自回归模型中特征根位置的刻画.docxVIP

自回归模型中特征根位置的刻画 混合自回归模型（mar）属于混合模型的一种。它的重要性在于对异质数据的处理。近年来，许多国内外的科学家进行了深入的相关工作，最突出的是对参数估计和光谱密度的研究。在这项工作中，我们研究了模型的自相差模型的充分条件，并对自相差模型的自相差模型进行了绝对和平衡性的进一步研究。 1 ytht-1k 由Wong and Li引入的K个成分的混合自回归模型如下定义,如果假设:αk表示第k个成分的概率,满足Κ∑k=1αk=1,αk0,k=1,2,?,Κ,?(·)是标准正态分布的分布函数.那么ytˉht-1～Κ∑k=1αkΝ(?k0+pk∑i=1?kiyt-i,σk),于是模型可以表示为 F(ytˉht-1)=Κ∑k=1αkΦ(yt-?k0-?k1yt-1-?-?kpkyt-pkσk), 记作F(yt|ht-1)～MAR(K;p1,…,pk).这里,F(yt|ht-1)是给定历史的条件下yt的条件分布函数;ht是至时刻t时的所有信息. 2 特定九次品类型化后的全探讨 引理1设α1,α2,…,αk是不全为0的复数,a1,a2,…,ak是全不等且绝对值均大于等于1的实数,则级数∞∑n=0|α1a1n+α2a2n+?+αkakn|发散. 证明不妨设α1,α2,…,αk全不为0. 情形1:k=1,原级数变为∞∑n=0|α1a1n|,该级数显然发散. 情形2:α1,α2,…,αk是全不等且绝对值均大于等于1的实数,不妨设|ak|=max1≤j≤k|aj|,令ρj=ajak,j=1,2,?,k-1,则|ρj|≤1. 记An=|α1a1n+α2a2n+…+αkakn|=|aknBn|,Bn=α1ρ1n+α2ρ2n+…+αk-1ρk-1n+αk. 1) 若|ak||aj|,1≤j≤k-1,则limn→∞Bn=αk,limn→∞An=∞. 2) 若?某个j0使得|ak|=|aj0|,不妨设aj0=ak-1,则ak=-ak-1,此时Bn=α1ρ1n+…+αk-2ρk-2n+(-1)nαk-1+αk,于是有limn→∞Bn=limn→∞[(-1)nαk-1+αk]. ? 当n=2l+1时,limn→∞Bn=liml→∞[(-1)2l+1αk-1+αk]=-αk-1+αk. ? 当n=2l时,limn→∞Bn=liml→∞[(-1)2lαk-1+αk]=αk-1+αk. 若limn→∞Bn=0,由以上两式得αk=0,这与αk≠0矛盾.所以limn→∞Bn≠0,从而limn→∞An≠0,所以原级数发散. 引理2设αj(n)=Cj0+Cj1n+…+Cjrjnrj(1≤j≤k)是其系数不全为0的关于n的多项式,a1,a2,…,ak是全不等且绝对值均大于等于1的实数,则级数∞∑n=0|α1(n)a1n+α2(n)a2n+?+αk(n)akn|发散. 证明情形1:当k=1时,级数变为∞∑n=0|α1(n)a1n|,显然limn→∞|α1(n)a1n|≠0,所以级数发散. 情形2:当k1时,不妨设|ak|=max1≤j≤k|aj|,ρj=ajak,则 An=|α1(n)a1n+α2(n)a2n+?+αk(n)akn|=|α1(n)ρ1n+α2(n)ρ2n+?αk-1(n)ρk-1n+αk(n)||akn| Bn=α1(n)ρ1n+α2(n)ρ2n+…+αk-1(n)ρk-1n+αk(n) 1) 若|ak||aj|,则|ρj|1,于是limn→∞[αj(n)ρjn]=limn→∞[(Cj1+Cj2n+?+Cjrjnrj)ρjn]=0,1≤j≤k-1,从而limn→∞B(n)≠0,所以limn→∞A(n)≠0,所以原级数发散. 2) 若?某个j0使得|ak|=|aj0|,不妨设aj0=ak-1,则ak=-ak-1,此时 An=|α1(n)a1n+?+αk-2(n)ak-2n+αk-1(n)ak-1n+αk(n)akn|=|α1(n)a1n+?+αk-2(n)ak-2n+[(-1)nαk-1(n)+αk(n)]akn| Bn=|α1(n)ρ1n+?+αk-2(n)ρk-2n+[(-1)nαk-1(n)+αk(n)]||akn| 这里limn→∞[α1(n)ρ1n+?+αk-2(n)ρk-2n]=0,同上,通过讨论n的奇偶性知limn→∞[(-1)nαk-1(n)+αk(n)]≠0,从而limn→∞An≠0,所以原级数发散. 注:引理2中的多项式αj(n)(1≤j≤k)前面的系数可以为一般的复数. 定理若k阶线性差分方程ht+α1ht-1+…+αkht-k=0所对应的特征方程的根是实的,则其通解ht=j∑l=1rl-1∑n=0Clntnξl-t是绝对可和的充分必要条件是特征方程的根都位于单位圆外. 证明充分性:因为|ξl|1,所以由达朗贝尔判别法可知,