全文总字数：1434字

1. 毕业设计（论文）的内容、要求、设计方案、规划等

随着信息技术的发展，大数据被广泛应用在各个领域。

当维度较高、数据量较大时，协方差阵的估计将面临着维数诅咒、噪声影响等诸多挑战，如何有效地对其估计成为统计领域中凾待解决的问题。

由于理论上的挑战性和实际中的广泛应用,近年来高维协方差矩阵估计成为了研究热点,并且关于它的文献日益趋多。

2. 参考文献（不低于12篇）

1.刘丽萍，金融高维协方差阵的估计及其应用，统计与决策，2016.v9。 2.李小雪，明瑞星，高维协方差矩阵估计方法的比较，江西师范大学学报(自然科学版)，2015年06期。 3.解悦.高维方差分析[D]， 东北师范大学， 2014。 4.宋运忠，杨丽英，基于L1范数最小化的逆协方差矩阵估计，河南师范大学学报(自然科学版)，2016年05期。 5.刘丽萍，马丹，白万平，大维数据的动态条件协方差阵的估计及其应用，统计研究 , 2015年06期。 6.王成，大维数据的总体协方差矩阵研究，中国科学技术大学， 2013。7.黎春艳，基于Fama-French三因素模型下的高维协方差矩阵估计法在中国股票投资组合中的实证研究，厦门大学，2014。8.Jianqing Fan,Yuan Liao,Martina Mincheva.Large covariance estimation by thresholding principal orthogonal complements[J]. J. R. Stat. Soc. B . 2013 (4)9.Lam Clifford,Fan Jianqing.Sparsistency and Rates of Convergence in Large Covariance Matrix Estimation. The Annals of Statistics . 200910.Dicker L. Variance estimation in high-dimensional linear models[J]. Biometrika, 2014, 101(2): 269-284.11. Paul D, Wang L. Discussion of Estimating structured high-dimensional covariance and precision matrices: Optimal rates and adaptive estimation[J]. Electronic Journal of Statistics, 2016, 10(1): 74-80.12. Cui Y, Leng C, Sun D, et al. Sparse estimation of high-dimensional correlation matrices[J]. Computational Statistics Data Analysis, 2016: 390-403.