当样本量和变量维数都很大时，研究了多元正态分布协方差矩阵和精度矩阵的估计问题。精度矩阵的估算在各种统计推断中都很重要，包括Fisher线性判别分析，基于马氏距离等的置信区间。标准估计量是样本协方差矩阵的逆，但它可能不稳定或无法在高维中定义。尽管（自适应）岭型估计是对大维有用且稳定的替代方法。然而，我们面临着如何选择岭参数及其估计以及如何在高维情况下建立岭函数的渐近阶的问题。本文考虑协方差阵和精度阵的岭估计的一般类型，并导出其风险函数的渐近展开式。然后我们建议使用岭函数，使得岭估计的风险的二阶项小于标准估计的风险。