読者です 読者をやめる 読者になる 読者になる

Rによるベイジアン動的線型モデル: ノート10

読んでいる本(出典): Rによるベイジアン動的線形モデル (統計ライブラリー) | G.ペトリス, S.ペトローネ, P.カンパニョーリ, 和合 肇, 萩原 淳一郎 | 本 | Amazon.co.jp

前回:ノート9 / 次回:ノート11
目次:Rによるベイジアン動的線型モデル

今日読んだページ: 86~89ページ
以下、自分の解釈・感想。

  • 3章は実際のモデル構築のときに役立てるためのいろいろなモデルの紹介。パラメータ推定は4章。
  • 3章の最初は古典的な統計的手法から。
  • 指数加重移動平均(Exponentially Weighted Moving Average: EWMA)
    • EWMA R で検索すると GARPFRM というパッケージが出てきた。EWMA というそのままの名前の関数があって help にはボラや相関の予測につかう例が出ている。https://r-forge.r-project.org/R/?group_id=1791
    • と思ったら直後で forecast というパッケージが紹介されている。こちらのパッケージでは DLM の枠組みでの(つまり、信頼区間などが議論できる) EWMA が実装されているらしい。
    • EWMA の気持ちとしては、「予測より上回っていたら予測を上に修正するけど、上回った分まるまる修正するんじゃなくて、 \lambda だけ割り引いて修正する」というものらしい。気持ちはわかる。けどなんか気持ちだけで予測しようとしすぎている気がして、役に立つのかなと思う(個人的に)。
  • 自己回帰移動平均(AutoRegressive Moving Average: ARMA)/ ARIMA
    • R に標準で入っているやつ(arima)。各時点のホワイトノイズと過去の観測値の線形和になるやつ。
    • ARIMA も DLM で表現できるし、そうした方がデータに対する知見をいろいろ盛り込めるよという話。

EWMA も ARIMA も何かのデータで手を動かしてモデル評価したい。