Covariance matrix estimation for stationary time series
平稳时间序列的协方差矩阵估计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：摘要明确研究平稳过程的协方差、谱密度及序列依赖，直接对应时间序列方向。
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
平稳时间序列的协方差矩阵估计
- 研究问题
- 如何刻画平稳过程带状协方差估计的收敛速度与样本矩阵的谱半径，并在真实矩阵稀疏时设计适当估计方法？
- 方法与思路
- 作者联系协方差矩阵特征值与谱密度，采用因果表示和物理依赖度量，并以有限依赖近似研究二次型大偏差。
- 材料陈述的贡献
- 摘要称得到带状估计的精确收敛速率和样本矩阵谱半径的数量级，另提出阈值估计以刻画真实矩阵的稀疏性。
- 阅读关注点
- 应核对矩阵维度、带宽和阈值的选择规则，依赖与矩条件，以及收敛速率使用的范数和稀疏性要求。
- 阅读边界
- 来源为稿件版本未注明的 OpenAlex 索引摘要；具体速率与条件未提供，因果表示也不等同于因果识别。
原文摘要
We obtain a sharp convergence rate for banded covariance matrix estimates of stationary processes. A precise order of magnitude is derived for spectral radius of sample covariance matrices. We also consider a thresholded covariance matrix estimator that can better characterize sparsity if the true covariance matrix is sparse. As our main tool, we implement Toeplitz [Math. Ann. 70 (1911) 351–376] idea and relate eigenvalues of covariance matrices to the spectral densities or Fourier transforms of the covariances. We develop a large deviation result for quadratic forms of stationary processes using m-dependence approximation, under the framework of causal representation and physical dependence measures.