[論文レビュー] The SSM Toolbox for Matlab

Jyh-Ying Peng, John A. D. Aston|ArXiv.org|Jun 23, 2007

Forecasting Techniques and Applications参考文献 6被引用数 4

ひとこと要約

MATLAB用SSMツールボックスは、状態空間モデルを用いた時系列解析の包括的でオブジェクト指向のフレームワークを提供し、単変量および多変量の線形ガウス・非ガウス・動的モデルのシームレスな実装を可能にする。カルマンフィルタリング、スムージング、尤度推定、パラメータ最適化を統合し、非ガウスおよび非線形ケースに対して自動近似を適用し、Hillmer-Tiao分解やTRAMOベースのモデル選択といった高度な機能もサポートする。

ABSTRACT

State Space Models (SSM) is a MATLAB 7.0 software toolbox for doing time series analysis by state space methods. The software features fully interactive construction and combination of models, with support for univariate and multivariate models, complex time-varying (dynamic) models, non-Gaussian models, and various standard models such as ARIMA and structural time-series models. The software includes standard functions for Kalman filtering and smoothing, simulation smoothing, likelihood evaluation, parameter estimation, signal extraction and forecasting, with incorporation of exact initialization for filters and smoothers, and support for missing observations and multiple time series input with common analysis structure. The software also includes implementations of TRAMO model selection and Hillmer-Tiao decomposition for ARIMA models. The software will provide a general toolbox for doing time series analysis on the MATLAB platform, allowing users to take advantage of its readily available graph plotting and general matrix computation capabilities.

研究の動機と目的

• 時系列解析における状態空間モデリングのための柔軟でインタラクティブかつ拡張可能なMATLABツールボックスを提供すること。
• 線形ガウス、非ガウス、非線形状態空間モデルの実装を、単一のオブジェクト指向フレームワークで統合すること。
• 推定中に非ガウスおよび非線形モデルを自動近似することで、標準アルゴリズムとのシームレスな統合を確保すること。
• 最低限の低レベルコーディングで、カスタムモデルや事前定義済みコンポONENTを含め、ユーザーがモデルをインタラクティブに構築・結合できるようにすること。
• Hillmer-Tiao分解によるARIMAモデルの成分抽出やTRAMOベースのモデル選択といった高度な機能を統合すること。

提案手法

• MATLABのオブジェクト指向プログラミングを活用し、モデル定義と操作のためのコアクラス（SSMAT、SSDIST、SSFUNC、SSPARAM、SSMODEL）を定義する。
• 正確な初期化と欠損値・複数時系列のサポートを備えたカルマンフィルタリングおよびスムージングアルゴリズムを採用する。
• 非ガウスモデル（例：ポアソン分布、スルム分布）の推定時に、ガウス近似を自動的に適用し、線形アルゴリズムに適した変換済みデータ（例：ytilde）を必要に応じて使用する。
• 事前定義済みコンポONENT（例：'poisson'、'llm'、'seasonal'）の連結により、構造的時系列モデルやARIMA分解のような複雑なモデルを構築可能にする。
• Hillmer-Tiao分解を実装し、航空機モデルおよび一般化航空機モデルをトレンド、季節成分、不規則成分に分解する。
• 尤度評価、パラメータ推定（BFGS最適化を用いて）、信号抽出、予測を、すべてのモデルタイプで対応する関数を提供する。

実験結果

リサーチクエスチョン

• RQ1 一般用途のMATLABツールボックスをどのように設計すれば、標準的およびユーザー定義の状態空間モデルを、最小限のコーディング負荷でサポートできるか？
• RQ2 非ガウスおよび非線形状態空間モデルを、自動近似を伴うカルマンフィルタリングフレームワークに効果的に統合する最良の方法は何か？
• RQ3 Hillmer-Tiaoのようなモデル分解技術を、さまざまなARIMAタイプのモデルに透明に実装するにはどうすればよいか？
• RQ4 このツールボックスは、複雑で時変動的かつ多変量の状態空間モデルを、共通の解析構造を維持したままどの程度サポートできるか？
• RQ5 このツールボックスは、ガウス分布、ポアソン分布、スルム分布などの異なるモデルタイプに、コア推定およびスムージングパイプラインを変更せずにシームレスに切り替えられるか？

主な発見

• SSMツールボックスは、単変量および多変量の状態空間モデル（動的および非ガウス型を含む）のインタラクティブな構築と結合を成功裏に実現している。
• ポアソン分布やスルム分布といった非ガウスモデルは、必要に応じてデータ変換（例：ytilde）を施したガウス近似により処理され、特に指数型分布族のケースで有効に機能する。
• Hillmer-Tiao分解関数（ssmhtd）は、標準的および一般化航空機モデルの両方からトレンド、季節成分、不規則成分を正確に抽出でき、モデルタイプにかかわらず一貫した結果を示す。
• すべてのモデルタイプ（包括してユーザー定義モデル）において、推定および状態スムージングが透明に動作し、尤度、パラメータ推定、信号抽出のインターフェースが一貫している。
• フィルタおよびスムーザの正確な初期化が可能で、欠損観測値の処理も可能であり、MATLABの行列計算およびプロット機能と統合され、効率的な解析が可能である。
• 実証的例では、ツールボックスの有効性が示された：ポアソンモデルはシートベルト法規の影響がバン運転手の死亡事故に与える影響を的確に捉えており、スルム分布モデルは英国のガス需要データにおける重い尾部の外れ値を検出している。