类:dssm
扩散状态空间模型的极大似然参数估计
如果模型随观察到的响应而随时间变化,则软件不支持包含预测器。万博1manbetx如果不同时期的观测向量长度不同,那么软件就无法确定使用哪些系数来缩小观测到的响应。
如果扩散状态空间模型存在可识别性问题(即,至少两组不同的参数值对所有观测产生相同的似然值),则估计
不能正确初始化扩散状态,结果不可预测。
约束似然目标函数最大化
您可以在参数上指定线性不等式、线性等式以及上界和下界约束的任意组合。
良好的实践是在优化过程中避免等式和不等式约束。例如,约束参数w如果是正的,可以使用参数到矩阵映射函数隐式地指定状态空间模型。在函数中,setw= exp (年代)在函数内。然后,利用无约束优化进行估计年代.因此,年代可以假设任何实际价值,但是w肯定是积极的。
预测因子和相应系数
若要包含观测模型的总体平均值,则包含的列1
年代Zt.
为了解释模拟时的预测器效应,必须手动缩小观测值。为了缩小观察结果,使用
如果回归模型很复杂,那么考虑隐式地定义状态空间模型。例如,使用以下语法模式定义参数到矩阵映射函数。
函数[A,B,C,D,Mean0,Cov0,StateType,DeflateY] = ParamMap(params,Y,Z)...DeflateY = Y - exp(params(9) + params(10)*Z);...结束
Y
矩阵的观察和Z
是预测因子的矩阵。函数返回DeflateY
,这是瘪减观测的矩阵。指定Y
而且Z
在MATLAB工作区之前,然后通过ParamMap
来舰导弹
使用以下语法模式。
Mdl = ssm(@(参数)ParamMap(参数,Y,Z))
如果每个响应系列需要一组不同的预测器,这也很有用。
如果状态方程需要预测器,那么将预测器作为额外的状态变量。由于预测器数据随时间变化,以预测器为状态的状态空间模型是时变的。
扩散状态空间模型
您不能使用平方根方法来过滤和平滑扩散状态空间模型。作为一种变通方法,您可以使用将扩散状态空间模型转换为标准状态空间模型舰导弹
,然后使用平方根法进行过滤。在转换时,所有扩散状态都有一个有限的,尽管很大的初始分布方差1 e7
.
最好的做法是让估计
确定的价值SwitchTime
.然而,在极少数情况下,您可能会在估计、过滤或平滑扩散状态空间模型期间遇到数值问题。对于这种情况,尝试使用各种方法SwitchTime
规格,或考虑不同的模型结构。换句话说,简化模型或验证模型是可识别的。例如,使用将弥漫状态空间模型转换为标准状态空间模型舰导弹
.
额外的建议
的卡尔曼滤波器通过不更新与缺失观测值相对应的过滤状态估计来容纳缺失数据。换句话说,假设在周期有一个缺失的观测t.然后,对时期进行状态预测t基于前面的t- 1个观测值和周期过滤状态t是等价的。
的扩散卡尔曼滤波器需要预采样数据。如果缺失观测开始于时间序列,那么扩散卡尔曼滤波器必须收集足够的非缺失观测来初始化扩散状态。
对于显式创建的状态空间模型,估计
将所有预测器应用到每个响应系列。然而,每个响应系列都有自己的回归系数集。
如果您没有指定优化约束,那么估计
使用fminunc
对于无约束数值估计。如果指定任意一对优化约束,则估计
使用fmincon
用于约束数值估计。对于任何一种类型的优化,都可以使用名称-值对参数设置优化选项选项
必须与优化算法的选项一致。
估计
传递名称-值对参数选项
,Aineq
,bineq
,Aeq
,说真的
,磅
,乌兰巴托
直接到优化器fmincon
或fminunc
.
估计
拟合回归系数以及所有其他状态空间模型参数。该软件足够灵活,允许使用约束优化选项将约束应用于回归系数。有关详细信息,请参见名称,值
对参数和fmincon
.
如果你设置“一元”,真的
然后,在过滤算法过程中,软件按顺序更新,而不是一次性更新。这种做法可能会加速参数估计,特别是对于低维时不变模型。
假设您希望使用带有此签名的参数到矩阵映射函数创建一个状态空间模型
[A,B,C,D,Mean0,Cov0,StateType,DeflateY] = paramMap(params,Y,Z)
Mdl = dssm(@(参数)paramMap(参数,Y,Z))
Y
预测数据Z
不是匿名函数中的输入参数。如果Y
而且Z
在创建之前存在于MATLAB工作区中Mdl
,然后软件建立与它们的链接。否则,如果你通过了Mdl
来估计
,该软件抛出一个错误。由匿名函数建立的数据链接覆盖的所有其他相应的输入参数值估计
.这种区别在进行滚动窗口分析时尤其重要。详细信息请参见时间序列模型的滚动窗口分析.
对于弥漫状态空间模型,估计
当累积观测数和扩散状态数相等时,通常从弥漫卡尔曼滤波器切换到标准卡尔曼滤波器。
[1]德宾J.和S. J.库普曼。状态空间方法的时间序列分析.牛津:牛津大学出版社,2012年。