全部版块 我的主页
论坛 经济学人 二区 外文文献专区
1415 24
2022-05-25
英文标题:
《Asymptotic Eigenvalue Distribution of Wishart Matrices whose Components
  are not Independently and Identically Distributed》
---
作者:
Takashi Shinzato
---
最新提交年份:
2016
---
英文摘要:
  In the present work, eigenvalue distributions defined by a random rectangular matrix whose components are neither independently nor identically distributed are analyzed using replica analysis and belief propagation. In particular, we consider the case in which the components are independently but not identically distributed; for example, only the components in each row or in each column may be {identically distributed}. We also consider the more general case in which the components are correlated with one another. We use the replica approach while making only weak assumptions in order to determine the asymptotic eigenvalue distribution and to derive an algorithm for doing so, based on belief propagation. One of our findings supports the results obtained from Feynman diagrams. We present the results of several numerical experiments that validate our proposed methods.
---
中文摘要:
本文采用复型分析和信念传播方法,分析了由随机矩形矩阵定义的特征值分布,该矩阵的各分量既不是独立分布的,也不是相同分布的。特别地,我们考虑组件独立但分布不相同的情况;例如,只有每行或每列中的组件可以是{相同分布}。我们还考虑组件相互关联的更一般情况。为了确定渐近特征值分布,我们使用了副本方法,同时只做了较弱的假设,并推导了一种基于信念传播的算法。我们的一个发现支持费曼图的结果。我们给出了几个数值实验的结果,验证了我们提出的方法。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Portfolio Management        项目组合管理
分类描述:Security selection and optimization, capital allocation, investment strategies and performance measurement
证券选择与优化、资本配置、投资策略与绩效评价
--
一级分类:Physics        物理学
二级分类:Disordered Systems and Neural Networks        无序系统与神经网络
分类描述:Glasses and spin glasses; properties of random, aperiodic and quasiperiodic systems; transport in disordered media; localization; phenomena mediated by defects and disorder; neural networks
眼镜和旋转眼镜;随机、非周期和准周期系统的性质;无序介质中的传输;本地化;由缺陷和无序介导的现象;神经网络
--
一级分类:Physics        物理学
二级分类:Mathematical Physics        数学物理
分类描述:Articles in this category focus on areas of research that illustrate the application of mathematics to problems in physics, develop mathematical methods for such applications, or provide mathematically rigorous formulations of existing physical theories. Submissions to math-ph should be of interest to both physically oriented mathematicians and mathematically oriented physicists; submissions which are primarily of interest to theoretical physicists or to mathematicians should probably be directed to the respective physics/math categories
这一类别的文章集中在说明数学在物理问题中的应用的研究领域,为这类应用开发数学方法,或提供现有物理理论的数学严格公式。提交的数学-PH应该对物理方向的数学家和数学方向的物理学家都感兴趣;主要对理论物理学家或数学家感兴趣的投稿可能应该指向各自的物理/数学类别
--
一级分类:Mathematics        数学
二级分类:Mathematical Physics        数学物理
分类描述:math.MP is an alias for math-ph. Articles in this category focus on areas of research that illustrate the application of mathematics to problems in physics, develop mathematical methods for such applications, or provide mathematically rigorous formulations of existing physical theories. Submissions to math-ph should be of interest to both physically oriented mathematicians and mathematically oriented physicists; submissions which are primarily of interest to theoretical physicists or to mathematicians should probably be directed to the respective physics/math categories
