স্টেট-স্পেস মডেল এবং সুপ্ত রাজ্য

একটি বাজার মূল্য পরিলক্ষিত হয়, যখন একটি দক্ষ মূল্য, প্রবণতা, অস্থিরতা, বা ঝুঁকি প্রিমিয়াম একটি সুপ্ত অবস্থা হিসাবে বিবেচিত হতে পারে।

অবস্থা হল একটি সংক্ষিপ্ত সারাংশ যা গতিবিদ্যা বর্ণনা করতে এবং ভবিষ্যত পর্যবেক্ষণের পূর্বাভাস দিতে হবে। এটি একটি শারীরিকভাবে পরিমাপযোগ্য বস্তুর সাথে সঙ্গতিপূর্ণ হবে না।

একটি রাজ্য নির্বাচন একটি মডেলিং সিদ্ধান্ত. একটি অবশিষ্ট উপাদানকে "মৌলিক মূল্য" বলা সেই অর্থনৈতিক ব্যাখ্যাকে চিহ্নিত করে না।

ট্রানজিশন সমীকরণটি অধ্যবসায়, নিয়ন্ত্রণ এবং প্রক্রিয়ার শব্দ ব্যবহার করে রাষ্ট্রকে এক তারিখ থেকে পরবর্তীতে নিয়ে যায়।

পরিমাপ সমীকরণটি বর্তমান অবস্থাকে পর্যবেক্ষণ করা ভেরিয়েবলে ম্যাপ করে এবং পরিমাপের শব্দ বা স্বল্পস্থায়ী ব্যাঘাত যোগ করে।

সময়-পরিবর্তিত ম্যাট্রিক্সগুলি মৌলিক যুক্তি পরিবর্তন না করেই পরিবর্তিত এক্সপোজার, অনুপস্থিত পর্যবেক্ষণ, ঋতুগত কাঠামো বা পরিচিত হস্তক্ষেপের প্রতিনিধিত্ব করতে পারে।

একটি এক-পদক্ষেপ ভবিষ্যদ্বাণী t−1 সময়ের মাধ্যমে ডেটা থেকে পরবর্তী অবস্থা বা পর্যবেক্ষণ অনুমান করে। এটা আসল রিয়েল-টাইম আগের।

সময় t মাধ্যমে পর্যবেক্ষণের অবস্থা ফিল্টারিং এবং বর্তমান অবস্থা আপডেট. স্মুথিং পূর্ববর্তী অবস্থা সংশোধন করতে পরবর্তী পর্যবেক্ষণ ব্যবহার করে।

একটি মসৃণ ঐতিহাসিক চার্ট লাইভ উপলব্ধ যেকোনো কিছুর চেয়ে পরিষ্কার দেখতে পারে। ব্যাকটেস্টগুলিকে রিয়েল-টাইম ফিল্টার করা অনুমানের জন্য মসৃণ অবস্থার বিকল্প করা উচিত নয়।

বিভিন্ন অবস্থার ঘূর্ণন, দাঁড়িপাল্লা, বা পচন একই পর্যবেক্ষিত বন্টন তৈরি করতে পারে। সীমাবদ্ধতা ছাড়া, সুপ্ত উপাদানগুলির লেবেল এবং ইউনিটগুলি অনন্য নয়।

লোডিং, বৈচিত্র্য, লক্ষণ বা রাষ্ট্রীয় আদেশ ঠিক করা একটি প্রতিনিধিত্ব সনাক্ত করতে পারে, কিন্তু প্রতিটি বিধিনিষেধ একটি অর্থনৈতিক অর্থ বহন করে।

কাছাকাছি-অশনাক্তকরণ ফ্ল্যাট সম্ভাবনা, অস্থির পরামিতি এবং ছোট স্পেসিফিকেশন পছন্দগুলির সাথে তীব্রভাবে পরিবর্তিত অবস্থা হিসাবে উপস্থিত হয়।

