Question

我正在使用＆＃39; KFAS＆＃39;来自R的包来估计具有卡尔曼滤波器的状态空间模型。我的测量和转换方程是：

y_t = Z_t * x_t + \ eps_t（测量）

x_t = T_t * x_ {t-1} + R_t * \ eta_t（过渡），

用\ eps_t~N（0，H_t）和\ eta_t~N（0，Q_t）。

所以，我想估计方差H_t和Q_t，还要估算T_t，即AR（1）系数。我的代码如下：

library(KFAS)

set.seed(100)

eps <- rt(200, 4, 1)
meas <- as.matrix((arima.sim(n=200, list(ar=0.6), innov = rnorm(200)*sqrt(0.5)) + eps), 
ncol=1)

Zt <- 1
Ht <- matrix(NA)
Tt <- matrix(NA)
Rt <- 1
Qt <- matrix(NA)

ss_model <- SSModel(meas ~ -1 + SSMcustom(Z = Zt, T = Tt, R = Rt, 
                                             Q = Qt), H = Ht)
fit <- fitSSM(ss_model, inits = c(0,0.6,0), method = 'L-BFGS-B')

但它返回：＆＃34;错误在is.SSModel（do.call（updatefn，args = c（list（inits，model），update_args））,:系统矩阵（不包括Z）包含NA或无限值，协方差矩阵包含大于1e + 07＆＃34的值;

方差的NA定义很有效，如包装论文中所述。但是，似乎无法对AR系数进行此操作。有谁知道我该怎么做？

请注意，我知道SSMarima函数，它将转换方程的定义简化为ARIMA模型。虽然我能估计AR（1）coef。和Q_t这样，我仍然无法估计\ eps_t方差（H_t）。此外，我正在将我的卡尔曼滤波器代码从EViews迁移到R，所以我需要学习更复杂的其他模型的SSMcustom。

谢谢！

Answer 1

您的示例中似乎缺少某些内容，因为您的错误消息来自函数fitSSM。如果要使用fitSSM来估计一般状态空间模型，则需要提供自己的模型更新功能。默认行为只能处理协方差矩阵H和Q中的NA。fitSSM的主要目标只是开始使用简单的东西。对于复杂模型和/或大数据，我建议使用您自己编写的目标函数（借助logLik方法）和您最喜欢的数值优化程序，以获得最佳性能。像这样：

library(KFAS)

set.seed(100)

eps <- rt(200, 4, 1)
meas <- as.matrix((arima.sim(n=200, list(ar=0.6), innov = rnorm(200)*sqrt(0.5)) + eps), 
ncol=1)

Zt <- 1
Ht <- matrix(NA)
Tt <- matrix(NA)
Rt <- 1
Qt <- matrix(NA)

ss_model <- SSModel(meas ~ -1 + SSMcustom(Z = Zt, T = Tt, R = Rt, 
                                             Q = Qt), H = Ht)

objf <- function(pars, model, estimate = TRUE) {
  model$H[1] <- pars[1]
  model$T[1] <- pars[2]
  model$Q[1] <- pars[3]
  if (estimate) {
  -logLik(model)
  } else {
    model
  }
}

opt <- optim(c(1, 0.5, 1), objf, method = "L-BFGS-B", 
  lower = c(0, -0.99, 0), upper = c(100, 0.99, 100), model = ss_model)

ss_model_opt <- objf(opt$par, ss_model, estimate = FALSE)

与fitSSM相同：

updatefn <- function(pars, model) {
  model$H[1] <- pars[1]
  model$T[1] <- pars[2]
  model$Q[1] <- pars[3]
  model
}


fit <- fitSSM(ss_model, c(1, 0.5, 1), updatefn, method = "L-BFGS-B", 
  lower = c(0, -0.99, 0), upper = c(100, 0.99, 100))

identical(ss_model_opt, fit$model)

如何用KFAS＆＃39;估计卡尔曼滤波器？ R包，具有AR（1）转移方程？

1 个答案: