Limiting laws for divergent spiked eigenvalues and largest nonspiked eigenvalue of sample covariance matrices
发散尖峰特征值与最大非尖峰样本协方差特征值的极限规律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：摘要研究一般样本协方差矩阵的随机谱理论，未明确建立宏观或金融因子模型，不能仅凭尖峰结构归类。
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
发散尖峰特征值与最大非尖峰样本协方差特征值的极限规律
- 研究问题
- 当总体协方差的尖峰特征值发散、其余特征值有界时，样本尖峰及最大非尖峰特征值具有怎样的渐近分布？
- 方法与思路
- 作者研究一般协方差模型的谱极限，并以向量和矩阵相互依赖的随机二次型中心极限定理作为关键技术工具。
- 材料陈述的贡献
- 摘要称，尖峰特征值具有正态极限，最大非尖峰具有Tracy–Widom极限，并讨论尖峰数估计及领先特征向量收敛。
- 阅读关注点
- 应核对维度、样本量、尖峰大小和数量的增长条件，以及非尖峰谱与总体特征向量如何影响渐近均值和方差。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未列完整增长率及分布条件，也未说明这些结果用于经济或金融因子模型的条件。
原文摘要
We study the asymptotic distributions of the spiked eigenvalues and the largest nonspiked eigenvalue of the sample covariance matrix under a general covariance model with divergent spiked eigenvalues, while the other eigenvalues are bounded but otherwise arbitrary. The limiting normal distribution for the spiked sample eigenvalues is established. It has distinct features that the asymptotic mean relies on not only the population spikes but also the nonspikes and that the asymptotic variance in general depends on the population eigenvectors. In addition, the limiting Tracy–Widom law for the largest nonspiked sample eigenvalue is obtained. Estimation of the number of spikes and the convergence of the leading eigenvectors are also considered. The results hold even when the number of the spikes diverges. As a key technical tool, we develop a central limit theorem for a type of random quadratic forms where the random vectors and random matrices involved are dependent. This result can be of independent interest.