HIGHER-ORDER ACCURATE, POSITIVE SEMIDEFINITE ESTIMATION OF LARGE-SAMPLE COVARIANCE AND SPECTRAL DENSITY MATRICES
大样本协方差与谱密度矩阵的高阶精确正半定估计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：摘要研究通用协方差与谱密度矩阵估计，未明确具体模型或应用，细分领域证据不足。
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
大样本协方差与谱密度矩阵的高阶精确正半定估计
- 研究问题
- 平顶核估计可能缺乏正半定性时，如何兼顾协方差与谱密度矩阵估计的高阶精度、矩阵性质和自适应带宽选择？
- 方法与思路
- 作者提出平顶核估计量，通过矩阵修正获得正半定乃至正定估计，并设计逐元素最优带宽的一致选择程序，同时讨论缺少有限四阶矩的情况。
- 材料陈述的贡献
- 摘要称，在高阶精度可实现的条件下，矩阵修正可保留该精度；带宽程序能够适应相关结构，并提供核选择讨论与有限样本模拟。
- 阅读关注点
- 应核对高阶精度所需的光滑性和矩条件、矩阵修正规则、逐元素带宽与正定性的衔接，以及无有限四阶矩情形的具体结论。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确认精度阶数、带宽公式或重尾适用范围；高阶精度明确附带可实现性条件，刊本变化未说明。
原文摘要
A new class of large-sample covariance and spectral density matrix estimators is proposed based on the notion of flat-top kernels. The new estimators are shown to be higher-order accurate when higher-order accuracy is possible. A discussion on kernel choice is presented as well as a supporting finite-sample simulation. The problem of spectral estimation under a potential lack of finite fourth moments is also addressed. The higher-order accuracy of flat-top kernel estimators typically comes at the sacrifice of the positive semidefinite property. Nevertheless, we show how a flat-top estimator can be modified to become positive semidefinite (even strictly positive definite) while maintaining its higher-order accuracy. In addition, an easy (and consistent) procedure for optimal bandwidth choice is given; this procedure estimates the optimal bandwidth associated with each individual element of the target matrix, automatically sensing (and adapting to) the underlying correlation structure.