Optimal estimation of functionals of high-dimensional mean and covariance matrix
高维均值与协方差矩阵泛函的最优估计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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要以投资组合配置和判别分析为动机，但核心是通用高维泛函估计，未直接研究所列金融细分问题。
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
高维均值与协方差矩阵泛函的最优估计
- 研究问题
- 当 Σ⁻¹μ 稀疏且维数较高时，如何最优估计 μᵀΣ⁻¹μ，这一同时依赖均值与协方差的泛函具有怎样的估计速率？
- 方法与思路
- 作者研究极小极大估计速率，构造基于去偏的代入估计量，与朴素代入方法比较，并扩展到使用稳健均值和协方差估计。
- 材料陈述的贡献
- 摘要称，最优速率在参数速率与高维速率间发生相变，精心构造的去偏估计达到该速率，而一类朴素代入估计无法达到。
- 阅读关注点
- 应核对稀疏度、维数与样本量决定相变的方式，理解下界和去偏构造，并检查稳健输入扩展及数值实验的适用范围。
- 阅读边界
- 所给版本为 arXiv 预印本，不能据此认定已同行评审或被期刊接收；摘要未给出速率公式、相变阈值及完整模型条件。
原文摘要
Motivated by portfolio allocation and linear discriminant analysis, we consider estimating a functional $\mathbfμ^T \mathbfΣ^{-1} \mathbfμ$ involving both the mean vector $\mathbfμ$ and covariance matrix $\mathbfΣ$. We study the minimax estimation of the functional in the high-dimensional setting where $\mathbfΣ^{-1} \mathbfμ$ is sparse. Akin to past works on functional estimation, we show that the optimal rate for estimating the functional undergoes a phase transition between regular parametric rate and some form of high-dimensional estimation rate. We further show that the optimal rate is attained by a carefully designed plug-in estimator based on de-biasing, while a family of naive plug-in estimators are proved to fall short. We further generalize the estimation problem and techniques that allow robust inputs of mean and covariance matrix estimators. Extensive numerical experiments lend further supports to our theoretical results.