状态空间模型和卡尔曼滤波

thinkfunny

第十一章状态空间模型和卡尔曼滤波

State Space Models and Kalman Filter

上世纪60年代初，由于工程控制领域的需要，产生了卡尔曼滤波(Kalman Filtering)。 进入70年代初，人们明确提出了状态空间模型的标准形式，并开始将其应用到经济领域。
* j* v, a$ u$ T" S: k80年代以后，状态空间模型已成为一种有力的建模工具。许多时间序列模型，包括典型的线性回归模型和ARIMA模型都能作为特例写成状态空间的形式，并估计参数值。在计量经济学文献中，状态空间模型被用来估计不可观测的时间变量：理性预期，测量误差，长期收入，不可观测因素(趋势和循环要素)。状态空间模型在经济计量学领域其他方面的大量应用请参见Harvey (1989) 和Hamilton (1994)。

游客，如果您要查看本帖隐藏内容请回复

' h) |; Y& v$ G) A: y% v" j. n! F; R
9 G- S* w2 `& {3 k1 ]( v

& n- B4 g* P6 m

ExxNEN

状态空间模型和卡尔曼滤波