使用dlm包时遇L-BFGS-B需有限fn值错误的技术求助

这个错误本质是说，在优化过程中，对数似然函数返回了非有限值（比如NA、Inf或者-Inf），导致L-BFGS-B优化算法无法继续。结合你的TVP模型和股票价格数据，我整理了几个常见的排查方向和解决办法：

1. 先检查数据是否符合模型要求 #

股票价格本身是非平稳的时间序列，直接用水平值拟合时变参数模型很容易导致似然函数计算异常，甚至出现非有限值。建议先把价格转换成收益率序列：

# 计算对数收益率（缓解异方差问题）
y <- diff(log(k[,1]))
x.mat <- diff(log(k[,2]))
# 去掉转换后产生的NA值
y <- y[!is.na(y)]
x.mat <- x.mat[!is.na(x.mat)]

同时还要检查数据中是否存在缺失值或非数值：

# 检查缺失值
sum(is.na(k))
# 检查非有限值（Inf/-Inf）
sum(!is.finite(k))

如果存在这类数据，需要先做清洗（比如插值、删除异常值）。

2. 调整初始参数值 #

你当前的初始参数start.vals = c(0,0,0)，经过exp(parm)后会变成c(1,1,1)，这个初始值可能和你的数据不匹配，导致似然函数计算出非有限值。可以先通过普通线性回归得到更合理的初始值：

# 用收益率拟合普通线性回归
lm_fit <- lm(y ~ x.mat)
# 取残差方差的对数作为观测噪声的初始值
init_obs_var <- log(var(resid(lm_fit)))
# 给状态噪声设置较小的初始值（exp后接近0，对应接近固定系数的模型）
init_state_vars <- c(-5, -5)

start.vals <- c(init_obs_var, init_state_vars)
names(start.vals) <- c("lns2_obs", "lns2_alpha", "lns2_beta")

3. 调试似然函数，定位问题 #

手动计算初始参数下的似然值，确认是否是参数或模型的问题：

# 用初始参数构建模型
test_model <- buildTVP(start.vals, x.mat = x.mat)
# 计算对数似然值
log_lik <- logLik(test_model, y = y)
# 查看结果
print(log_lik)

如果这个结果是NA或非有限值，说明当前参数/数据组合无法产生有效的似然值，需要进一步调整数据或初始参数。

4. 尝试更换优化方法 #

L-BFGS-B对初始值比较敏感，可以先换用鲁棒性更强的优化方法（比如Nelder-Mead），得到合理的参数后再换回L-BFGS-B：

TVP.mle <- dlmMLE(y = y, parm = start.vals, x.mat = x.mat, 
                  build = buildTVP, hessian = TRUE, method = "Nelder-Mead")

5. 确认模型构建的正确性 #

检查dlmModReg的参数是否符合你的需求：

• 如果你的模型不需要常数项，需要添加addInt = FALSE，此时状态维度会对应x.mat的列数，dW的长度也要匹配；
• 确保dW的长度和状态变量的数量一致（默认带常数项的话，状态是常数项+斜率，共2个，所以dW=c(parm[2], parm[3])是正确的）。

内容的提问来源于stack exchange，提问作者thelearner