[論文レビュー] StateSpaceModels.jl: a Julia Package for Time-Series Analysis in a State-Space Framework

Raphael Saavedra, Guilherme Bodin+1 more|arXiv (Cornell University)|Aug 5, 2019

Advanced Control Systems Optimization参考文献 10被引用数 7

ひとこと要約

StateSpaceModels.jl は、状態空間モデルを用いた時系列解析のための柔軟でオープンソースのフレームワークを提供する Julia パッケージである。カルマンフィルターやスムージングを実装し、ユーザー定義の線形モデル、予測、モンテカルロシミュレーションをサポートする。時間変動するトレンドや季節性の正確なモデリングが可能で、ネイティブ Julia 実装であり、欠損データの処理も堅牢である。

ABSTRACT

StateSpaceModels.jl is an open-source Julia package for modeling, forecasting and simulating time series in a state-space framework. The package represents a straightforward tool that can be useful for a wide range of applications that deal with time series. In addition, it contains features that are not present in related commercial software, such as Monte Carlo simulation and the possibility of setting any user-defined linear model.

研究の動機と目的

• 状態空間モデルを用いた時系列解析のための専用で最新の、完全にネイティブ Julia のパッケージの不足を解消すること。
• STAMP のような商業ソフトウェアの代替として、モンテカルロシミュレーションやユーザー定義モデルといった拡張機能を備えた柔軟でオープンソースの代替を提供すること。
• ガウス型状態空間モデルを用いた時系列のモデリング、推定、予測、シミュレーションを統合的にサポートする汎用フレームワークを実装すること。
• C や Fortran のルーチンに依存しないことで、Julia 1.0 以降の互換性とパフォーマンスを確保すること。これにより、一部の既存パッケージとは異なり、外部依存を避ける。
• 古典的なモデルのプリセットとカスタム線形状態空間定式化の両方をサポートし、多様な応用に適応すること。

提案手法

• 観測方程式と状態方程式を行列 Z, T, R, H, Q で定義した標準的なガウス型状態空間フレームワークを採用する。
• 効率的で数値的に安定した推定を実現するため、標準的および平方根型のカルマンフィルターやスムージングを実装する。
• ユーザーは StateSpaceModel コンストラクタを用いて任意の線形状態空間モデルを定義可能であり、事前に定義されたテンプレートを超えたカスタムモデル指定が可能である。
• 推定されたモデルと状態分布を用いて、将来の時系列シナリオの予測とモンテカルロシミュレーションをサポートする。
• 欠損観測値（NaN 値）は、フィルタリングおよびスムージング処理中に自動的に処理される。
• 実用性を考慮し、時間変化する観測行列 Z_t をサポートする一方で、遷移行列 T、R、およびノイズ行列 H、Q は時間不変と仮定する。

実験結果

リサーチクエスチョン

• RQ1 C/Fortran バインディングに依存するパッケージとは対照的に、完全にネイティブ Julia 実装された状態空間モデルが、パフォーマンスと保守性においてどのように向上するか。
• RQ2 汎用的な状態空間フレームワークが、古典的時系列モデルとユーザー定義モデルの両方を統一インターフェースで効果的にサポートできる範囲はどの程度か。
• RQ3 高水準で使いやすい時系列パッケージに、モンテカルロシミュレーションと欠損データの堅牢な処理を効果的に統合できるか。
• RQ4 このパッケージの設計は、トレンドや季節性といった時間変動成分を含む複雑な時系列の正確な予測とシミュレーションをどのように可能にするか。
• RQ5 数値的安定性を向上させるために、平方根型カルマンフィルタリングのバリエーションを用いることは、実装の面で実現可能で、パフォーマンスにどのように寄与するか。

主な発見

• 本パッケージは、C/Fortran 依存なしに、完全に純ジャバスリプトで実装された、時系列解析のための包括的で汎用的なフレームワークを実現した。
• 将来の時系列シナリオのモンテカルロシミュレーションがネイティブにサポートされており、確率的予測やシナリオ分析が可能である。
• フィルタリングおよびスムージング処理中に欠損観測値（NaN 値）が自動的に処理され、実世界のデータにおける堅牢性が保証される。
• ユーザー定義の線形モデルは StateSpaceModel コンストラクタを介して指定可能であり、事前定義されたテンプレートを超えた柔軟なモデリングが可能である。
• 標準的および平方根型のカルマンフィルタリングとスムージングが実装されており、数値的安定性が向上している。
• エネルギー消費量の予測や車両追跡といった応用事例において、正確な状態推定とシナリオシミュレーションが実現されており、本パッケージの有効性が示された。