Vektoru autoregresijas ar Markova pārslēgumiem parametru novērtējumu iegūšana

Abstract

Maģistra darbā ir apskatīti vektoru autoregresijas modeļi, kuru parametri ir atkarīgi no slēptas Markova ķēdes stāvokļa. Ir apskatīta slēptas Markova ķēdes un vektoru autoregresijas parametru novērtēšana ar vislielākās ticamības metodi un šo novērtējumu iegūšana ar EM algoritma palīdzību. Kā arī modeļa specifikācijas pārbaude. Apskatītie teorētiskie rezultāti ir pielietoti RIGIBOR O/N procentu likmju modelēšanai.The work considers with vector autoregression models, which parameters depend on hidden Markov chain states. Maximum likelihood estimation of hidden Markov chain and vector autoregression parameters and valuating estimators with EM algorithm is discussed. As well as model checking. Treated theoretical results are applied to find appropriate RIGIBOR O/N interest rate model.