state space model -- kalman filter

最近学了金融计量，老师说Kalman Filter可以填充缺失值。一般我填充缺失值，赋值-1，或者让树模型自己填充缺失值，对于nn来说，要处理一下缺失值。

这些截图来自《银行家的计量书》，SSM可以提取时间序列中的结构性变化或者不可观测的成分，Dynamic Factor Models(DFM)也属于SSM的范畴，DFM中的共同因子属于不可观测的成分。
在很多参数的情况下，如果直接采用MLE的方法，会导致估计的无效性。我理解的是一般假定正太分布，我们可以求出一个L(\(\theta\)), 然后去 最大化似然函数，得到我们的参数，如果\(\theta\)的维度很高，这样会导致估计的无效。这时有没有什么解决办法？使用Gibbs采样（Gibbs采样是一种特殊的M-H算法），后面如果有时间写一个关于采样的帖子。

这里我有个疑问，如果说对于Nakajima（2011）的文章，MCMC的采样方法是由于MCMC的问题，还是由于对于SV采样的问题，Nakajima（2011）这篇文章相当于一个大综合，设计很多MCMC采样的思路。

一个常系数的SSM：

标签：采样,MCMC,填充,kalman,space,--,SSM,Nakajima,缺失
来源： https://www.cnblogs.com/RankFan/p/16354856.html