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.