При установке модели UnobservedComponents
возможно ли установить верхние границы для конечных значений параметров состояний?
Мы хотели бы смоделировать байесовский подход для выбора предварительного распределения по штатам и установки конечного значения, чтобы верхняя граница составляла до 20% от исходного значения (например, если мы выберем в качестве предыдущего для локального уровня значение 0,1, то конечное значение будет максимум 0,12).
Мотивация кроется в алгоритме, который мы переносим из R в Python. Когда мы подгоняем модель локального уровня к данным тестовых данных, сигма конечного состояния в конечном итоге составляет около 0,3; в R есть предположение о верхней границе, поэтому конечный результат равен 0,12, что дает значительно разные доверительные интервалы. Сейчас мы пытаемся смоделировать такое же поведение в statsmodels.
Изучив код, мы нашли метод transform_params
, который, по-видимому, способен вводить границы в начальное состояние, но мы не уверены, как его использовать для установки верхней границы в 20% (или будет ли это правильный подход).