Interesuje mnie, w jaki sposób można zastosować filtry Kalmana do przypisania brakujących wartości w danych szeregów czasowych. Czy ma to również zastosowanie, jeśli brakuje kilku kolejnych punktów czasowych? Nie mogę znaleźć dużo na ten temat. Wszelkie wyjaśnienia, komentarze i linki są mile widziane i doceniane!
12
Odpowiedzi:
Wstęp: Filtrowanie Kalmana :
Filtry Kalmana działają na modelach w przestrzeni stanów (istnieje kilka sposobów, aby je napisać; jest to łatwy w oparciu o Durbina i Koopmana (2012) ; wszystkie poniższe są oparte na tej książce, która jest doskonała):
Dane imputujące :
Jeśli chodzi o odniesienie, Durbin i Koopman (2012) są doskonałe; rozdział 4.10 omawia brakujące obserwacje.
źródło
Przykład w poście, na który wskazuje javlacalle w komentarzu , pokazuje kolejne brakujące punkty czasowe. Być może zainteresują Cię również odstępy wokół wartości przypisanych (prognozowanych w próbie), których obliczenia znajdują się w niniejszym dokumencie Space State , w sekcji 2.1.
Kolejny interesujący artykuł to ten .
źródło