Covariance Regression Analysis
协方差回归分析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：摘要核心为通用协方差回归，股市仅是应用示例，未明确研究波动率动态、资产定价、因子或尾部风险。
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…
协方差回归分析
- 研究问题
- 如何利用辅助信息解释多维响应的协方差矩阵，并在高维和大样本环境中估计回归参数及对应的协方差结构？
- 方法与思路
- 作者建立协方差矩阵与辅助信息的回归关系，研究极大似然、普通最小二乘和可行广义最小二乘三类估计方法。
- 材料陈述的贡献
- 摘要称回归估计量一致且渐近正态，并给出协方差矩阵估计的高维及大样本性质，另提供模拟和中国股市示例。
- 阅读关注点
- 应核对协方差回归的参数化、正定性约束、三类估计的分布条件，以及响应维度与样本量共同增长的理论范围。
- 阅读边界
- 材料为版本未注明的 OpenAlex 摘要；未说明模型形式和高维条件，仅有股市示例不足以确认其资产定价或风险结论。
原文摘要
This article introduces covariance regression analysis for a p-dimensional response vector. The proposed method explores the regression relationship between the p-dimensional covariance matrix and auxiliary information. We study three types of estimators: maximum likelihood, ordinary least squares, and feasible generalized least squares estimators. Then, we demonstrate that these regression estimators are consistent and asymptotically normal. Furthermore, we obtain the high dimensional and large sample properties of the corresponding covariance matrix estimators. Simulation experiments are presented to demonstrate the performance of both regression and covariance matrix estimates. An example is analyzed from the Chinese stock market to illustrate the usefulness of the proposed covariance regression model. Supplementary materials for this article are available online.