Durum-uzay modellerinin ve KF'nin tüm iyi özellikleri göz önüne alındığında, merak ediyorum - durum-uzay modellemesinin dezavantajları nelerdir ve Kalman Filtresi (veya EKF, UKF veya partikül filtresi) tahmini için kullanılır? Diyelim ki ARIMA, VAR veya geçici / sezgisel yöntemler gibi geleneksel metodolojiler diyelim.
Kalibrasyonları zor mu? Bir modelin yapısındaki bir değişimin öngörüleri nasıl etkileyeceğini görmek zor ve karmaşık mıdır?
Veya başka bir deyişle - konvansiyonel ARIMA, VAR'ın durum modellerine göre avantajları nelerdir?
Bir devlet-uzay modelinin sadece avantajlarını düşünebilirim :
- Bazı statik modellerin yapısal kırılmalarını, kaymalarını, zamanla değişen parametrelerini kolayca idare eder - sadece bu parametreleri bir durum-uzay modelinin dinamik durumlarını yapar ve model otomatik olarak parametrelerdeki herhangi bir kaymaya göre ayarlanır;
- Eksik verileri çok doğal olarak ele alıyor, KF'nin geçiş adımını yapıyor ve güncelleme adımını atmıyor;
- Bir durum-uzay modelinin kendi kendine-anında parametrelerinin değiştirilmesine izin verir (seslerin ve geçiş / gözlem matrislerinin kovaryansları), böylece mevcut gözleminiz diğerlerinden biraz farklı bir kaynaktan geldiyse - bunu tahmin etmeden kolayca tahmin etmeye dahil edebilirsiniz özel bir şey;
- Yukarıdaki özellikleri kullanarak düzensiz aralıklı verileri kolayca işlemeye izin verir: ya gözlemler arasındaki aralığa göre her seferinde bir model değiştirin ya da düzenli aralık kullanın ve aralıkları eksik veriler olarak gözlemlemeden kullanın;
- Bir temel miktarı tahmin etmek için aynı modelde aynı anda farklı kaynaklardan gelen verilerin kullanılmasını sağlar;
- Yorumlanabilir birkaç gözlemlenemez dinamik bileşenden bir model oluşturmaya ve bunları tahmin etmeye izin verir;
- Herhangi bir ARIMA modeli bir durum-uzay formunda gösterilebilir, ancak yalnızca basit durum-uzay modelleri tam olarak ARIMA formunda gösterilebilir.