基于 UD 分解的成对及 MIMO 类卡尔曼滤波用于计量经济学模型结构估计
最优化与控制
2024-02-20 v1
摘要
计量经济学现代研究方向之一侧重于将各种结构性计量经济学模型转化为其状态空间形式，从而允许通过卡尔曼滤波方案高效估计未知的动态系统状态和参数。这一趋势产生了先进的状态空间模型结构，需要根据应用需求设计创新的估计技术。本文探讨了线性时不变多输入多输出系统 (LTI MIMO) 和成对马尔可夫模型 (PMM) 及其相关的成对卡尔曼滤波 (PKF)。特别是，我们设计了基于梯度的鲁棒自适应类卡尔曼滤波方法，用于上述模型结构中的状态和参数同时估计。我们的方法快速且准确，因为它们在计算中利用了分析计算的梯度而非数值近似。此外，这些方法采用了基于数值鲁棒 分解的卡尔曼滤波实现，在实践中可靠。我们的新技术在数值算例中进行了检验，并用于处理计量经济学中的一个随机模型。
引用
@article{arxiv.2402.11560,
title = {UD-based pairwise and MIMO Kalman-like filtering for estimation of econometric model structures},
author = {Maria V. Kulikova and Julia V. Tsyganova and Gennady Yu. Kulikov},
journal= {arXiv preprint arXiv:2402.11560},
year = {2024}
}