Filtr Kalmana: predykcja, innowacja i aktualizacja
Poznaj cykl predykcji i aktualizacji Kalmana, sposób w jaki wzmocnienie równoważy niepewność, sytuacje, w których filtr jest optymalny, oraz miejsca, w których zastosowania finansowe mogą zawieść
Bezpośrednia odpowiedź
Filtr Kalmana rekurencyjnie estymuje warunkową średnią i niepewność ukrytego stanu w liniowym gaussowskim modelu przestrzeni stanów. Najpierw przewiduje stan i kowariancję przez równanie przejścia, a następnie porównuje nową obserwację z jej predykcją. Ten błąd prognozy jest innowacją. Wzmocnienie Kalmana decyduje, jaka jego część zaktualizuje stan, równoważąc przewidywaną niepewność stanu z niepewnością pomiaru. Rekurencja jest dokładna w ramach swojego modelu, ale złe dynamiki, niewłaściwe kowariancje szumu, nieliniowości, wartości odstające lub strojenie przy użyciu przyszłych danych mogą sprawić, że precyzyjne oszacowanie będzie mylące.
Filtr zaczyna się od stwierdzenia probabilistycznego
W każdej dacie filtr przechowuje oszacowanie stanu i kowariancję błędu, a nie tylko punkt na gładkiej linii.
Liniowość sprawia, że stan i obserwacja są funkcjami afinicznymi wcześniejszych stanów i zakłóceń. Założenia gaussowskie utrzymują gaussowskie rozkłady warunkowe.
W tym modelu średnia warunkowa jest estymatorem minimalizującym średni błąd kwadratowy. Poza nim rekurencja może pozostać użyteczna, ale traci to samo roszczenie do optymalności.
Predykcja przenosi zarówno średnią, jak i niepewność
Macierz przejścia rzutuje wcześniejsze oszacowanie stanu do przodu. Sterowania lub znane wejścia mogą przesunąć przewidywaną średnią.
Kowariancja jest również propagowana i powiększana przez szum procesu. Stan, któremu wolno szybko się zmieniać, staje się mniej pewny między obserwacjami.
Ta predykcja a priori nie używa bieżącej obserwacji. Oddzielenie jej od aktualizacji pozwala kontrolować i audytować dyscyplinę informacji w czasie rzeczywistym.
Innowacja mierzy nową informację
Innowacja jest zaobserwowaną wartością pomniejszoną o jej predykcję z równania pomiaru. To część, której wcześniejszy stan nie przewidział.
Jej wariancja łączy rzutowaną niepewność stanu z szumem pomiaru. Duża surowa niespodzianka może być zwyczajna, gdy ta wariancja jest duża.
W czasie poprawnie określone standaryzowane innowacje powinny przypominać nieprzewidywalny szum. Wzorce szeregów ujawniają informację, której model nie zdołał wchłonąć.
Wzmocnienie Kalmana rozdziela niespodziankę
Wzmocnienie mapuje innowację na korektę stanu. Rośnie, gdy predykcja stanu jest niepewna w porównaniu z pomiarem.
Przy zaszumionych obserwacjach wzmocnienie jest mniejsze i filtr porusza się mniej. Przy precyzyjnym pomiarze większa część niespodzianki staje się rewizją stanu.
Wzmocnienie nie jest ogólnie stałym parametrem wygładzania. Zmienia się wraz z kowariancjami, brakującymi danymi i zmiennymi w czasie macierzami systemu.
Aktualizacje kowariancji są częścią odpowiedzi
Po obserwacji kowariancja stanu się kurczy, ponieważ niepewność została częściowo rozstrzygnięta. Szum procesu ponownie ją powiększa przy następnej predykcji.
Numerycznie stabilne wzory kowariancji mają znaczenie, ponieważ zaokrąglenia mogą tworzyć asymetrię albo macierz, która nie jest dodatnio półokreślona.
Pasmo ufności oparte wyłącznie na filtrowanej kowariancji może pomijać niepewność parametrów. Estymowane parametry przejścia i szumu wprowadzają kolejną warstwę.
Inicjalizacja i wiarygodność wpływają na całą ścieżkę
Stan początkowy może być znany, stacjonarny, estymowany albo rozmyty. Wczesne wartości filtrowane mogą silnie zależeć od tego wyboru.
Błędy predykcji i ich wariancje budują gaussowską wiarygodność używaną do estymacji nieznanych parametrów. Poziomów szumu nie należy dostrajać wyłącznie do wizualnie gładkiej linii.
Porównuj alternatywne inicjalizacje, prognozy na próbie odłożonej i oszacowania brzegowe. Wariancje bliskie zera albo persystencja bliska jedności mogą sygnalizować słabą identyfikację.
Rozszerzenia rozwiązują różne problemy
Rozszerzony filtr Kalmana lokalnie linearyzuje funkcje nieliniowe; filtr niescentowany propaguje wybrane punkty; filtry cząsteczkowe symulują rozkład stanu.
Nie są one automatycznie dokładniejsze. Silne nieliniowości, niegaussowskie ogony lub stany wielomodalne wymagają diagnostyki właściwej dla metody.
Odporne na wartości odstające modele obserwacji i zmiany reżimu mogą być właściwsze niż wymuszanie jednej liniowej gaussowskiej rekurencji w każdych warunkach rynkowych.
Filtrowanie finansowe nie jest wyrocznią
Filtr może estymować efektywną cenę na podstawie zaszumionych kwotowań, zmienną w czasie betę, ukryte czynniki krzywej dochodowości lub zmieniający się współczynnik hedgingu.
Oszacowanie jest warunkowe względem modelu i parametrów. Nie ujawnia jutrzejszego zwrotu tylko dlatego, że używa słowa „predykcja”.
Oceniaj innowacje jednokrokowe, prognozy kroczące, rewizje stanu, obrót i koszty transakcyjne, używając informacji faktycznie dostępnych w każdej dacie.
Częste pytania
Czy filtr Kalmana jest tylko średnią kroczącą?
Nie. Jego wagi wynikają z modelu przejścia stanu i zmieniającej się niepewności, a nie ze stałego okna wcześniejszych obserwacji.
Co oznacza wysokie wzmocnienie Kalmana?
Oznacza, że nowy pomiar jest względnie informacyjny w porównaniu z niepewnością przewidywanego stanu.
Czy filtr używa przyszłych obserwacji?
Filtrowanie nie używa przyszłych obserwacji, a wygładzanie tak. Implementacja historyczna musi zachowywać te wyniki jako odrębne.
Czy filtr Kalmana jest zawsze optymalny?
Jego ścisła optymalność jako warunkowej średniej wymaga, aby określony liniowy gaussowski model przestrzeni stanów był poprawny.
Źródła i dalsza lektura
Szybki test
Przeczytano? Sprawdź się w 3 pytaniach
Pytanie 01
Które stwierdzenie najlepiej pasuje do tego poradnika — Filtr zaczyna się od stwierdzenia probabilistycznego?
Wybierz odpowiedź, aby zobaczyć wyjaśnienie
Słownik opcji
A call or put whose strike is near the underlying price; it has little intrinsic value and often substantial sensitivity to time and volatility.
Czytaj szczegółowy przewodnikCall optionA contract that gives its holder the right, but not the obligation, to buy the underlying at the strike before or at expiration under the contract terms.
Czytaj szczegółowy przewodnikPut optionA contract that gives its holder the right, but not the obligation, to sell the underlying at the strike before or at expiration under the contract terms.
Czytaj szczegółowy przewodnik