Test for bandedness of high-dimensional covariance matrices and bandwidth estimation
高维协方差矩阵的带状性检验与带宽估计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：摘要聚焦一般高维协方差结构并应用于蛋白质质谱，未描述金融风险、因子或时间序列模型，不能据协方差概念强行分类。
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
高维协方差矩阵的带状性检验与带宽估计
- 研究问题
- 在维数大、样本量小的情形下，如何检验协方差矩阵是否带状，允许其带宽增长，并估计未知的带宽？
- 方法与思路
- 作者提出不要求特定参数分布的带状性检验与带宽估计量，通过理论分析、模拟及蛋白质质谱数据考察性质。
- 材料陈述的贡献
- 摘要称，检验适用于大维数小样本情形且允许带宽发散，并构造了带状高维协方差矩阵带宽的一致估计量。
- 阅读关注点
- 应核对变量排序对带状结构的影响、维数与带宽的增长限制、矩条件，以及检验校准和带宽一致性的具体要求。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；无需特定参数分布不等于无需矩或依赖条件，摘要未给这些限制及刊本变化。
原文摘要
Motivated by the latest effort to employ banded matrices to estimate a high-dimensional covariance $\Sigma$, we propose a test for $\Sigma$ being banded with possible diverging bandwidth. The test is adaptive to the “large $p$, small $n$” situations without assuming a specific parametric distribution for the data. We also formulate a consistent estimator for the bandwidth of a banded high-dimensional covariance matrix. The properties of the test and the bandwidth estimator are investigated by theoretical evaluations and simulation studies, as well as an empirical analysis on a protein mass spectroscopy data.