An overview of the estimation of large covariance and precision matrices
大规模协方差矩阵与精度矩阵估计综述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。
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：摘要讨论通用大规模矩阵估计，虽涉及因子方法和经济金融数据，但未明确宏观或金融因子的具体研究对象。
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
大规模协方差矩阵与精度矩阵估计综述
- 研究问题
- 面对大规模经济金融数据，如何估计反映边际相关性的协方差矩阵，以及反映给定其余变量后条件相关性的精度矩阵？
- 方法与思路
- 作者选择性综述近期矩阵估计进展，重点介绍基于秩的方法和基于因子模型的方法，并讨论两类方法的理论及应用。
- 材料陈述的贡献
- 摘要所述贡献是组织并介绍两条大规模矩阵估计路线，阐明协方差与精度矩阵的信息差异及其经济金融应用潜力。
- 阅读关注点
- 应核对两类方法分别依赖的分布、维度及因子结构条件，以及理论误差标准与具体应用目标之间的对应关系。
- 阅读边界
- 这是选择性综述；摘要未列明覆盖文献、具体估计器与适用条件，不能据此声称文章提出新方法或某条路线普遍更优。
原文摘要
The estimation of large covariance and precision matrices is fundamental in modern multivariate analysis. However, problems arise from the statistical analysis of large panel economic and financial 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 the estimation of large covariance and precision matrices. We focus on two general approaches: a rank‐based method and a factor‐model‐based method. Theories and applications of both approaches are presented. These methods are expected to be widely applicable to the analysis of economic and financial data.