与次序统计量X_n^(r)的比的分布收敛,令(r)T_n=[^(r)S_n-(n-r)EX_1I{E|X_1|<+∞}]/g(|X_n(r)|),对正的常数列b_n,n≥1,我们得到了对所有的r≥1,^(r)T_n/(?)依分布收敛的充要条件。
文摘讨论了人工神经网络在金融汇率预报中的应用。其中介绍了广义交互验证 (GeneralizedCrossValidation)法如何应用于确定神经网络中隐层的个数 ,并用实例说明了该方法甚至对复杂的非线性函数也可以得到很好的逼近。详细地介绍了运用人工神经网络作两周向前汇率预报的计算步骤。其平均相对误差 (APE)为 10 E - 3的数量级 ,而国际上通用的状态空间模型及Box Jen kins的ARIMA模型的预报误差都在 10 E -