প্রক্রিয়া গোলমাল নির্ধারণ করে যে সুপ্ত অবস্থা কত দ্রুত সরে যেতে পারে। পরিমাপের শব্দ নির্ধারণ করে যে একটি পর্যবেক্ষণ সেই অবস্থা থেকে কতটা বিচ্যুত হতে পারে।

একটি উচ্চ প্রক্রিয়া থেকে পরিমাপ গোলমাল অনুপাত একটি প্রতিক্রিয়াশীল অবস্থা তৈরি করে; একটি কম অনুপাত একটি মসৃণ এক ফলন. এটি একটি আনুমানিক ট্রেডঅফ, একটি প্রসাধনী সেটিং নয়।

যদি উভয় ব্যাঘাত একই ভিন্নতা শোষণ করে, তবে তাদের বৈচিত্রগুলি দুর্বলভাবে চিহ্নিত করা যেতে পারে। একাধিক পরিমাপ বা কাঠামোগত সীমাবদ্ধতা সাহায্য করতে পারে।

লিনিয়ার গাউসিয়ান মডেলগুলি প্রায়ই কালমান ফিল্টার ব্যবহার করে ভবিষ্যদ্বাণী ত্রুটি এবং তাদের বৈচিত্রগুলি গণনা করতে, একটি উদ্ভাবনের সম্ভাবনা তৈরি করে।

প্রমিত উদ্ভাবনের পদ্ধতিগত স্বয়ংক্রিয় সম্পর্ক এবং অনুমানযোগ্য বৈচিত্র্যের অভাব থাকা উচিত। অবশিষ্ট নিদর্শন মিস গতিবিদ্যা বা পর্যবেক্ষণ গঠন নির্দেশ করে.

Outliers, ভারী লেজ, nonlinearities, এবং প্যারামিটার বিরতি রাষ্ট্র বিকৃত করতে পারে. দৃঢ়, অরৈখিক, নন-গাউসিয়ান, বা সিমুলেশন পদ্ধতি অনুমানের পাশাপাশি গণনার পরিবর্তন করে।

স্টেট-স্পেস মডেলগুলি একটি ফলন বক্ররেখাকে সুপ্ত কারণগুলির মধ্যে আলাদা করতে পারে, সময়-পরিবর্তনকারী বিটা অনুমান করতে পারে, বা মাইক্রোস্ট্রাকচার শব্দ থেকে একটি দক্ষ মূল্যকে আলাদা করতে পারে।

তারা স্টোকাস্টিক অস্থিরতা, সুপ্ত তারল্য, বা ধীরে ধীরে পরিবর্তিত প্রত্যাশিত রিটার্নের প্রতিনিধিত্ব করতে পারে, যদি পর্যবেক্ষণে যথেষ্ট তথ্য থাকে।

একটি নমনীয় পচন কার্যকারণ প্রমাণ নয়। প্রতিটি সুপ্ত উপাদান এটি সংজ্ঞায়িত করতে ব্যবহৃত পরিমাপ পছন্দ এবং ট্রানজিশন সীমাবদ্ধতার উত্তরাধিকারী হয়।

একটি একক লাইনের পরিবর্তে রাষ্ট্রীয় অনিশ্চয়তার সাথে ঐতিহাসিক পুনর্বিবেচনা গুরুত্বপূর্ণ হলে ফিল্টার করা এবং মসৃণ উভয় পথের প্রতিবেদন করুন।

সমীকরণ, একক, বিধিনিষেধ, প্রাথমিক বন্টন, নয়েজ কোভেরিয়েন্স, প্যারামিটার পদ্ধতি, অনুপস্থিত-ডেটা পরিচালনা, এবং পূর্বাভাসের উত্স বর্ণনা করুন।

রোলিং পূর্বাভাস এবং সংশোধন মূল্যায়ন. একটি মডেল যা সুন্দরভাবে সম্পূর্ণ ইতিহাস ব্যাখ্যা করে সে নমুনার প্রান্তে বর্তমান অবস্থাকে খারাপভাবে অনুমান করতে পারে।