sys.par[0] = 0.20
sys.par[1] = 0.96
sys.par[2] = 0.15
sys.par[3] = 0.00
sys.T = 500
sys.xo = 0.0
sys.version = "standard"
sys.transformY = "none"
##############################################################################
# Generate data
##############################################################################
sys.generateData(
fileName='data/hwsv_4parameters_syntheticT500.csv', order="xy")
##############################################################################
# Setup the parameters
##############################################################################
th = hwsv_4parameters.ssm()
th.nParInference = 3
th.copyData(sys)
th.version = "standard"
th.transformY = "none"
##############################################################################
# Setup the GPO algorithm
sys.par = np.zeros((sys.nPar, 1))
sys.par[0] = 0.20
sys.par[1] = 0.98
sys.par[2] = 0.15
sys.par[3] = 1.80
sys.T = 399
sys.xo = 0.0
sys.version = "standard"
sys.transformY = "arctan"
##############################################################################
# Generate data
##############################################################################
sys.generateData()
d = quandl.get("CHRIS/ICE_KC2", trim_start="2013-06-01", trim_end="2015-01-01")
logReturns = 100 * np.diff(np.log(d['Settle']))
logReturns = logReturns[~np.isnan(logReturns)]
sys.y = np.matrix(logReturns).reshape((sys.T, 1))
sys.ynoiseless = np.matrix(logReturns).reshape((sys.T, 1))
##############################################################################
# Setup the parameters
##############################################################################
th = hwsvalpha_4parameters.ssm()
th.version = "standard"
th.transformY = "arctan"
th.nParInference = 4