Regression model
칼만 필터 — 금융 시계열 상태 공간 모형
칼만 필터는 동적 상태 공간 프레임워크 내에서 시변 모수, 잠재 요인, 잡음이 낀 관측치를 갖는 금융 모형을 추정하는 재귀적 알고리즘이다. 구조적 시계열 접근법은 Harvey (1989)에 의해 제시되었으며, 상태 공간 및 체제 전환 확장 모형은 Kim and Nelson (1999)에 의해 개발되었다. 이 기법은 페어 트레이딩, 시변 베타 추정, 수익률 곡선 모형화에 널리 적용된다.
EconMind(으)로 적용하기곧 제공Apply, compare, get guidance
Tools & resources
Learn & explore
동영상곧 제공
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- Harvey, A. C. (1989). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press. ISBN: 978-0521405737
- Kim, C. J. & Nelson, C. R. (1999). State-Space Models with Regime Switching. MIT Press. ISBN: 978-0262112383
이 페이지 인용 방법
ScholarGate. (2026, June 1). Kalman Filter — Financial State-Space Model. ScholarGate. https://scholargate.app/ko/finance/kalman-filter-finance
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
- ARIMA (Autoregressive Integrated Moving Average) 모형계량경제학↔ 비교
- 요인 위험 모형 (파마-프렌치, APT)재무학↔ 비교
- 장기기억 모형 (ARFIMA, FIGARCH)재무학↔ 비교
- 주요 요인 위험 요소재무학↔ 비교
- 확률적 변동성 모형 (헤스톤)재무학↔ 비교