Dadas todas las buenas propiedades de los modelos de espacio de estado y KF, me pregunto: ¿cuáles son las desventajas del modelado de espacio de estado y el uso del filtro de Kalman (o EKF, UKF o filtro de partículas) para la estimación? Supongamos, por ejemplo, metodologías convencionales como ARIMA, VAR o métodos ad-hoc / heurísticos.
¿Son difíciles de calibrar? ¿Son complicados y difíciles de ver cómo un cambio en la estructura de un modelo afectará las predicciones?
O, dicho de otra manera, ¿cuáles son las ventajas de ARIMA, VAR convencional sobre los modelos de espacio de estado?
Solo puedo pensar en las ventajas de un modelo de espacio de estado:
- Maneja fácilmente las interrupciones estructurales, los cambios, los parámetros que varían en el tiempo de algunos modelos estáticos; solo haga que esos parámetros sean estados dinámicos de un modelo de espacio de estado y el modelo se ajustará automáticamente a cualquier cambio en los parámetros;
- Maneja los datos faltantes de forma muy natural, solo realice el paso de transición de KF y no el paso de actualización;
- Permite cambiar los parámetros sobre la marcha de un modelo de espacio de estado en sí mismo (covarianzas de ruidos y matrices de transición / observación), por lo que si su observación actual proviene de una fuente un poco diferente que otras, puede incorporarla fácilmente en la estimación sin hacer algo especial;
- El uso de las propiedades anteriores permite manejar fácilmente los datos con espacios irregulares: cambiar un modelo cada vez según el intervalo entre observaciones o usar el intervalo regular y tratar los intervalos sin observaciones como datos faltantes;
- Permite utilizar datos de diferentes fuentes simultáneamente en el mismo modelo para estimar una cantidad subyacente;
- Permite construir un modelo a partir de varios componentes dinámicos no observables interpretables y estimarlos;
- Cualquier modelo ARIMA puede representarse en forma de espacio de estado, pero solo los modelos simples de espacio de estado pueden representarse exactamente en forma de ARIMA.