假设/背景：假设我有可以建模为动态线性模型的数据。为了估计参数（例如，状态/系统方程的协方差矩阵），我使用吉布斯采样或其他马尔可夫链蒙特卡罗程序。

问题：问题在于，为了使用 Gibbs 采样器，我使用了 FFBS 算法，该算法使用了数据系列的整个历史。因此，如果我想测试我的模型过去预测的准确性，我将使用一个装有未来数据的模型。因此，我可能计算的性能度量存在前瞻偏差（例如，残差的均方误差）。

我最初的虽然肯定是劣等的想法：假设我有“时间点”数据（例如，我知道数据过去何时可供建模者使用），“蛮力”方法是使用估计模型的参数从周期到的数据并预测观察变量并对所有重复此过程。因此，如果我有一个包含 80 个观察值的单变量时间序列，我将需要重复此过程 79 次（第一次用于周期的数据，第二次用于周期的数据，第三次用于周期$1$$t-1$$y_{t}$$t \in T$$t=1$$t=1:2$$t=1:3$， 等等）。对于这个时间序列，我将有 79 个不同的模型。然后，我将的预测的残差来计算一些性能度量（例如， Theil's U ） 。$y_{t}$

问题： 1）我对 FFBS 算法产生的前瞻偏差是否不正确？2）有人知道使用贝叶斯技术有效估计状态空间时间序列模型的方法吗？