状态空间模型与卡尔曼滤波2.docVIP

状态空间模型和卡尔曼滤波 [摘要]： 20世纪60年代初，由于工程控制领域的需要，产生了卡尔曼滤波(Kalman Filtering)算法。进入70年代，人们明确提出了状态空间模型的标准形式，并开始将其应用到经济领域。80年代以后，状态空间模型已成为一种有力的建模工具。计量经济学领域中的诸多问题，如可变参数模型、时间序列分析模型、季节调整模型、景气指数的建立、不可观测变量的估计等都能转化为状态空间模型的形式，从而可以利用卡尔曼滤波来得出相应的估计及进行预测。 关键字:状态空间 卡尔曼滤波 一、状态空间模型的基础理论 状态空间模型,亦称动态系统理论,它假设所研究的系统随时间的演化可由一个不可观测向量序列所确定,与该序列相伴的是一个可观测序列,两者的关系由状态空间模型来识别状态空间分析的目的是从观测序列提供的信息来推断不可观测变量的有关性质状态空间模型一般由两个方程构成:一个是状态方程,另一个是观测方程其中状态方程表示从目前状态向下一个时刻状态转换的方法,即相互间的转换关系;而观测方程表示实际观测到的向量和状态向量之间的相互关系通过建立观测方程和状态方程,状态空间模型为充分描述动态系统的运动特征提供了一致的模型框架,一些相当复杂的问题也可能得以用简单的形式表示 状态空间模型(State Space Model)一般应用于多变量时间序列。设 yt是包含 k 个