다변량 동적 선형 모델의 공분산 추정 혁신

본 논문은 다변량 시계열 분석에서 핵심적인 문제인 관측 혁신 공분산 행렬 Σ의 실시간 추정을 목표로 한다. 기존 연구는 주로 단변량 DLM에 국한되었거나, 다변량 경우에도 행렬‑변량 DLM, 베이지안 역위시트 사전, 혹은 반복적 최대우도·MCMC 방법에 의존해 계산 복잡도가 급격히 증가한다는 한계를 가지고 있었다. 이러한 배경에서 저자는 일반적인 다변량 조건부 가우시안 DLM yₜ = F′θₜ + εₜ, θₜ = Gθₜ₋₁ + ωₜ(식 1)를 전제로, Σ를 비반복 베이지안 방식으로 추정하는 새로운 알고리즘을 제시한다. 핵심 이론은 Theorem 1에 의해 뒷받침된다. Σ가 유계이고 사전 평균 S₀와 자유도 n₀를 지정하면, 시점 t 까지의 관측 정보를 이용해 Σ의 사후 평균 Sₜ를 다음과 같이 근사한다. Sₜ ≈ (1/(n₀ + t))