Econometrics Toolbox™ поддерживает моделирование и анализ моделей Маркова в дискретном времени. Эти модели описывают стохастические процессы, которые предполагают состояния, xt в X пространства состояний, _{удовлетворяющие} свойству Маркова, которое требует, чтобы распределение xt + 1 было независимым от истории процесса, _{прежде чем} достигать xt состояния.

Дискретный процесс Маркова в пространстве состояний, или цепь Маркова, представлен ориентированным графом и описан правой-стохастической переходной матрицей P. Распределение состояний в момент t + 1 является распределением состояний в момент t, умноженным на P. Структура P определяет эволюционную траекторию цепи, включая асимптотику.

A Markov-switching dynamic regression model описывает динамическое поведение переменных временных рядов при наличии структурных пропусков или изменений режима. A дискретной цепи Маркова представляет дискретное пространство состояний режимов и задает вероятностный механизм переключения среди режимов. Набор подмоделей динамической регрессии (ARX или VARX) описывает динамическое поведение временных рядов в режимах.

Непрерывный марковский процесс пространства состояний, или модель пространства состояний, позволяет осуществлять траектории через непрерывное пространство состояний. Базовый процесс Маркова обычно неохраняется. Дополнительное уравнение наблюдения описывает эволюцию измеримых характеристик системы, зависимую от марковского процесса.