Estimating a Change Point in a Sequence of Very High-Dimensional Covariance Matrices
超高维协方差矩阵序列中的变化点估计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：摘要明确研究协方差矩阵序列的变化点定位，直接对应结构变化方法；分类不意味着论文已有宏观经济应用。
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
超高维协方差矩阵序列中的变化点估计
- 研究问题
- 在向量维度远大于样本量的序列中，如何定位协方差矩阵发生变化的时点，并避免大量无关分量妨碍估计？
- 方法与思路
- 作者提出两阶段方法，先识别协方差中发生显著变化的元素以降维，再利用保留分量定位变化点，并分别研究理论性质。
- 材料陈述的贡献
- 摘要称为降维和变化点定位两步建立理论结果，并通过数值研究支持该方法；没有给出具体收敛速率或相对改善幅度。
- 阅读关注点
- 应核对变化结构与信号强度要求、第一步筛选误差怎样传递到定位，以及时间依赖、维度增长和变化点数量的限制。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；序列依赖条件和具体理论结论未说明，也未提供宏观应用。
原文摘要
This article considers the problem of estimating a change point in the covariance matrix in a sequence of high-dimensional vectors, where the dimension is substantially larger than the sample size. A two-stage approach is proposed to efficiently estimate the location of the change point. The first step consists of a reduction of the dimension to identify elements of the covariance matrices corresponding to significant changes. In a second step, we use the components after dimension reduction to determine the position of the change point. Theoretical properties are developed for both steps, and numerical studies are conducted to support the new methodology. Supplementary materials for this article are available online.