Поддержки Econometrics Toolbox™ моделирующее и анализирующее дискретное время модели Маркова. Эти модели описывают стохастические процессы, которые принимают, утверждает xt в пространстве состояний X согласно свойству Маркова, которое требует, чтобы распределение xt +1 было независимо от истории процесса перед достигающим xt состояния.
Дискретное пространство состояний процесс Маркова или Цепь Маркова, представлено ориентированным графом и описано правильно-стохастической матрицей P перехода. Распределение состояний во время t+1 является распределением состояний во время t умноженный на P. Структура P определяет эволюционную траекторию цепи, включая asymptotics.
Markov-switching dynamic regression model описывает динамическое поведение переменных временных рядов в присутствии структурных пропусков или смен режима. Дискретная цепь Маркова представляет пробел дискретного состояния режимов и задает вероятностный механизм переключения среди режимов. Набор динамической регрессии (ARX или VARX) подмодели описывает динамическое поведение временных рядов в режимах.
Непрерывное пространство состояний процесс Маркова или модель в пространстве состояний, допускает траектории через непрерывное пространство состояний. Базовый процесс Маркова обычно не наблюдается. Дополнительное уравнение наблюдения описывает эволюцию измеримых характеристик системы, зависящей от процесса Маркова.