Comparación del filtro de Kalman, el algoritmo esperanza-maximización (EM) y el filtro de información para la estimación de modelos en representación espacio-estado

Se realiza una comparación entre las metodología de filtro de Kalman y filtro de información en la inferencia de modelos en representación espacio estado (REE), donde la estimación se lleva a cabo bajo máxima verosimilitud, algoritmo EM y estimación Bayesiana. Mediante simulación extensiva de tres m...

Full description

Autores:: Pardo Ruiz, Ricardo José

Tipo de recurso:

Fecha de publicación:: 2015

Institución:: Universidad Nacional de Colombia

Repositorio:: Universidad Nacional de Colombia

Idioma:: spa

Description
Summary:	Se realiza una comparación entre las metodología de filtro de Kalman y filtro de información en la inferencia de modelos en representación espacio estado (REE), donde la estimación se lleva a cabo bajo máxima verosimilitud, algoritmo EM y estimación Bayesiana. Mediante simulación extensiva de tres modelos univariados estructurales, se encontró que la estimación por máxima verosimilitud es la de mejor resultado en la mayoría de escenarios, la filtración de Kalman ofrece en promedio valores más cercanos al verdadero valor de los elementos del vector de estado y la convergencia a un estado estable ocurre con mayor prontitud, cuando se aplica el filtro de Kalman a estimaciones Bayesianas. Los pronósticos, por otro lado, son “más acertados“ cuando se realizan con el filtro de información. Una aplicación a la estimación de la elasticidad de la tasa de interés para las bases M1 y M2 se encuentra que el filtro de Kalman y de informacón ofrecen resultados similares bajo las diferentes estimaciones y la velocidad de M1 es más elástica que la de M2 en todos los escenarios.

Comparación del filtro de Kalman, el algoritmo esperanza-maximización (EM) y el filtro de información para la estimación de modelos en representación espacio-estado

Publicaciones similares