Weak Convergence of Sample Covariance Matrices to Stochastic Integrals Via Martingale Approximations
通过鞅逼近证明样本协方差矩阵向随机积分的弱收敛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：摘要明确分析平稳遍历序列及序列相关对弱极限的影响，直接涉及时间序列渐近理论。
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
通过鞅逼近证明样本协方差矩阵向随机积分的弱收敛
- 研究问题
- 向量鞅及其差分的样本协方差矩阵具有何种弱极限？将鞅差分替换为平稳遍历序列后，序列相关如何进入极限？
- 方法与思路
- 作者利用鞅逼近给出证明，将向量鞅情形的极限写为布朗运动随机积分，并在平稳遍历序列情形加入常数偏差矩阵。
- 材料陈述的贡献
- 摘要称，鞅情形极限为 ∫BdB′；平稳遍历序列情形增加 Λ，其大小依赖序列相关性质，并给出简洁证明。
- 阅读关注点
- 应核对样本协方差的定义与归一化、鞅逼近的条件，以及布朗运动协方差和偏差矩阵 Λ 的具体构造。
- 阅读边界
- 所给 Crossref 摘要只称结果在一般条件下成立，未列出矩条件、依赖限制或归一化，不能自行补全定理。
原文摘要
Under general conditions the sample covariance matrix of a vector martingale and its differences converges weakly to the matrix stochastic integral ∫ 0 1 BdB′ , where B is vector Brownian motion. For strictly stationary and ergodic sequences, rather than martingale differences, a similar result obtains. In this case, the limit is ∫ 0 1 BdB′ + Λ and involves a constant matrix Λ of bias terms whose magnitude depends on the serial correlation properties of the sequence. This note gives a simple proof of the result using martingale approximations.