马尔可夫切换模型与模糊聚类之间的关系：一种非参数方法用于检测状态数量
摘要：马尔可夫切换模型在时间序列分析中取得了越来越多的成功，因为它们能够捕捉到研究变量动态中存在的未观察到的离散状态。这个结果通常是通过基于所谓的Hamilton滤波器得到的状态推断来实现的。这个框架中的一个尚未解决的问题是确定状态的数量，通常是事先确定的；实际上，由于仅在备择假设下存在繁琐参数的问题，无法应用经典的检验方法。在本文中，我们通过蒙特卡洛模拟，展示了模糊聚类能够复现由Hamilton滤波器推断出的参数状态，并且用于确定群组数量的典型指标可以用于确定这个框架中的状态数量。该方法非常简单易行，考虑到它是在数据产生过程之外（以非参数方式）执行的，并且我们使用的指标在大多数统计软件中都存在。最后，我们对真实数据进行了应用，以完成分析。
作者：Edoardo Otranto and Luca Scaffidi Domianello
论文ID：2305.12164
分类：Applications
分类简称：stat.AP
提交时间：2023-05-23