为什么通过卡尔曼滤波器进行ARMA模型的预测

将ARMA模型表示为状态空间模型并使用卡尔曼滤波器进行预测有什么优势？

例如，此方法用于python-statsmodels的SARIMAX实现：

https://github.com/statsmodels/statsmodels/tree/master/statsmodels/tsa/statespace

对我来说，主要优势之一是处理丢失的数据和不均匀的时间步长。卡尔曼滤波器可以轻松处理缺失的观测值，并且实际上可以用来估算它们。

OLS和MLE不能轻松处理丢失的数据，并且与Kalman过滤器不同，并不是每个软件包都支持此功能。