#124 Модели пространства состояний и структурные временные ряды, совместно с Джесси Грабовски

• Присоединяйтесь к этому каналу, чтобы получить доступ к бонусам: https://www.youtube.com/@learningbaye... • Спонсор: PyMC Labs. Свяжитесь с нами по адресу https://www.pymc-labs.com/ • Мои онлайн-курсы по интуитивному байесовскому анализу: https://www.intuitivebayes.com/ Наша музыкальная тема — «Good Bayesian» Бабы Бринкмана (при участии MC Lars и Mega Ran). Ознакомьтесь с его потрясающими работами на https://bababrinkman.com/! Основные выводы: Байесовская статистика предлагает надежную основу для эконометрического моделирования. Модели пространства состояний предоставляют всесторонний способ понимания данных временных рядов. Гауссовские случайные блуждания служат фундаментальной моделью в анализе временных рядов. Инновации представляют собой внешние шоки, которые могут существенно повлиять на прогнозы. Понимание допущений, лежащих в основе моделей, является ключом к эффективному прогнозированию. Сложные модели не всегда лучше; простота может быть мощной. Прогнозирование требует тщательного учета потенциальных сбоев. Понимание наблюдаемых и скрытых состояний имеет решающее значение в моделировании. Скрытые способности можно моделировать как гауссовские случайные блуждания. Модели пространства состояний могут быть очень гибкими и разнообразными. Композитность позволяет интегрировать различные компоненты модели. Тренды во временных рядах должны отражать динамику реального мира. Сезонность можно учитывать с помощью базисов Фурье. Компоненты авторегрессионного анализа помогают моделировать остатки во временных рядах. Экзогенные компоненты регрессии могут улучшить модели пространства состояний. Причинно-следственный анализ во временных рядах часто включает вмешательства и контрфактические сценарии. Регрессия с изменяющимися во времени параметрами позволяет учитывать динамические взаимосвязи между переменными. Фильтры Калмана первоначально были разработаны для отслеживания ракет в космосе. Фильтр Калмана итеративно обновляет убеждения на основе новых данных. Пропущенные данные можно рассматривать как скрытые состояния в рамках фильтра Калмана. Фильтр Калмана — это практическое применение теоремы Байеса в контексте последовательных событий. Понимание динамики систем имеет решающее значение для эффективного моделирования. Модуль пространства состояний в PyMC упрощает сложные задачи моделирования временных рядов. Разделы: 00:00 Введение в Джесси Крабовски и анализ временных рядов 04:33 Путешествие Джесси в байесовскую статистику 10:51 Изучение моделей пространства состояний 18:28 Понимание моделей пространства состояний и их компонентов 40:39 Композитность моделей пространства состояний 48:36 Понимание трендов и производных 52:35 Важность сезонности во временных рядах 56:41 Компоненты анализа временных рядов 01:00:46 Экзогенная регрессия в моделях пространства состояний 01:06:41 Функции импульсного отклика и причинно-следственная связь 01:11:30 Почему фильтр Калмана так эффективен 01:24:28 Будущие направления и приложения Спасибо моим спонсорам за то, что сделали этот эпизод возможным! Юсуке Сайто, Ави Брайант, Эро Каррера, Джулиано Круз, Тим Гассер, Джеймс Уэйд, Трэдд Сальво, Уильям Бентон, Джеймс Алой, Робин Тейлор, Чад Шеррер, Звелитини Тунисива, Бертран Уилден, Джеймс Томпсон, Стивен Оутс, Джан Лука Ди Танна, Джек Уэллс, Мэтью Мальдонадо, Иэн Костли, Элли Салим, Ларри Гилл, Иэн Моран, Пол Орето, Колин Капрани, Колин Кэрролл, Натаниэль Бербанк, Майкл Остеге, Реми Луф, Клайв Эдельстен, Анри Валлен, Уго Бота, Винь Нгуен, Марчин Эланковски, Адам С. Смит, Уилл Курт, Эндрю Московиц, Гектор Муньос, Марко Горелли, Саймон Кесселл, Брэдли Роде, Патрик Келли, Рик Андерсон, Каспер де Брюин, Филипп Лабонд, Майкл Хэнкин, Кэмерон Смит, Томаш Фрида, Райан Весслен, Андреас Нетти, Райли Кинг, Ёсиюки Хамаджима, Свен Де Майер, Майкл ДеКрещенцо, Фергал М, Мейсон Яр, Наоя Канаи, Стивен Роуленд, Обри Клейтон, Джанин Сью, Омри Хар Шемеш, Скотт Робсон, Роберт Йолкен, Ор Дуек, Павел Дусек, Пол Кокс, Андреас Крепелин, Рафаэль Р., Николас Роде, Габриэль Штехшульте, Аркадий, Курт ТеКолсте, Гергели Юхас, Маркус Нёльке, Мэгги Макинтош, Грант Пеццолези, Аврам Элони, Джошуа Мил, Хавьер Сабио, Кристиан Хиггинс, Алекс Джонс, Грегорио Агилар, Мэтт Росински, Барт Трюдо, Луис Фонсека, Данте Гейтс, Мэтт Николс, Максим Кузнецов, Майкл Томас, Люк Горри, Кори Кайзер, Хулио, Эдвин Савельев, Фредерик Аяла, Джеффри Пауэлл, Гал Кампел, Адан Ромеро, Уилл Гири, Блейк Уолтерс, Джонатан Морган, Франческо Мадризотти, Айви Хуанг, Гэри Кларк, Роберт Фланнери, Расмус Хиндстрём, Стефан, Кори Абшир и Майк Лонкарич. Ссылки из выпуска: https://learnbayesstats.com/episode/1...