[논문 리뷰] The SSM Toolbox for Matlab

Jyh-Ying Peng, John A. D. Aston|ArXiv.org|2007. 06. 23.

Forecasting Techniques and Applications참고 문헌 6인용 수 4

한 줄 요약

SSM Toolbox for MATLAB는 상태공간 모델을 이용한 시계열 분석을 위한 포괄적이고 객체지향적인 프레임워크를 제공하며, 단변량 및 다변량 선형 가우시안, 비가우시안, 동적 모델의 원활한 구현을 가능하게 한다. 칼만 필터링, 스무딩, 우도 추정 및 매개변수 최적화를 통합하며, 비가우시안 및 비선형 케이스에 대해 자동 근사 기능을 제공하여 힐머-티아 분해 및 TRAMO 모델 선택과 같은 고급 기능을 지원한다.

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.

연구 동기 및 목표

• 시계열 분석에서 상태공간 모델링을 위한 유연하고, 상호작용적이며 확장 가능한 MATLAB 툴박스를 제공하기 위해.
• 선형 가우시안, 비가우시안, 비선형 상태공간 모델의 구현을 단일 객체지향 프레임워크 아래 통합하기 위해.
• 비가우시안 및 비선형 모델의 추정 과정에서 자동 근사를 적용하여 표준 알고리즘과 원활하게 통합되도록 하기 위해.
• 사용자가 최소한의 저수준 프로그래밍으로도 사용자 정의 모델과 사전 정의된 구성 요소를 포함해 모델을 상호작용적으로 구성하고 조합할 수 있도록 하기 위해.
• Hillmer-Tiao 분해를 통한 ARIMA 모델 구성 요소 추출 및 TRAMO 기반 모델 선택과 같은 고급 기능을 통합하기 위해.

제안 방법

• 모델 명세 및 조작을 위해 핵심 클래스인 SSMAT, SSDIST, SSFUNC, SSPARAM 및 SSMODEL을 정의하기 위해 MATLAB의 객체지향 프로그래밍을 활용한다.
• 정확한 초기화와 결측치 및 다중 시계열 지원 기능을 갖춘 칼만 필터링 및 스무딩 알고리즘을 적용한다.
• 추정 과정에서 비가우시안 모델(예: 포아송, 스튜던트의 t분포)에 대해 자동으로 가우시안 근사를 적용하며, 선형 알고리즘에 적합한 변환된 데이터를 사용한다.
• 예를 들어 'poisson', 'llm', 'seasonal' 등의 사전 정의된 구성 요소를 연결하여 복잡한 모델(예: 구조적 시계열 또는 ARIMA 분해)을 구축할 수 있도록 지원한다.
• Hillmer-Tiao 분해를 구현하여 항공기 모델 및 일반화된 항공기 모델을 추세, 계절성 및 불규칙 성분으로 분해한다.
• 모든 모델 유형에서 우도 평가, 매개변수 추정(BFGS 최적화 사용), 신호 추출 및 예측을 위한 기능을 제공한다.

실험 결과

연구 질문

• RQ1 일반 목적의 MATLAB 툴박스는 어떻게 설계하여 표준 및 사용자 정의 상태공간 모델을 최소한의 프로그래밍 오버헤드로 지원할 수 있는가?
• RQ2 비가우시안 및 비선형 상태공간 모델을 칼만 필터링 프레임워크에 자동 근사를 통해 효과적으로 통합하는 가장 효과적인 방법은 무엇인가?
• RQ3 Hillmer-Tiao와 같은 모델 분해 기법은 어떻게 다양한 ARIMA 유형의 모델에서 투명하게 적용할 수 있는가?
• RQ4 툴박스는 공통 분석 구조를 공유하는 복잡한 시간에 따라 변화하는 다변량 상태공간 모델을 어느 정도 지원할 수 있는가?
• RQ5 툴박스는 핵심 추정 또는 스무딩 파이프라인을 변경하지 않고도 다양한 모델 유형(Gaussian, Poisson, t-분포 등) 간에 원활하게 전환할 수 있는가?

주요 결과

• SSM 툴박스는 단변량 및 다변량 상태공간 모델(동적 및 비가우시안 변형 포함)의 상호작용적 구성과 조합을 성공적으로 가능하게 한다.
• 포아송 및 t-분포와 같은 비가우시안 모델은 자동 가우시안 근사를 통해 처리되며, 특히 지수족의 경우에만 필요한 곳에서 데이터 변환(ytilde 등)이 적용된다.
• Hillmer-Tiao 분해 기능(ssmhtd)은 표준 및 일반화된 항공기 모델 모두에서 추세, 계절성 및 불규칙 성분을 정확하게 추출하며, 다양한 모델 유형 간 일관된 결과를 제공한다.
• 모든 모델 유형에서 추정 및 상태 스무딩이 원활하게 작동하며, 우도, 매개변수 추정 및 신호 추출에 대해 일관된 인터페이스를 제공한다.
• 필터 및 스무더의 정확한 초기화를 지원하며, 결측 관측치를 처리하고 MATLAB의 행렬 계산 및 플로팅 기능과 통합하여 효율적인 분석을 가능하게 한다.
• 실증 예제는 툴박스의 효과성을 입증한다: 포아송 모델은 자동차 운전수 사망자 수에 대한 안전벨트 법의 영향을 성공적으로 포착하였고, t-분포 모델은 영국의 가스 수요 데이터에서 꼬리가 두꺼운 이상치를 탐지하였다.