¿Por qué la predicción de modelos ARMA es realizada por el filtro Kalman?

¿Cuáles son las ventajas de expresar un modelo ARMA como un modelo de espacio de estado y hacer pronósticos usando un filtro de Kalman?

Esta metodología se utiliza, por ejemplo, en la implementación de SARIMAX de modelos de estadísticas de pitón:

https://github.com/statsmodels/statsmodels/tree/master/statsmodels/tsa/statespace

Para mí, una de las principales ventajas es el manejo de datos faltantes y pasos de tiempo desiguales. El filtro de Kalman maneja fácilmente las observaciones faltantes, y en realidad se puede usar para imputarlas.

OLS y MLE no manejan los datos faltantes con tanta facilidad, y no todos los paquetes tendrán esta característica compatible a diferencia del filtro de Kalman.