贝叶斯状态空间模型拟合的点质量提出方法
摘要：基于隐式过程的状态空间模型（SSMs）常用于建模时间序列数据，其中观测依赖于未观测的潜在过程。然而，在SSM模型参数的推断中可能面临一些挑战，特别是当给定参数的数据似然不以封闭形式存在时。一种方法是通过马尔科夫链蒙特卡洛（MCMC）和/或序列蒙特卡洛近似来联合采样潜在状态和模型参数。当存在许多高度相关的潜在状态或参数，或者在序列蒙特卡洛近似中存在大量样本贫化时，这些方法可能效率低下，混合性差。我们提出一种新颖的块建议分布用于联合隐式状态和参数空间上的Metropolis-within-Gibbs采样。建议分布基于确定性隐式马尔科夫模型（HMM）的信息构建，以使MCMC算法的通常的理论保证适用。我们讨论了HMM的构建方式，由调整参数引起的方法的普适性，以及如何在实践中高效地选择这些调整参数。我们演示了利用HMM近似的提出的算法为拟合状态空间模型提供了一种高效的替代方法，即使对于表现出近乎混乱行为的模型也是如此。
作者：Mary Llewellyn, Ruth King, V''ictor Elvira and Gordon Ross
论文ID：2203.13649
分类：Computation
分类简称：stat.CO
提交时间：2023-08-08