statsmodels.tsa.statespace.kalman_filter.KalmanFilter.simulate¶
-
KalmanFilter.simulate(nsimulations, measurement_shocks=
None, state_shocks=None, initial_state=None, pretransformed_measurement_shocks=True, pretransformed_state_shocks=True, pretransformed_initial_state=True, simulator=None, return_simulator=False, random_state=None)[source]¶ 模拟一个遵循状态空间模型的新时间序列
- Parameters:¶
- nsimulations
int 要模拟的观测值数量。如果模型是时间不变的，则可以是任意数量。如果模型是时间变化的，则此数量必须小于或等于数量
- measurement_shocksarray_like,
optional 如果指定，这些是测量方程的冲击， \(\varepsilon_t\)。如果未指定，这些将使用伪随机数生成器自动生成。如果指定， 必须为 nsimulations x k_endog 的形状，其中 k_endog 与状态空间模型中的相同。
- state_shocksarray_like,
optional 如果指定，这些是状态方程的冲击， \(\eta_t\)。如果未指定，这些将使用伪随机数生成器自动生成。如果指定， 必须为 nsimulations x k_posdef 的形状，其中 k_posdef 与状态空间模型中的相同。
- initial_statearray_like,
optional 如果指定，这是时间零点的状态向量，其形状应为 (k_states x 1)，其中 k_states 与状态空间模型中的相同。如果未指定，但模型已初始化，则使用该初始化。如果未指定且模型尚未初始化，则使用零向量。请注意，这不会包含在返回的 simulated_states 数组中。
- pretransformed_measurement_shocksbool,
optional 如果提供了measurement_shocks，此标志指示是否应直接将其用作冲击。如果为False，则假定其包含必须使用obs_cov协方差矩阵进行变换的标准正态分布的抽取。默认为True。
- pretransformed_state_shocksbool,
optional 如果提供了state_shocks，此标志指示是否应直接将其用作冲击。如果为False，则假定其包含必须使用state_cov协方差矩阵进行变换的标准正态分布的抽取。默认为True。
- pretransformed_initial_statebool,
optional 如果提供了initial_state，此标志指示是否应直接将其用作初始状态。如果为False，则假定其包含从标准正态分布中抽取的样本，必须使用initial_state_cov协方差矩阵进行变换。默认为True。
- return_simulatorbool,
optional 是否返回模拟器对象。通常用于在进行重复采样时提高性能。默认值为 False。
- random_state{
None,int,Generator,RandomState},optionall 如果 seed 是 None（或 np.random），则使用 numpy.random.RandomState 单例。 如果 seed 是 int，则使用一个新的
RandomState实例，并以 seed 作为种子。 如果 seed 已经是Generator或RandomState实例，则使用该实例。
- nsimulations
- Returns:¶