高维数据空间的协方差矩阵迹的比率相合性

在处理高维数据的检验和分类等问题时,涉及到协方差矩阵的估计.而在高维数据领域,协方差矩阵估计的精度将对诸如检验和分类等问题起到非常重要的影响.主要考虑多样本条件下协方差矩阵的比率相合性问题,证明了两样本和三样本情况下的高维数据协方差矩阵比率相合性.     

基于网络结构的高维协方差矩阵估计

本文在Lan等~([1])利用网络结构对连续变量协方差矩阵进行估计的研究基础上进行改进和扩展,给出一种基于网络结构的高维协方差矩阵估计方法,并允许响应变量异方差性存在.该方法将高维协方差矩阵的估计问题转化为关于网络结构的低维线性回归的参数估计问题,从而极大减少了计算量.在有限样本甚至n=1的情况下,该估计方法仍然适用,且估计效果会随着矩阵维数的增大而提高.此外,本文给出一种利用协方差矩阵识别网络中关键节点的方法,该方法能同时兼顾节点自身的贡献和节点对其他节点的影响程度,因此十分适用于学术合作网络.     

高频金融数据的高维积分波动率矩阵估计

高维积分波动率矩阵是资源配置和风险管理的重要统计量,对其估计是金融统计和风险度量中的热点和核心问题之一.本文在带有市场信息的微观结构噪声下,考虑了高频金融数据大量资产的积分波动率矩阵估计问题.在多资产价格观察不同步下,当资产数和样本量都趋向于无穷时,本文利用不重叠区间方法和稀疏性特征提出了高维积分波动率矩阵估计,证明了该估计量具有相合性,较在加性噪声下的估计具有更快的收敛速度,其收敛速度可以达到已存在高维积分波动率矩阵估计在无噪声下的最快收敛速度.对所提出的估计与现有的高维积分波动率矩阵估计进行模拟比较,结果表明本文提出的估计方法具有优良的性质.最后将提出的估计应用于上海证券指数数据的实证研究中.     

面板数据交互固定效应模型的协方差矩阵检验

本文研究了面板数据交互固定效应模型中协方差矩阵的检验问题.首先依据模型协方差矩阵迹的估计构造检验统计量,检验协方差矩阵是否为单位矩阵,或是单位矩阵的常数倍.然后在一定正则条件下,证明了检验统计量的渐近性质,并说明所提出的检验方法不依赖于误差分布.最后,通过模拟研究对本文的检验方法进行评价,说明所提检验方法在高维面板数据下仍然有效.     

高维因子模型及其在统计机器学习中的应用

本文综述近年来因子模型研究的最新进展及其在统计机器学习中的应用.因子模型通过较少的因子实现降维,并为协方差矩阵提供了一种低秩加稀疏的结构,不仅受到高维数据分析领域的关注,也被广泛应用于计量经济学、数量金融学、基因组学、神经科学和图像处理等许多科学、工程及人文社科领域的研究中.本文系统阐述利用主成分分析方法提取潜在因子、估计因子载荷、异质结构与整体协方差矩阵的统计推断方法,这套方法被证明可以有效应对当前大数据所表现出的高维性、强相关性、厚尾性和异质性等重大挑战;另外,还重点介绍了高维因子模型在处理协方差矩阵估计、模型选择和多重检验等高维统计学习问题中的作用;最后,通过几个应用实例说明因子模型与现代机器学习问题之间的密切联系,其中包括当下流行的网络分析和低秩矩阵还原等.     

求解正定线性方程组的具有共轭性的并行多分裂迭代法（英文）

本文结合具有共轭性的一种特殊多分裂与系数矩阵的稀疏性,提出求解系数矩阵为正定矩阵的线性方程组的并行多分裂迭代法.我们的新迭代法与标准迭代法不同点有两个方面:一是在我们的多分裂方法中只要求其中之一是收敛的分裂;二是权矩阵不必预先给出.这在并行计算中是很有效的算法.最后以数值实验验证新方法的有效性和可行性.     

一般半相依回归系统的协方差改进估计

本文讨论了由两个等阶的回归方程组成的半相依系统,运用协方差改进法获得了参数的一个迭代估计序列,并证明了它的协方差阵已知时,处处收敛到最佳线性无偏估计,同时其协方差阵在矩阵偏序意义下单调性,并且给出了当迭代次数亦趋于无穷时,保证其具有相合性的一个条件。     

Logistic模型中参数的MCP估计

由于高维数据的稀疏性,导致高维空间中的数据处理方法与低维空间中存在显著差异,合理的变量选择方法是解决高维数据问题的一个前提.从理论方面探讨Logistic模型中参数的MCP方法的Oracle性质,证明了MCP估计具有良好的理论性质.在搜索引擎广告转化率预测模型中,对比了几种不同变量选择方法的预测效果.结果表明MCP方法在处理高维稀疏数据时,准确率最高.通过方法筛选出若干显著影响广告转化率的特征变量,为广告主制定广告策略提供相应的理论依据.     

具有两个加性输入时滞系统的状态反馈控制

主要考虑了具有两个加性输入时滞的网络化控制系统的状态反馈控制问题.首先考虑具有两个加性时滞的系统稳定性,构造适当的Lyapunov泛函,不需要所有的矩阵正定,只需其整体正定.其次在估计Lyapunov泛函沿系统的导数时,针对时滞范围的不同,引入了不同的松弛矩阵,得出系统保守性较小的稳定条件.在此基础上,研究了系统状态反馈控制,最后得出闭环系统渐近稳定的充分条件,并给出控制器的设计方法.     

