Asymptotic joint distribution of extreme eigenvalues and trace of large sample covariance matrix in a generalized spiked population model
广义尖峰总体模型中大样本协方差矩阵极端特征值与迹的联合渐近分布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：摘要讨论通用随机矩阵谱分布与信号检验，尖峰模型本身不足以确定宏观或金融因子方向。
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
广义尖峰总体模型中大样本协方差矩阵极端特征值与迹的联合渐近分布
- 研究问题
- 当维度与样本量成比例增长时，广义尖峰总体模型的样本协方差矩阵极端特征值和迹如何联合波动，并如何用于信号检验？
- 方法与思路
- 作者分析极端谱统计与线性谱统计两类过程的联合渐近行为，构建 Johnson–Graybill 型信号检验，并引入高阶修正缓解有限样本偏差。
- 材料陈述的贡献
- 摘要称给出了极端特征值与迹的联合极限分布，将其用于信号检验，并作进一步高阶修正以减轻有限样本偏差的影响。
- 阅读关注点
- 应核对广义尖峰模型的谱结构、维度样本比与矩条件、联合极限中的依赖关系，以及检验构造和高阶修正适用的范围。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要。摘要未给出联合分布形式、尖峰条件或修正效果数值，不能据此推断具体因子数量的识别能力。
原文摘要
This paper studies the joint limiting behavior of extreme eigenvalues and trace of large sample covariance matrix in a generalized spiked population model, where the asymptotic regime is such that the dimension and sample size grow proportionally. The form of the joint limiting distribution is applied to conduct Johnson–Graybill-type tests, a family of approaches testing for signals in a statistical model. For this, higher order correction is further made, helping alleviate the impact of finite-sample bias. The proof rests on determining the joint asymptotic behavior of two classes of spectral processes, corresponding to the extreme and linear spectral statistics, respectively.