seed: Optional[int] = None

• 用途: 隨機數生成器的主種子，確保結果的可重現性
• 影響步驟: 所有步驟 (1-6)
• 說明:
  • 設定後，整個管道的隨機過程都將可重現
  • 如果為 None，將使用隨機種子
  • 在 run_pipeline.py 中會生成子種子給各個步驟使用

skip_validation: bool = False

• 用途: 是否跳過驗證步驟 (步驟 4-6)
• 影響步驟: 步驟 4, 5, 6
• 說明:
  • 設為 True 時，僅執行數據生成 (步驟 1-3)，不進行狀態檢測和評估
  • 用於快速生成數據而不需要驗證準確度的情況

維度和計數參數

p: int = 5

• 用途: 觀測變數的數量
• 影響步驟: 所有步驟 (1-6)
• 說明:
  • 決定 VAR 模型中變數的維度
  • 生成的係數矩陣為 p × p
  • 時間序列數據包含 p 個變數

K: int = 2

• 用途: 隱藏狀態制度的數量
• 影響步驟: 所有步驟 (1-6)
• 說明:
  • Markov-Switching 模型中的狀態數
  • 轉移矩陣為 K × K

n_clusters: int = 10

• 用途: 要生成的集群數量
• 影響步驟: 步驟 1, 2
• 說明: 集群標識為 "A" 到 "J"

subjects_per_cluster: int = 2

• 用途: 每個集群中的受試者數量
• 影響步驟: 步驟 2–6
• 說明: 預設 20 個受試者

模板生成參數 (步驟 1)

off_diag_nonzero_frac: float = 0.5

• 用途: 非對角線交叉滯後效應的非零比例
• 說明: 控制 VAR 係數矩陣中非對角線元素的稀疏性

diag_range: List[float] = [0.2, 0.6]

• 用途: 對角線 VAR 係數的取值範圍

off_diag_range: List[float] = [-0.3, 0.3]

• 用途: 非對角線 VAR 係數的取值範圍

var_range: List[float] = [1.0, 1.5]

• 用途: 創新方差的取值範圍

cluster_min_dist: float = 1.4

• 用途: 集群參數之間的最小距離

max_attempts_per_cluster: int = 100000

• 用途: 生成有效集群的最大嘗試次數

受試者參數生成 (步驟 2)

sigma_theta: float = 0.03

• 用途: 參數擾動的標準差

模擬參數 (步驟 3)

n_steps: int = 600

• 用途: 要模擬的時間步數

burn_in: int = 100

• 用途: 捨棄的 burn-in 時間步數

transition_matrix: np.ndarray = [[0.95, 0.05], [0.05, 0.95]]

• 用途: 狀態制度轉移矩陣

調優參數 (步驟 6)

accuracy_window: List[float] = [0.75, 0.85]

• 用途: 可接受的準確度窗口

step_size: float = 0.05

• 用途: 參數調優的步長

max_iter_subject: int = 100

• 用途: 每個受試者的最大調優迭代次數