Variational Bayes in State Space Models: Inferential and Predictive Accuracy
状态空间模型中变分贝叶斯的推断与预测准确性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究状态空间模型的参数推断和样本外预测准确性。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
状态空间模型中变分贝叶斯的推断与预测准确性
- 研究问题
- 状态空间模型中，不同变分贝叶斯近似如何影响固定参数推断，其推断误差是否会在不同长度的样本外预测期内体现？
- 方法与思路
- 作者结合理论与数值结果比较常用变分贝叶斯方法，重点区分是否近似潜在状态，并考察短期和较长期样本外预测。
- 材料陈述的贡献
- 摘要称，不近似状态的方法在固定参数推断上更准确；预测差异短期可能较小，但在某些较长预测期内会变得明显。
- 阅读关注点
- 应核对比较涉及的模型、变分分解与状态处理方式，以及推断和预测准确性的指标、评价窗口和理论结果适用条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收状态未经核验；摘要未给出模型清单和误差大小，不能据此概括所有变分方法。
原文摘要
Using theoretical and numerical results, we document the accuracy of commonly applied variational Bayes methods across a range of state space models. The results demonstrate that, in terms of accuracy on fixed parameters, there is a clear hierarchy in terms of the methods, with approaches that do not approximate the states yielding superior accuracy over methods that do. We also document numerically that the inferential discrepancies between the various methods often yield only small discrepancies in predictive accuracy over small out-of-sample evaluation periods. Nevertheless, in certain settings, these predictive discrepancies can become meaningful over a longer out-of-sample period. This finding indicates that the invariance of predictive results to inferential inaccuracy, which has been an oft-touted point made by practitioners seeking to justify the use of variational inference, is not ubiquitous and must be assessed on a case-by-case basis.