Dynamic Covariance Models
动态协方差模型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：摘要未明确将动态索引限定为时间，也未涉及金融应用，现有证据不足以归入给定细分。
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
动态协方差模型
- 研究问题
- 论文研究高维系统中随某个变量变化的协方差关系，关注稀疏动态模型的非渐近估计误差、模型选择及一致性。
- 方法与思路
- 作者分析稀疏动态协方差模型，通过带宽控制动态平滑的偏差与方差，并研究在动态变量一定范围内的统一误差性质。
- 材料陈述的贡献
- 摘要称建立非渐近误差和模型选择的统一理论，指出动态平滑改变有效样本规模，并通过模拟与神经影像数据展示结果。
- 阅读关注点
- 应核对动态索引变量、稀疏性与平滑性条件、带宽选择、统一性的范围，以及估计误差和模型选择结论的区别。
- 阅读边界
- 索引摘要版本未注明，幂次与带宽公式的排版需查原文；应用是神经影像，不能据此推断金融波动率或时间序列结论。
原文摘要
An important problem in contemporary statistics is to understand the relationship among a large number of variables based on a dataset, usually with p, the number of the variables, much larger than n, the sample size. Recent efforts have focused on modeling static covariance matrices where pairwise covariances are considered invariant. In many real systems, however, these pairwise relations often change. To characterize the changing correlations in a high-dimensional system, we study a class of dynamic covariance models (DCMs) assumed to be sparse, and investigate for the first time a unified theory for understanding their nonasymptotic error rates and model selection properties. In particular, in the challenging high-dimensional regime, we highlight a new uniform consistency theory in which the sample size can be seen as n4/5 when the bandwidth parameter is chosen as h∝n− 1/5 for accounting for the dynamics. We show that this result holds uniformly over a range of the variable used for modeling the dynamics. The convergence rate bears the mark of the familiar bias-variance trade-off in the kernel smoothing literature. We illustrate the results with simulations and the analysis of a neuroimaging dataset. Supplementary materials for this article are available online.