矩阵束最佳逼近问题的交替投影法

研究给定矩阵束的最佳逼近问题,这类问题出现在同时修正有限元模型质量矩阵和刚度矩阵的无阻尼结构系统.以矩阵束修正量的F-范数为目标函数,以待修正矩阵束应具有的性质,如满足特征方程、对称半正定性和稀疏性作为约束条件,形成带约束的矩阵束最佳逼近问题.基于交替投影方法,提出了求解矩阵束最佳逼近问题的一个数值方法.数值结果显示了新方法的有效性.     

Quantale矩阵的广义逆及其正定性

给出Quantale矩阵{1}-广义逆的一种刻划以及存在的条件,给出Quantale矩阵M-P广义逆的定义,讨论Quantale矩阵M-P广义逆的若干性质,得到Quantale矩阵M-P广义逆的具体形式.引入Quantale矩阵正定性的概念,研究交换幂等Quantale上矩阵正定的一些性质,得到交换幂等Quantale上矩阵正定的一些等价刻画.     

低秩稀疏矩阵优化问题的模型与算法

低秩稀疏矩阵优化问题是一类带有组合性质的非凸非光滑优化问题.由于零模与秩函数的重要性和特殊性,这类NP-难矩阵优化问题的模型与算法研究在过去十几年里取得了长足发展。本文从稀疏矩阵优化问题、低秩矩阵优化问题、低秩加稀疏矩阵优化问题、以及低秩张量优化问题四个方面来综述其研究现状;其中,对稀疏矩阵优化问题,主要以稀疏逆协方差矩阵估计和列稀疏矩阵优化问题为典例进行概述,而对低秩矩阵优化问题,主要从凸松弛和因子分解法两个角度来概述秩约束优化和秩(正则)极小化问题的模型与算法研究。最后,总结了低秩稀疏矩阵优化研究中的一些关键与挑战问题,并提出了一些可以探讨的问题。     

含高维相依自变量的中心k阶条件矩子空间的估计

在回归分析中往往对条件均值,条件方差及高阶条件矩特别感兴趣.本文我们将关注中心k阶条件矩子空间在高维相依自变量情形的估计问题.为此,我们首先引入中心k阶条件矩子空间的概念,并研究该子空间的基本性质.针对高维相依自变量的复杂数据,为了避免预测变量协方差阵的逆矩阵的计算,本文提出用偏最小二乘方法来估计中心k阶条件矩子空间....     

稀疏VAR在股票收益率研究的应用

向量自回归模型(VAR)广泛应用在对时间相依的多元时间序列建模中,但在高维数据建模中,自回归的系数膨胀可能导致噪音估计、不稳定的预测、解释上的困难等问题。在实际应用中,序列的真实模型往往具有稀疏性,因此运用稀疏VAR模型对高维时间序列进行建模,不仅可以解决高维数据带来的上述困难,也有利于寻找高维数据内在的真实模型。本文以10家公司的股票收益率为研究对象,采用3种不同的稀疏估计方法,不但分析了股票收益率之间的动态关系,而且通过实证分析展示了稀疏估计的优势。     

研究正定矩阵幂函数单调性的分析方法

文章用数学分析的方法研究了对于正定矩阵的幂次方的单调性.具体地,当指数为小于1的正数时,正定矩阵幂函数是严格单调增加的,而当指数大于1时,正定矩阵幂函数不具有单调性.     

矩阵损失函数下回归系数矩阵的非齐次线性估计的可容许性

在二次矩阵损失函数下研究了协方差矩阵未知的多元线性模型中回归系数矩阵的可估线性函数的矩阵非齐次线性估计的可容许性,给出了矩阵非齐次线性估计在线性估计类中可容许的一个充要条件.     

基于Lasso惩罚的迹差损失方法高维协变量调整的稀疏精度矩阵估计（英文）

本文运用两阶段估计程序给出了协变量调整的精度矩阵估计.首先,运用联合l_1惩罚方法确定影响均值的相关协变量.然后,将估计出的回归系数用于估计多元次高斯模型的均值,并通过Lasso惩罚的迹差损失方法对稀疏精度矩阵进行估计.在一些假设条件下,建立了精度矩阵估计的不同范数的收敛速率,并证明了依概率1收敛的稀疏恢复性质.数值结果表明,在有限样本情况下,同其他方法相比,我们的方法具有一定的优越性.     

多图模型的联合估计的群桥方法

高斯图模型研究独立随机变量之间的关系.主要针对该模型,提出了一种分层惩罚连接单个图模型估计的多图模型.研究了新模型的高维统计性质,给出模型的参数估计,并得到了相合性及稀疏性两大理论.     

协方差改进法与半相依回归的参数估计

对于由两个误差项相关的线性回归方程组成的系统,本文应用协方差改进法获得了参数的一个迭代估计序列。我们证明了当协方差阵已知时,该估计序列处处收敛到最佳线性无偏估计,且它们的协方差阵在矩阵偏序意义下单调下降收敛到最佳线性无偏估计的协方差阵,该估计序列具有Pitman准则下的优良性。当协方差阵未知时,我们证明了用协方差阵的无限制估计所产生的两步估计具有无偏性、相合性和渐近正态性。在一定意义下,本文的估计优于文献中已有的一些估计。本文的结果也显示了协方差改进方法的有效性。     

二维随机双线性系统状态估计的降阶

关注的是一类双线性不确定受估计误差协方差配置的随机离散时间系统的降阶状态估计.通过使用逐次逼近法,将原来的最优控制问题转化成一个非齐次线性两个序列点边值问题(两点边值问题).本文提出估计误差协方差的不确定双线性误差动态过程可能具有参数化,且所有降阶状态估计值的误差协方差的特征值可明确取得,并讨论配置条件的可解性.一个简单有效的矩阵不等式方法用来解决此问题.进一步用数值算例证明了该设计过程的有效性.