Nonparametric estimate of spectral density functions of sample covariance matrices: A first step
样本协方差矩阵谱密度函数的非参数估计：初步研究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：摘要研究随机矩阵的极限特征值分布，未涉及时间序列频谱或因子模型。
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…
样本协方差矩阵谱密度函数的非参数估计：初步研究
- 研究问题
- 一般样本协方差矩阵的极限谱分布密度通常未知时，能否通过非参数方法进行估计并建立一致性？
- 方法与思路
- 作者提出用于极限谱分布密度的核估计量，证明其一致性，并通过模拟考察估计方法的实际表现。
- 材料陈述的贡献
- 摘要称论文为一般样本协方差矩阵的未知极限谱密度提供核估计方法、一致性结果及模拟性能展示。
- 阅读关注点
- 核对矩阵维度与样本量的渐近关系、谱分布条件、核和带宽要求，以及一致性的含义与模拟设计。
- 阅读边界
- 版本未注明的索引摘要未说明具体渐近条件或误差表现；这里的谱指矩阵特征值分布，不能据此推断时间序列结论。
原文摘要
The density function of the limiting spectral distribution of general sample covariance matrices is usually unknown. We propose to use kernel estimators which are proved to be consistent. A simulation study is also conducted to show the performance of the estimators.