為什麼用卡爾曼濾波器進行 ARMA 模型的預測

將 ARMA 模型表示為狀態空間模型並使用卡爾曼濾波器進行預測有什麼優勢？

這種方法例如在 python-statsmodels 的 SARIMAX 實現中使用：

https://github.com/statsmodels/statsmodels/tree/master/statsmodels/tsa/statespace

對我來說，主要優勢之一是處理丟失的數據和不均勻的時間步長。卡爾曼濾波器很容易處理丟失的觀測值，實際上可以用來估算它們。

OLS 和 MLE 無法輕鬆處理丟失的數據，而且與卡爾曼濾波器不同，並非每個包都支持此功能。

引用自：https://stats.stackexchange.com/questions/161587