贝叶斯多元非线性状态空间 copula 模型
统计方法学
2019-11-04 v1
摘要
本文提出一类基于 copula 的灵活多元非线性非高斯状态空间模型。具体而言，我们假设观测方程与状态方程由未必相等的 copula 族定义。对每个时间点，所得模型可描述为在第一棵树后截断的 C-vine copula，其中根节点由潜状态表示。推断在贝叶斯框架下使用哈密顿蒙特卡洛方法执行，并以在第一棵树后截断的进一步 D-vine 作为先验分布来捕捉潜状态中的时间依赖性。仿真研究表明，所提出的基于 copula 的方法极为灵活，因其能够描述广泛的依赖结构，同时允许处理缺失数据。对大气污染物测量数据的应用表明，我们的方法适用于在存在缺失值情况下对数据动态进行精确建模与预测。与高斯线性状态空间模型及贝叶斯加性回归树的比较显示了所提模型在预测精度上的优越性能。
引用
@article{arxiv.1911.00448,
title = {Bayesian Multivariate Nonlinear State Space Copula Models},
author = {Alexander Kreuzer and Luciana Dalla Valle and Claudia Czado},
journal= {arXiv preprint arXiv:1911.00448},
year = {2019}
}