Za izboljšano oceno kovariančne matrike je potrebno majhne lastne vrednosti odmikati od nič, medtem ko se večje približujejo ustrezni predhodni oceni.

Za določitev orientacije lokalne ravnine površja smo uporabili metodo variančno-kovariančne matrike, ki omogoča analizo geometrijske razpršenosti točk v prostoru.

Z upoštevanjem kovariančne matrike preverja ali je model sposoben generirati celoten spekter in ne le nekaj primerov.

Včasih je namesto uporabe kovariančne matrike za določitev glavnih komponent bolj smiselna uporaba korelacijske matrike in njenih lastnih vektorjev in vrednosti.

Vsaka točka uporabi položaje sosed za izračun kovariančne matrike.

Vredno je še omeniti, da je velikost kovariančne matrike in zemljevida odvisna od števila zaznanih značilnic.

Večkriterijska evolucijska strategija s prilagajanjem kovariančne matrike in selekcijo z vejico (angl.

To poudarja pomen upoštevanja kakovosti cenilk kovariančne matrike pri optimizaciji portfelja.

To nakazuje, da se glavni latentni faktor v strukturi kovariančne matrike ni skladal z dolgoročno donosnostjo megakapitalskih delnic v preizkušanem obdobju.

Sinteza na podlagi modela temelji na možnosti vzorčenja podatkov iz izračunane porazdelitve in kovariančne matrike.

Sam algoritem se izvaja v realnem času, kar pomeni, da je nova meritev takoj uporabljena za posodobitev vektorja stanj in kovariančne matrike.

Pričakovani donos portfelja in njegova volatilnost sta tu izražena kot funkciji vektorja uteži, povprečnih donosov posameznih sredstev ter njihove kovariančne strukture.

Primerjava uspešnosti strategij glede na metodo ocene kovariančne matrike . . . . . . . . . . . . . . . . . . . . . . . . . .

Pri uporabi kovariančne matrike pri pridobitvi komponent pa je vpliv spremenljivke z veliko varianco prav tako večji.

Pri optimizaciji portfeljev je ključna uporaba boljše ocene kovariančne matrike kot vzorčne, da se izognemo portfeljem z nizko ali ničelno napovedano varianco.

Pri odločitvi smo se osredotočali na podatke in tako pregledali interkvartilni razpon korelacij znotraj variančno kovariančne matrike.

Predvsem slaba pogojenost vzorčne kovariančne matrike izhaja iz pristranskosti majhnih lastnih vrednosti okoli nič.

Prednost tega pristopa je enostavnost in prilagodljivost zasnove kovariančne funkcije ter možnost upoštevanja predpostavk glede strukture variabilnosti v prostoru.

Prednost knjižnice predstavljajo podatki o presekih in kovariančne matrike za zelo veliko število obstoječih reakcij, vključujoč skoraj vse obstoječe izotope.

Poleg tega že shranjevanje kovariančne matrike zahteva izjemno količino pomnilnika.