¿Hay alguna investigación sobre la aplicación de espacio de estado o dinámico lineal de los modelos para la previsión de capital, las primas de riesgo en la seguridad-por-bases de la seguridad con un horizonte de mediano plazo (digamos 3 meses a 12 meses horizonte)?
Los Modelos de Markov son un caso especial de estado-modelos de espacio donde los estados son discretos. Hay una avalancha de investigación en estos MM y HMM s (a partir de Ryden 1998), pero a mí me parece que hay algunas ventajas de tomar un enfoque en el que el estado es una variable continua. He visto trabajos de Johannes, Lopes, y Carvalho, que se centran en el corto horizontes y demostrar la superioridad de PL sobre métodos MCMC.
A mí me parece que este enfoque podría capturar las series de tiempo de la dependencia y de la sección transversal dependencias de manera que los tradicionales modelos de panel no. También, parece que desde la historia de las rimas, pero que no se repita, una larga memoria del modelo de espacio de estado sería mejor que un HMM.
Antes de que me vaya por este sinuoso camino me pregunto si alguien ya ha intentado esto o si hay una debilidad con este enfoque. Por ejemplo, tal vez de espacio de estado o de partículas de filtrado sólo modelos funcionan mejor cuando el horizonte de previsión es muy corto.
