Large sample correlation matrices: a comparison theorem and its applications
大样本相关矩阵：比较定理及其应用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：摘要核心是通用高维相关矩阵与随机矩阵谱理论，未明确宏观、金融或序列依赖方面的专门方法。
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
大样本相关矩阵：比较定理及其应用
- 研究问题
- 当变量维数与样本量共同增长时，如何近似样本相关矩阵，并刻画其特征值分布、总体相关结构及极端特征值？
- 方法与思路
- 作者在独立观测和有限四阶矩的设定下比较样本与总体协方差矩阵的对角部分，再用于相关矩阵及其谱性质分析。
- 材料陈述的贡献
- 摘要称建立谱范数近似，推导相关矩阵的极限谱分布，构造总体相关矩阵及特征值估计量，并分析尖峰模型的极端特征值。
- 阅读关注点
- 应核对独立观测、四阶矩及维数比例条件的完整表述，以及矩阵近似如何传递到谱分布、估计和极端特征值结论。
- 阅读边界
- 这是 arXiv 预印本，同行评审及接收未核实；摘要未提供全部谱分析条件，不能将独立观测下的结论直接用于序列相关数据。
原文摘要
In this paper, we show that the diagonal of a high-dimensional sample covariance matrix stemming from $n$ independent observations of a $p$-dimensional time series with finite fourth moments can be approximated in spectral norm by the diagonal of the population covariance matrix. We assume that $n,p\to \infty$ with $p/n$ tending to a constant which might be positive or zero. As applications, we provide an approximation of the sample correlation matrix ${\mathbf R}$ and derive a variety of results for its eigenvalues. We identify the limiting spectral distribution of ${\mathbf R}$ and construct an estimator for the population correlation matrix and its eigenvalues. Finally, the almost sure limits of the extreme eigenvalues of ${\mathbf R}$ in a generalized spiked correlation model are analyzed.