राज्य-अंतरिक्ष मॉडल और केएफ के सभी अच्छे गुणों को देखते हुए, मुझे आश्चर्य है कि - अनुमान के लिए राज्य-अंतरिक्ष मॉडलिंग और कलमन फ़िल्टर (या ईकेएफ, यूकेएफ या कण फिल्टर) का उपयोग करने के क्या नुकसान हैं ? आइए हम कहते हैं कि पारंपरिक पद्धति जैसे एआरआईएमए, वीएआर या एड-हॉक / हेयुरिस्टिक तरीके।
क्या उन्हें जांचना मुश्किल है? क्या वे जटिल और कठिन हैं कि एक मॉडल की संरचना में बदलाव भविष्यवाणियों को कैसे प्रभावित करेगा?
या, एक और तरीका है - राज्य अंतरिक्ष मॉडल पर पारंपरिक ARIMA, VAR के फायदे क्या हैं?
मैं केवल राज्य-अंतरिक्ष मॉडल के लाभों के बारे में सोच सकता हूं :
- यह आसानी से कुछ स्थिर मॉडल के संरचनात्मक विराम, पारियों, समय-भिन्न मापदंडों को संभालता है - बस उन मापदंडों को एक राज्य-अंतरिक्ष मॉडल के गतिशील राज्य बनाते हैं और मॉडल स्वचालित रूप से मापदंडों में किसी भी बदलाव को समायोजित करेगा;
- यह लापता डेटा को बहुत स्वाभाविक रूप से संभालता है, बस KF के ट्रांज़िशन स्टेप और अपडेट स्टेप को न करें;
- यह एक स्टेट-स्पेस मॉडल के ऑन-द-फ्लाई मापदंडों को बदलने की अनुमति देता है (शोर और संक्रमण / अवलोकन मैट्रिसेस के सहसंबंध) ताकि यदि आपका वर्तमान अवलोकन दूसरों की तुलना में थोड़ा अलग स्रोत से आया हो - तो आप इसे बिना किए अनुमानों में आसानी से शामिल कर सकते हैं कुछ खास;
- उपरोक्त गुणों का उपयोग करने से यह आसानी से अनियमित-अंतरित डेटा को संभालने की अनुमति देता है: या तो टिप्पणियों के बीच अंतराल के अनुसार हर बार एक मॉडल बदलें या नियमित अंतराल का उपयोग करें और लापता डेटा के रूप में टिप्पणियों के बिना अंतराल का इलाज करें;
- यह एक अंतर्निहित मात्रा का अनुमान लगाने के लिए एक ही मॉडल में एक साथ विभिन्न स्रोतों से डेटा का उपयोग करने की अनुमति देता है;
- यह कई व्याख्यात्मक अप्रचलित गतिशील घटकों से एक मॉडल का निर्माण करने और उन्हें अनुमान लगाने की अनुमति देता है;
- किसी भी ARIMA मॉडल को राज्य-स्थान के रूप में दर्शाया जा सकता है, लेकिन ARIMA रूप में केवल साधारण राज्य-स्थान मॉडल का ही प्रतिनिधित्व किया जा सकता है।