변동성 불확실성을 고려한 분포 강건 칼만 필터링
기사 arXiv papers · 저자: Bingyan Han
요약
이 연구는 잡음 공분산 행렬과 예측 공분산 추정치가 불확실한 상황에 적용할 칼만 필터링 방법을 개발합니다. 가능한 대안 모델을 고려하기 위해 분포 강건 정식을 사용하고, 이중 인과 최적 수송으로 불확실성 집합을 정의합니다.
최적화 문제를 볼록 비선형 준정부호 계획법으로 재구성하고, LDL-전치 분해를 사용하는 신뢰 영역 내점법으로 풉니다. 저자들은 목표 추적과 페어 트레이딩에서 경험적 성과가 더 좋았다고 보고합니다. 발췌문에는 벤치마크, 데이터 또는 평가 지표가 명시되어 있지 않아 그 성과 차이가 얼마나 광범위하거나 통계적으로 강한지 평가하기 어렵습니다. 이 방법의 실용성은 모델 불확실성에 관한 가정과 최적화에 필요한 계산량에 달려 있습니다.
핵심 아이디어
- 이 필터는 잡음 공분산과 예측 공분산 추정치의 불확실성을 다룹니다.
- 이중 인과 최적 수송을 사용해 가능한 대안 모델의 집합을 정의합니다.
- 최적화 문제를 볼록 비선형 준정부호 계획법으로 구성합니다.
- 목표물 추적과 페어 트레이딩에서 방법을 평가하지만, 발췌문에는 벤치마크 세부 정보가 없습니다.
태그
전문
# Distributionally robust Kalman filtering with volatility uncertainty # Distributionally robust Kalman filtering with volatility uncertainty This work presents a distributionally robust Kalman filter to address uncertainties in noise covariance matrices and predicted covariance estimates. We adopt a distributionally robust formulation using bicausal optimal transport to characterize a set of plausible alternative models. The optimization problem is transformed into a convex nonlinear semi-definite programming problem and solved using the trust-region interior point method with the aid of $LDL^\top$ decomposition. The empirical outperformance is demonstrated through target tracking and pairs trading.
출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0
이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.