Large Covariance Estimation through Elliptical Factor Models
通过椭圆因子模型估计大型协方差矩阵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：摘要中的因子模型属于一般协方差理论，未明确宏观变量或金融资产设定，因而不足以归入宏观或金融因子方向。
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
通过椭圆因子模型估计大型协方差矩阵
- 研究问题
- 如何在近似因子模型中利用条件稀疏结构估计大型协方差矩阵，并使 POET 框架能够处理重尾椭圆分布数据？
- 方法与思路
- 作者提出 POET 的高层充分条件，以样本协方差的集中性质组织理论，并用边际及多变量 Kendall 秩相关构造椭圆数据的稳健估计。
- 材料陈述的贡献
- 摘要称，该框架在不同矩阵范数下给出最优收敛率，并将条件稀疏协方差估计扩展至重尾数据，同时讨论条件图模型。
- 阅读关注点
- 应核对因子强度、条件稀疏性和稳健初始估计的具体要求，以及 Kendall 统计量如何恢复所需结构、各矩阵范数下速率如何定义。
- 阅读边界
- 所据为 arXiv 预印本，同行评审与期刊接收未核实；摘要未列出充分条件和具体速率，不能将椭圆模型结果推广到所有重尾数据。
原文摘要
We proposed a general Principal Orthogonal complEment Thresholding (POET) framework for large-scale covariance matrix estimation based on an approximate factor model. A set of high level sufficient conditions for the procedure to achieve optimal rates of convergence under different matrix norms were brought up to better understand how POET works. Such a framework allows us to recover the results for sub-Gaussian in a more transparent way that only depends on the concentration properties of the sample covariance matrix. As a new theoretical contribution, for the first time, such a framework allows us to exploit conditional sparsity covariance structure for the heavy-tailed data. In particular, for the elliptical data, we proposed a robust estimator based on marginal and multivariate Kendall's tau to satisfy these conditions. In addition, conditional graphical model was also studied under the same framework. The technical tools developed in this paper are of general interest to high dimensional principal component analysis. Thorough numerical results were also provided to back up the developed theory.