statsmodels.tsa.regime_switching.markov_autoregression.MarkovAutoregression.fit

MarkovAutoregression.fit(start_params=None, transformed=True, cov_type='approx', cov_kwds=None, method='bfgs', maxiter=100, full_output=1, disp=0, callback=None, return_params=False, em_iter=5, search_reps=0, search_iter=5, search_scale=1.0, **kwargs)

通过汉密尔顿滤波器以最大似然法拟合模型。

Parameters:
start_paramsarray_like, optional

对数似然最大化解决方案的初始猜测。 如果为 None，则默认值由 Model.start_params 给出。

transformedbool, optional

是否已经对start_params进行了转换。默认为True。

cov_typestr, optional

要使用的协方差矩阵估计器的类型。可以是以下之一：‘approx’、‘opg’、‘robust’ 或 ‘none’。默认值是 ‘approx’。

cov_kwdsdict or None, optional

替代协方差估计器的关键词

methodstr, optional

该方法决定了从scipy.optimize中使用哪个求解器，并且可以从以下字符串中选择：

  • ‘newton’ 表示牛顿-拉夫森法，‘nm’ 表示内尔德-米德法

  • ‘bfgs’ 用于 Broyden-Fletcher-Goldfarb-Shanno (BFGS)

  • ‘lbfgs’ 用于带可选边界约束的有限内存BFGS

  • ‘powell’ 表示修正的鲍威尔法

  • ‘cg’ 表示共轭梯度

  • ‘ncg’ 表示牛顿共轭梯度法

  • ‘basinhopping’ 用于全局 basin-hopping 求解器

在fit中的显式参数会传递给求解器，除了basin-hopping求解器。每个求解器都有几个可选参数，这些参数在不同的求解器之间并不相同。请参阅下面的注释部分（或scipy.optimize）以获取可用参数的列表以及basin-hopping求解器支持的显式参数列表。

maxiterint, optional

要执行的最大迭代次数。

full_outputbool, optional

设置为 True 以在 Results 对象的 mle_retvals 属性中获取所有可用输出。输出内容取决于求解器。有关更多信息，请参阅 LikelihoodModelResults 注释部分。

dispbool, optional

设置为 True 以打印收敛消息。

callbackcallable callback(xk), optional

在每次迭代后调用，作为回调函数(xk)，其中xk是当前的参数向量。

return_paramsbool, optional

是否仅返回最大化参数的数组。 默认是 False。

em_iterint, optional

用于改进起始参数的初始EM迭代步数。

search_repsint, optional

围绕start_params随机抽取的搜索参数数量，以尝试改进起始参数。默认值为0。

search_iterint, optional

用于改进每个搜索参数重复项的初始EM迭代步骤的数量。

search_scalefloat or array, optional.

随机开始参数搜索的变量范围。

**kwargs

传递给优化器的其他关键字参数。

Returns:
MarkovSwitchingResults
Last update: Oct 16, 2024