Romain Couillet
机构：University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）。随机矩阵理论在信号处理与金融统计中的应用。
在本 wiki 的论文
- Yang-Couillet-McKay 2015 — A Robust Statistics Approach to Minimum Variance Portfolio Optimization — 用随机矩阵理论证明（缩放后的）实现组合风险的一致估计量，从而让收缩强度可以被在线优化。
方法论取向
用随机矩阵理论（random matrix theory）给统计估计量做「一致性证明 + 可计算」的组合拳。在 Couillet 的工作里，大维渐近（N,T\to\infty、N/T 有界）不是纯理论工具——它直接产出可在线使用的风险估计量，这正是 Yang 等 2015 那篇能把收缩强度变成优化变量的技术前提。
相关的一条独立工作线是他与 McKay 合写的大维稳健收缩协方差估计量分析（Journal of Multivariate Analysis 131: 99–120, 2014），该文证明 Pascal–Chitour–Quek (2014)、Chen–Wiesel–Hero (2011) 等几条平行提出的稳健收缩估计量在大维下渐近等价，因此可用统一的随机矩阵模型分析——Yang 等 2015 正是在这个已铺好的路上继续往前推。