High-dimensional covariance matrices under dynamic volatility models: Asymptotics and shrinkage estimation
动态波动率模型下高维协方差矩阵的渐近理论与收缩估计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：摘要明确在动态波动率及标量 BEKK 模型下研究高维协方差估计，直接对应波动率计量。
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
动态波动率模型下高维协方差矩阵的渐近理论与收缩估计
- 研究问题
- 动态波动率引起横截面和时间上的非线性依赖时，高维样本协方差的谱分布如何变化，怎样估计总体谱与无条件协方差？
- 方法与思路
- 作者分析标量 BEKK 模型的样本协方差谱极限，提出时变调整矩阵，再利用其渐近性质构造总体谱估计及非线性收缩估计。
- 材料陈述的贡献
- 摘要称，给出谱极限不同于独立同分布情形的条件，证明调整后满足 Marčenko–Pastur 定律，并建立一致谱估计与渐近最优收缩。
- 阅读关注点
- 应核对标量 BEKK 的参数与维度增长条件、时变调整如何实施，以及总体谱一致性和非线性收缩最优性采用的损失标准。
- 阅读边界
- 仅据 OpenAlex 摘要；谱极限条件、调整细节和最优性标准未提供，不能推广至所有动态波动率模型，也不推断刊本变化。
原文摘要
We study the estimation of high-dimensional covariance matrices and their empirical spectral distributions under dynamic volatility models. Data under such models have nonlinear dependency both cross-sectionally and temporally. We establish the condition under which the limiting spectral distribution (LSD) of the sample covariance matrix under scalar BEKK models is different from the i.i.d. case. We then propose a time-variation adjusted (TV-adj) sample covariance matrix and prove that its LSD follows the Marčenko–Pastur law. Based on the asymptotics of the TV-adj sample covariance matrix, we develop a consistent population spectrum estimator and an asymptotically optimal nonlinear shrinkage estimator of the unconditional covariance matrix.