math.mp是math-ph的别名。这一类别的文章集中在说明数学在物理问题中的应用的研究领域,为这类应用开发数学方法,或提供现有物理理论的数学严格公式。提交的数学-PH应该对物理方向的数学家和数学方向的物理学家都感兴趣;主要对理论物理学家或数学家感兴趣的投稿可能应该指向各自的物理/数学类别
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-5-25 07:45:05
分量非独立同分布Wishart矩阵的渐近特征值分布Takashi Shinzato*Mori Arinori Higher教育和全球流动中心,Hitotsubashi大学,东京,1868601年,日本。(日期:2021年7月3日)在本研究中,使用副本分析和信念传播对由随机矩形矩阵定义的特征值分布进行分析,该矩阵的成分既不是独立的,也不是真实分布的。特别地,我们考虑组件独立但分布不相同的情况;例如,只有每行或每列中的组件可能具有相同的分布。我们还考虑组件相互关联的更一般情况。为了确定渐近特征值分布,我们使用了副本方法,同时只做了较弱的假设,并推导了基于信念传播的算法。我们的一个发现支持费恩曼图得出的结果。我们给出了几个数值实验的结果,验证了我们提出的方法。PACS编号:89.90+n、 75.10。Nr,89.65。Gh,02.50-国际扶轮社。引言随机矩阵,其中每个成分都被视为一个随机变量,在许多研究领域,包括数论、组合理论、核物理、凝聚态物理、生物学、数学金融和通信理论,在理论和实践上都得到了广泛的使用和研究[1-5]。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-25 07:45:08
特别地,研究了随机平方矩阵的数学结构;研究主题包括以厄米随机矩阵为特征的高斯酉系综(GUE)的特征值分布和水平间距分布,以及以正交随机矩阵为特征的高斯或正交系综(GOE)的特征值分布和水平间距分布。对于随机矩形矩阵,研究主题包括由自协方差矩阵定义的Wishart矩阵的奇异值和渐近特征分布【6–12】。例如,Marˇcenko和Pastur考虑了渐近特征值分布,当给定随机矩形矩阵的每个条目都是从概率分布为平均值0、方差为1/N、自方差为N×N的总体中独立相同地提取出来时,当自协方差矩阵的特征值分布足够大时,其特征值分布非常接近渐近分布;这被称为《马钦科-帕斯图尔法》[6]。Silverstein和Choi使用Stieltjes变换重新推导了Marˇcentko–Pastur定律的辛本征值分布[7,8]。森古普塔(Sengupta)和米特拉(Mitra)利用矩阵大小的倒数,扩展了随机矩阵的预解式,其中各分量相互关联,并且他们使用费曼图对确定不对称特征值分布的定点方程进行排序【9】。Burda、G¨orlich、Jarsoz和Jukiewicz从*takashi。shinzato@r.hit-u、 ac.JP使用费曼图获得的相关矩阵的渐近特征值分布与从实际数据集估计的特征值分布之间的关系【10】。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-25 07:45:11
此外,Burda、Jurkiewicz和Waclaw通过考虑溶剂和矩母函数成功推导出了这些估计值之间的关系[11]。Recher、Kieburg和Guhr使用超矩阵理论来评估组成部分相关的小随机矩阵的特征分布,并将理论结果与数值实验得到的结果进行比较[12]。如上所述,已有许多研究使用费曼诊断图或supermatr ix理论来评估由随机矩阵集合定义的渐近特征值分布,但很少有研究使用复制分析或信念传播来研究Wishart矩阵的渐近特征值分布,其中组分是独立但不相同分布的,或者它们相互关联。假设预解式可以扩展到矩阵大小的倒数,并且每个项的集合平均值是独立的;此外,它还隐含地假设,在费曼图方法中,关于不可约自能的递归关系是预解式的主要部分。此外,为了使用费曼图方法,需要计算逆矩阵,所需的计算时间过长。我们注意到,投资组合优化问题被广泛认为是随机矩阵理论最重要的应用之一。如果我们假设一个投资市场中,资产回报率的方差不相同,那么我们需要使用一个随机矩阵集合,其中各成分的分布不相同【13–19】。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-25 07:45:14
此外,由于我们可以使用Wis-hart矩阵定义的渐近特征值分布来评估表征最优投资组合(定义为投资风险最小化的投资组合)的两个数量的典型行为,以解决投资组合优化问题,我们需要系统地研究非同分布随机矩阵的符号特征值分布。因此,在本文中,我们的目标是确定一个随机矩阵集合的渐近eige值分布,在该集合中,条目独立但不相同分布,或者它们彼此相关;我们将使用副本分析来实现这一点,因为它不需要计算逆矩阵,也不需要二阶统计量的信念传播。我们通过几个数值实验的结果验证了我们所提出方法的有效性。本文的组织结构如下。在第一节中,我们考虑格林函数和特征值分布之间的关系;我们这样做是为了分析得出渐近特征值分布,并解释以前各种研究中使用的方法。在第三节中,我们发展了一种基于副本分析的方法,以评估条目既不独立也不相同分布的随机矩阵集合的渐近特征值分布。在第四节中,我们以类似的方式推导了基于信念传播的分析算法。在第五节中,我们给出了数值模拟的结果,表明了我们提出的方法的一致性和准确性。第六节总结了我们的发现,并讨论了未来的工作领域。二、特征值分布和格林函数a。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-25 07:45:17
渐近特征值分布和格林函数在这一部分中,作为推导共有特征值分布的准备,我们讨论了由随机回归矩阵定义的Wishart矩阵的特征值分布与格林函数之间的关系。与Wishartet al.(1,20,21)的讨论类似,我们考虑一个随机矩形矩阵,X=nxiu√不∈ RN×p,(i=1,··,N,u=1,··,p)。为简单起见,我们假设随机矩阵表示一个随机矩形矩阵;我们将假设一个随机矩阵的每个条目的期望值为(或未标准化为)0;我们假设1/√Nis由方差-协方差矩阵的最大或最小特征值确定的标度系数,该矩阵是一个随机矩阵(Wishart矩阵),其中α=p/N~ O(1)。根据这些设置,Wishart矩阵XXT的特征值分布∈ RN×N,ρ(λ| X),可以使用N个特征值λ,···,λN来表示如下:ρ(λ| X)=NNXk=1δ(λ- λk),(1),其中δ(x)是狄拉克δ函数,上标表示向量或矩阵的换位。此外,通过使用跟踪操作符,Tr,等式(1)c可以重写为ρ(λ| X)=NTrδλ英寸- XXT型, 式中δ(Y)=limε→+02πi(Y)- iεIN)-1.- (Y+iεIN)-1.,Y∈ RN×N;和INis单位矩阵,即IN=diag{1,1,·····,1}∈ RN×N(以下简称Im∈ Rm×m将用于表示m维单位矩阵)。接下来,为了推导特征值分布,我们定义了两种格林函数(或预解函数),如下所示:GR(λ| X)=limε→+0NTr(λ+iε)IN- XXT型-1,(2)GA(λ| X)=limε→+0NTr(λ- iε)英寸- XXT型-1,(3)其中,GR(λ| X)是保留的格林函数,GA(λ| X)是高级格林函数。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群