Глава 6
АНАЛИЗ МНОГОМЕРНЫХ ВРЕМЕННЫХ РЯДОВ
6.1. Модели многомерных временных рядов. Примеры процессов, описываемых моделями многомерных рядов. Понятие пространства состояний
6.2. Рекуррентный метод наименьших квадратов
Вывод уравнений рекуррентного МНК
Свойства рекуррентного МНК
Рекуррентный МНК с экспоненциальным забыванием
6.3. Расширенный метод наименьших квадратов: оценивание параметров модели авторегрессии - скользящего среднего с лаговыми экзогенными переменными
6.4. Рекуррентный МНК - векторная зависимая переменная
6.5. Фильтр Калмана и его применение для оценивания и прогнозирования не полностью наблюдаемых многомерных временных рядов
Модель неполностью наблюдаемого векторного случайного процесса
Вывод уравнений фильтра Калмана
Реализация фильтра Калмана
Свойства фильтра Калмана
Контроль расходимости фильтра Калмана
Обобщение на нестационарный случай
Оценивание регрессии с изменяющимися параметрами
Прогнозирование
Частный случай: прогнозирование полностью наблюдаемых случайных процессов
6.6. Идентификация многомерных моделей
6.6.1. Оценивание параметров линейных моделей
Оценивание параметров полностью наблюдаемых многомерных процессов
Оценивание параметров неполностью наблюдаемых многомерных процессов
6.6.2. Расширенный фильтр Калмана: одновременное оценивание состояний и параметров в нелинейных моделях
6.7. Контрольные вопросы
Томский государственный университет - 2003
.jpg)
