An Overview on the Estimation of Large Covariance and Precision Matrices
大规模协方差与精度矩阵估计概述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：摘要明确将因子模型方法作为综述重点，并指向金融数据的协方差与精度矩阵分析，因此选择金融因子方向。
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
大规模协方差与精度矩阵估计概述
- 研究问题
- 面对大规模经济与金融数据，如何估计刻画边际相关性的协方差矩阵，以及刻画给定其他变量后条件相关性的精度矩阵？
- 方法与思路
- 作者选择性综述大规模矩阵估计的近期进展，重点介绍基于秩的方法和基于因子模型的方法，并讨论各自的理论与应用。
- 材料陈述的贡献
- 摘要明确提供两类方法的理论及应用综述，帮助理解经济金融数据中的矩阵估计；未声称提出新估计量或统一优越性结论。
- 阅读关注点
- 应核对两类方法各自的结构与分布条件，区分协方差和精度矩阵目标，并检查因子部分如何处理及应用中的误差评价标准。
- 阅读边界
- 这是 arXiv 预印本，同行评审未核实。摘要未列出具体方法、定理或应用结果，所称广泛适用仍需结合各方法条件判断。
原文摘要
Estimating large covariance and precision matrices are fundamental in modern multivariate analysis. The problems arise from statistical analysis of large panel economics and finance data. The covariance matrix reveals marginal correlations between variables, while the precision matrix encodes conditional correlations between pairs of variables given the remaining variables. In this paper, we provide a selective review of several recent developments on estimating large covariance and precision matrices. We focus on two general approaches: rank based method and factor model based method. Theories and applications of both approaches are presented. These methods are expected to be widely applicable to analysis of economic and financial data.