¿Alguien tiene un buen ejemplo para el pronóstico / suavizado de series temporales con el filtro de Kalman en R?
¿Has mirado la vista de tareas de series temporales en CRAN?
Enumera varias entradas para paquetes que cubren el filtrado de Kalman:
y más, ya que es una técnica bastante común para la estimación de series de tiempo.
Además de los paquetes mencionados en otras respuestas, es posible que desee ver el pronóstico del paquete que trata con una clase particular de modelos emitidos en forma de espacio de estado y el paquete MARSS con ejemplos y aplicaciones en biología (consulte en particular el manual bien escrito , Cap.5).
Sin embargo, para las aplicaciones generales, estoy de acuerdo con las respuestas anteriores, ya que dlm es, en mi opinión, un paquete versátil y potente (bien descrito en el libro Modelos lineales dinámicos en R , de Petris et al.), KFAS ofrece rutinas que implementan la mayoría de los algoritmos descritos en el excelente Análisis de series temporales por métodos de espacio de estado y FKF con instalaciones limitadas y sin ejemplos, pero siendo el más rápido.
Para ver buenos ejemplos, mire la viñeta dlm. Evitaría todos los demás paquetes si no tiene una idea clara de lo que quiere hacer y cómo.
fuente
dlmy su viñeta. La conclusión es que los DLM se parecen mucho más a la programación que la mayoría de los otros métodos. Si tiene la intención de hacer algo más allá del modelado y pronóstico básicos, tendrá que comprender las matrices (programas de espacio de estado en algún sentido) y los métodos quedlmestá generando para usted. La mayoría de los otros paquetes manejan el procesamiento de sus matrices, pero esperan que comprenda cómo hacerlos.El paquete stsm ya está disponible en CRAN. El paquete ofrece algunas utilidades para adaptarse al modelo de serie temporal estructural básico.
Los paquetes mencionados en otras respuestas proporcionan interfaces flexibles para emitir una amplia gama de modelos de series temporales en forma de espacio de estado y dan implementaciones de sonido del filtro de Kalman. Sin embargo, en mi opinión, se presta poca atención al procedimiento que optimiza la función de probabilidad. Normalmente se usa un algoritmo de propósito general, el algoritmo L-BFGS-B. El
stsmpaquete mejora el procedimiento estándar y proporciona algoritmos específicos para adaptarse al modelo estructural básico.Se dan más detalles en el documento provisto con el paquete. Para un ejemplo rápido, también puedes ver esta publicación .
fuente