Best Equivariant Estimators of a Cholesky Decomposition
Cholesky 分解的最优等变估计量AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究矩阵分解的统计决策理论，没有直接涉及波动率、金融风险或其他所列方向。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
Cholesky 分解的最优等变估计量
- 研究问题
- 在观测矩阵服从给定均值的 Wishart 分布时，如何估计总体正定矩阵的 Cholesky 因子，并在不同损失下取得等变类内最优性？
- 方法与思路
- 作者从观测矩阵的 Cholesky 因子出发，使用对角矩阵进行修正，针对多种损失函数研究等变估计并给出修正矩阵的显式表达。
- 材料陈述的贡献
- 摘要称所构造的对角修正估计量在多种损失下是最优等变估计量，提供了具体修正表达，但没有声称所有估计量中的全局最优。
- 阅读关注点
- 应核对等变性对应的变换群、允许的估计类及损失函数，并检查样本自由度条件和对角修正的计算表达。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；最优性受模型、损失和等变类限制，不能据此推断一般协方差估计的优越性。
原文摘要
Every positive definite matrix $\Sigma$ has a unique Cholesky decomposition $\Sigma = \theta\theta'$, where $\theta$ is lower triangular with positive diagonal elements. Suppose that $S$ has a Wishart distribution with mean $n\Sigma$ and that $S$ has the Cholesky decomposition $S = XX'$. We show, for a variety of loss functions, that $XD$, where $D$ is diagonal, is a best equivariant estimator of $\theta$. Explicit expressions for $D$ are provided.