多元t分布极大似然估计报错求助：R拟合CRSPday数据优化失败

嘿，我帮你分析下这个CRSPday数据拟合多元t分布时碰到的错误——这个问题我在处理金融时间序列拟合时也踩过坑，本质是优化器计算有限差分时，你的似然函数返回了非有限值（比如NaN或者Inf），导致计算崩溃。结合你的场景，给你几个针对性的修复方案：

1. 先把相关矩阵的参数化搞对，确保正定 #

你直接把rho参数丢进似然函数构造相关矩阵，很容易搞出非正定的矩阵——这是多元t分布似然计算的致命伤，直接会让对数似然变成NaN。

建议用Fisher z变换来参数化相关系数，把原本[-1,1]的范围映射到无界空间，优化后再转换回来，同时确保矩阵始终正定：

loglik <- function(par) {
  # 提取均值参数
  mean_vec <- par[1:4]
  
  # 对相关系数做Fisher z变换，避免参数超出合法范围
  z_vals <- par[5:10]
  rho_vals <- tanh(z_vals)
  
  # 构造4x4的相关矩阵
  corr_mat <- matrix(1, nrow=4, ncol=4)
  corr_mat[lower.tri(corr_mat)] <- rho_vals
  corr_mat[upper.tri(corr_mat)] <- t(corr_mat)[upper.tri(corr_mat)]
  
  # 额外加个检查：如果矩阵不正定，返回极大值让优化器避开这个点
  if (!isSymmetric(corr_mat) || any(eigen(corr_mat, only.values=TRUE)$values <= 1e-8)) {
    return(1e10)
  }
  
  # 构造协方差矩阵（假设par[11:14]是各变量的标准差）
  sigma_vec <- par[11:14]
  cov_mat <- diag(sigma_vec) %*% corr_mat %*% diag(sigma_vec)
  
  # 提取自由度参数
  df <- par[15]
  
  # 计算负对数似然（优化器默认求最小值）
  ll <- sum(mvtnorm::dmvt(series, mean=mean_vec, sigma=cov_mat, df=df, log=TRUE))
  return(-ll)
}

2. 给参数加合理的边界约束 #

多元t分布的自由度df必须大于2（否则方差不存在），而且标准差肯定得是正数。用L-BFGS-B优化器（支持边界约束），别用普通BFGS：

# 定义参数边界：均值无界，z变换后的相关系数无界，标准差>极小值，df>2
lower <- c(rep(-Inf,4), rep(-Inf,6), rep(1e-6,4), 2.01)
upper <- c(rep(Inf,4), rep(Inf,6), rep(Inf,4), Inf)

# 初始参数一定要合理！别瞎猜
initial_par <- c(
  colMeans(series),  # 均值初始值用样本均值
  tanh(cor(series)[lower.tri(cor(series))]),  # 相关系数先转z变换
  apply(series, 2, sd),  # 标准差用样本标准差
  5  # 自由度初始值设为5，比较稳妥
)

# 跑优化
fit <- optim(par=initial_par, fn=loglik, method="L-BFGS-B", lower=lower, upper=upper)

3. 先标准化数据，提升数值稳定性 #

如果你的CRSPday数据各变量量级差异很大，先标准化（均值0，方差1）再拟合，之后再把参数转换回原始尺度：

# 标准化数据
series_std <- scale(series)
# 用series_std去拟合，代码和上面一样...
# 拟合完成后，把参数转回去：
mean_original <- attr(series_std, "scaled:center") + fit$par[1:4] * attr(series_std, "scaled:scale")
cov_original <- diag(attr(series_std, "scaled:scale")) %*% cov_mat_fitted %*% diag(attr(series_std, "scaled:scale"))

4. 先手动调试似然函数 #

优化前先手动代入初始参数，看看似然函数会不会返回NaN/Inf：

loglik(initial_par)

如果这里就出问题，说明初始参数或者似然函数的逻辑有问题，先把这个解决了再跑优化。

另外，你之前试的BFGS不支持边界约束，很容易让参数跑到非法区域（比如相关系数超过1，标准差为负），所以换成L-BFGS-B是关键。

内容的提问来源于stack exchange，提问作者Rishi123