在研究了基于混合频率数据对金融时间序列进行建模和预测的选项后，我遇到了状态空间模型，这似乎值得探索。
但是，对于状态空间模型的工作原理或它们如何允许混合频率，我一直无法找到清晰、直观且很大程度上非数学的解释。
由于我在这个主题上找到的所有信息似乎都非常技术性，我希望其他人非常感谢对似乎是一个非常强大的工具的一些澄清。
状态空间模型的直观解释
机器算法验证
时间序列
预测
卡尔曼滤波器
状态空间模型
2022-03-26 02:55:20
1个回答
好消息是你的直觉是正确的，这将是一种有用的技术。坏消息是，如果您不了解大量线性代数，您就无法使用它。这都是关于具有多个矩阵乘法的多个方程。
诸如 R 的bsts包之类的一些工具使其更易于访问，但从根本上说，它比其他工具更复杂。并不是说您应该在没有一定技术水平的情况下使用 ARIMA 或其他方法，但是根据我的经验，大多数状态空间（也称为动态线性模型）包在您需要知道各种矩阵的哪些部分代表和表示的地方存在差距。
考虑到所有这些，作为一个可读的介绍，我推荐 Jacques JF Commandeur 和 Siem Jan Koopman 于 2007 年在牛津出版的“An Introduction to State Space Time Series Analysis”。这是一本很短的书，过去非常昂贵，但似乎它可能已在互联网上发布。不过，我不相信这本书提到了混合频率数据。
如果你使用 R，你应该检查一下bsts.
其它你可能感兴趣的问题