|
|
Porovnání metod pro odhad omezených veličin s aplikací na ekonomická data
Musil, Karel ; Pavelková, Lenka (vedoucí práce) ; Hlávka, Zdeněk (oponent)
Diplomová práce představuje přehled základních technik pro filtrování nepozorovaných proměnných při použití stavové reprezentace modelu a stavových omezení ve tvaru nerovnic. Zabývá se především odvozením Kalmanova filtru, jeho rozšířením do nelineární podoby a použitím omezení na stavové proměnné. Alternativní přístupy pomocí stavového modelu s rovnoměrně rozloženým šumem a Sequential importance sampling jako jedna z metod Particle filtrů využívající Monte Carlo simulace jsou také popsány. Všechny tři metody jsou aplikovány na semistrukturální model použitelný pro analýzu měnové politiky. Filtrace používá makroekonomická data české ekonomiky a zohledňuje nezáporné omezení úrokových sazeb jako jeden z modelových stavů. Výsledky jsou navzájem srovnány a diskutovány.
|
|
|
Methods for Constrained State Estimation: Comparison and Application to Zero-Bound Interest Rate Problem
Musil, Karel ; Hlávka, Zdeněk (oponent)
Rigorózní práce představuje přehled základních technik pro filtrování nepozorovaných proměnných při použití stavové reprezentace modelu a stavových omezení ve tvaru nerovnic. Zabývá se především odvozením Kalmanova filtru a použitím omezení na stavové proměnné. Alternativní přístupy pomocí stavového modelu s rovnoměrně rozloženým šumem a Sequential importance sampling jako jedna z metod částicových filtrů (Particle filtrů) využívající Monte Carlo simulace jsou také popsány. Všechny tři metody jsou aplikovány na semistrukturální model použitelný pro analýzu měnové politiky. Filtrace používá makroekonomická data české ekonomiky a zohledňuje v čase proměnné nezáporné omezení nominálních úrokových sazeb jako jeden z modelových stavů. Výsledky jsou navzájem srovnány a diskutovány. Powered by TCPDF (www.tcpdf.org)
|
|
|
Porovnání metod pro odhad omezených veličin s aplikací na ekonomická data
Musil, Karel ; Pavelková, Lenka (vedoucí práce) ; Hlávka, Zdeněk (oponent)
Diplomová práce představuje přehled základních technik pro filtrování nepozorovaných proměnných při použití stavové reprezentace modelu a stavových omezení ve tvaru nerovnic. Zabývá se především odvozením Kalmanova filtru, jeho rozšířením do nelineární podoby a použitím omezení na stavové proměnné. Alternativní přístupy pomocí stavového modelu s rovnoměrně rozloženým šumem a Sequential importance sampling jako jedna z metod Particle filtrů využívající Monte Carlo simulace jsou také popsány. Všechny tři metody jsou aplikovány na semistrukturální model použitelný pro analýzu měnové politiky. Filtrace používá makroekonomická data české ekonomiky a zohledňuje nezáporné omezení úrokových sazeb jako jeden z modelových stavů. Výsledky jsou navzájem srovnány a diskutovány.
|
|
|
Methods for Constrained State Estimation: Comparison and Application to Zero-Bound Interest Rate Problem
Musil, Karel ; Hlávka, Zdeněk (oponent)
Rigorózní práce představuje přehled základních technik pro filtrování nepozorovaných proměnných při použití stavové reprezentace modelu a stavových omezení ve tvaru nerovnic. Zabývá se především odvozením Kalmanova filtru a použitím omezení na stavové proměnné. Alternativní přístupy pomocí stavového modelu s rovnoměrně rozloženým šumem a Sequential importance sampling jako jedna z metod částicových filtrů (Particle filtrů) využívající Monte Carlo simulace jsou také popsány. Všechny tři metody jsou aplikovány na semistrukturální model použitelný pro analýzu měnové politiky. Filtrace používá makroekonomická data české ekonomiky a zohledňuje v čase proměnné nezáporné omezení nominálních úrokových sazeb jako jeden z modelových stavů. Výsledky jsou navzájem srovnány a diskutovány. Powered by TCPDF (www.tcpdf.org)
|
|
|
State estimation with missing data and bounded uncertainty
Pavelková, Lenka
The paper deals with two problems in the state estimation: (i) bounded uncertainty and (ii) missing measurement data. An algorithm for the state estimation of the discrete-time state space model whose uncertainties are bounded is proposed here. The algorithm also copes with situations when some data for identification are missing. The Bayesian approach is used and maximum a posteriori probability estimates are evaluated in the discrete time instants. The proposed estimation algorithm is applied to the estimation of vehicle position when incomplete data from global positioning system together with complete data from the inertial measurement unit are at disposal.
|
host ::
RSS.