phillips_drifts_volatilities: `kalman_forward` pairs each observation with the previous date's volatility

Offen Anfängerfreundlich
  • Stimmt etwas nicht?
#1,108 1 Kommentar 0 Reaktionen 0 zugewiesene Personen Auf GitHub ansehen

Maintainer antworten meist innerhalb von 1 Tag

@bennibyx arbeitet bereits daran.

Seit 09.11.2026.

  • #1116 von @bennibyx — offen

Bewertung

Schwierigkeit
2/5
Geschätzter Aufwand
1-3 Stunden
Anfängerfreundlichkeit
77/100
Issue-Typ
Bug
Klarheit
Klar beschrieben
Aktivitätsstatus
Aktiv
Tech-Stack
numpy, python
Bereich
data, machine-learning

Rechercherichtung

Finde kalman_forward und untersuche, wie daraus r aus dem Volatilitätspfad h erstellt wird; das Issue nennt die aktuelle Indizierung und die beabsichtigte Ausrichtung von h[1:]. Lies den Sampler-Code, der h erstellt, und die Filter-Schleife, um zu bestätigen, dass die Daten 1 bis T mit den Beobachtungen übereinstimmen. Fertig, wenn jede Beobachtung die Volatilität desselben Datums verwendet und eine gezielte Prüfung bestätigt, dass die letzte Volatilitätszeile verwendet wird.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Beschreibung

kalman_forward builds r from the whole volatility path h, whose rows are dates 0 to T: run_sampler starts it with T + 1 rows, and draw_volatility_path updates log h_0 to log h_T. The filter's loop then uses r[t] for y[t], the observation at date t + 1, so each observation is filtered with R built from the previous date's volatility: R_1 comes from h_0, and h_T is never used. The rest of the sampler pairs h[t] with date t: draw_volatility_path matches h[t] with the residual at date t, draw_β standardises the residuals by h[1:], and the retained draws keep h[1:]. The model is R_t = B^{-1} H_t B^{-1}′ at the same date, which is also what the line's own comment (# R_1, ..., R_T) says.

This came in with the vectorised filter in #1105. The version before it paired h[t] with y[t - 1] in draw_coefficient_path.

The change is to build r from h[1:]:

r = np.einsum('ij,tj,kj->tik', b_inverse, h[1:], b_inverse)    # R_1, ..., R_T

The size of the effect on the posterior has not been measured: the figures and tables would need re-running with the change.

Found by Copilot's review of QuantEcon/lectures#36, which copies this lecture at 4d82fff: https://github.com/QuantEcon/lectures/pull/36#discussion_r4464453856

Vorherrschende Sprache
TeX
Sterne
129
Forks
59
Ø Merge
2 T. 5 Std.
Gemergte PRs (30 T.)
12

Entwicklungsumgebung

Dieses Projekt bietet weder Dev-Container noch Dockerfile noch Beitragsleitfaden – die Einrichtung liegt bei Ihnen. Beginnen Sie mit der README; die allgemeinen Schritte stehen in unserem Leitfaden für den ersten Beitrag.

Erste Schritte

  1. Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
  2. Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
  3. Forken Sie das Repository und arbeiten Sie in einem Branch.
  4. Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.

Mehr aus QuantEcon/lecture-python.myst

Alle Issues in QuantEcon/lecture-python.myst

Ähnliche Issues

Weitere Issues zu Data Engineering

Neue Issues direkt in Ihr Postfach

Eine kurze Übersicht über anfängerfreundliche GitHub-Issues.