状态空间模型中基于近似贝叶斯计算（ABC）的 forecasting
统计方法学
2023-11-03 v1 统计计算
摘要
近似贝叶斯计算（ABC）作为一种在复杂模型中进行推断与预测的方法已广受欢迎，尤其是在某些意义上难以处理的模型中。在本文中，我们使用 ABC 在状态空间模型（SSMs）中生成概率预测。尽管正确设定下的 SSMs 中基于 ABC 的预测已被研究，但错误设定情形尚未被探讨，而我们所强调的正是该情形。我们援引近期“聚焦”贝叶斯预测的原则，其中贝叶斯更新由奖励预测准确性的评分规则所驱动；其目的是在该规则下产生表现良好的预测，尽管存在错误设定。我们研究了两种生成聚焦预测的方法。在模拟设定中，两种方法均呈现出“连贯”预测：通过特定评分规则构建的预测在该规则下预测最佳。重要的是，两种聚焦方法通常比精确但错误设定的预测产生更准确的预测。对一个真正难以处理的 SSM 的实证应用完成了本文。
引用
@article{arxiv.2311.01021,
title = {ABC-based Forecasting in State Space Models},
author = {Chaya Weerasinghe and Ruben Loaiza-Maya and Gael M. Martin and David T. Frazier},
journal= {arXiv preprint arXiv:2311.01021},
year = {2023}
}