All issues

List of references:

1. А. Д. Аганин. Сравнение GARCH и HAR-RV моделей для прогноза реализованной волатильности на российском рынке // Прикладная эконометрика. — 2017. — Т. 48, № 4. — С. 63–84.
   • A. D. Aganin. Forecast comparison of volatility models on Russian stock market // Applied Econometrics. — 2017. — V. 48, no. 4. — P. 63–84. — in Russian.
2. К. К. Борусяк. Нелинейная динамика российского фондового рынка в задачах риск-менеджмента // Журнал новой экономической ассоциации. — 2011. — № 11. — С. 85–106.
   • K. K. Borusyak. Nonlinear dynamics of the Russian stock market in problems of risk management // Journal of the New Economic Association. — 2011. — no. 11. — P. 85–106. — in Russian.
3. Е. М. Бронштейн, А. Р. Зинурова. Копулы специального вида и их применение при анализе состояния финансового рынка // Прикладная эконометрика. — 2012. — Т. 27, № 3. — С. 109–114.
   • E. M. Bronshtein, A. R. Zinurova. Copulas of a special form and their application to the analysis of the financial market // Applied Econometrics. — 2012. — V. 27, no. 3. — P. 109–114. — in Russian.
4. Е. М. Бронштейн, Е. И. Прокудина, А. С. Герасимова, К. Г. Дубинская. Оценка взаимосвязей временных рядов курсов акций с помощью копула-функций // Прикладная эконометриика. — 2011. — Т. 22, № 2. — С. 22–31.
   • E. M. Bronshtein, E. I. Prokudina, A. S. Gerasimova, K. G. Dubinskaya. Estimation of the interdependence of time series of stocks prices based on copula // Applied Econometrics. — 2011. — V. 22, no. 2. — P. 22–31. — in Russian.
5. Р. И. Дурдыев, А. А. Пересецкий. Автокорреляция в глобальном стохастическом тренде // Прикладная эконометрика. — 2014. — Т. 35, № 3. — С. 39–58.
   • R. I. Durdyev, A. A. Peresetsky. Autocorrelation in the global stochastic trend // Applied Econometrics. — 2014. — V. 35, no. 3. — P. 39–58. — in Russian.
6. С. П. Сидоров, П. Дате, В. А. Балаш. Использование данных новостной аналитики в GARCH моделях // Прикладная эконометрика. — 2013. — Т. 29, № 1. — С. 82–96.
   • S. P. Sidorov, P. Date, Balash V. A.. Using news analytics data in GARCH models // Applied Econometrics. — 2013. — V. 29, no. 1. — P. 82–96. — in Russian.
7. Е. А. Федорова, О. А. Лыткина. Прогноз кризисного состояния на фондовом рынке Российской Федерации с помощью модели Маркова // Финансы и кредит. — 2012. — № 13(493). — С. 48–53.
   • E. A. Fedorova, O. A. Lytkina. Forecast of a crisis state in stock market of the Russian Federation using Markov's model // Finance and Credit. — 2012. — V. 18, no. 13 (493). — P. 48–53. — in Russian.
8. Е. А. Федорова, Д. О. Афанасьев. Определение степени влияния цен нефти и золота на индекс ММВБ и ее структурных сдвигов с применением модели Markov-Switching Autoregressive Model (MS-ARX) // Финансы и кредит. — 2013. — № 17(545). — С. 2–11.
   • E. A. Fedorova, D. O. Afanasyev. Determining the degree of influence of prices of oil and gold on the MICEX and its structural changes with use of model Markov-switching autoregressive model (MS-ARX) // Finance and Credit. — 2013. — V. 19, no. 17 (545). — P. 2–11. — in Russian.
9. A. P. Dempster, N. M. Laird, D. B. Rubin. Maximum Likelihood from Incomplete Data via the EM Algorithm // Journal of the Royal Statistical Society. Series B (Methodological). — 1977. — V. 39, no. 1. — P. 1–38. — DOI: 10.1111/j.2517-6161.1977.tb01600.x. — MathSciNet: MR0501537.
10. G. D. Jr. Forney. The Viterbi Algorithm // Proc. of the IEEE. — 1973. — V. 61, no. 3. — P. 268–278. — DOI: 10.1109/PROC.1973.9030. — MathSciNet: MR0439384.
11. P. H. Franses, D. van Dijk. Nonlinear Time Series Models in Empirical Finance. — Cambridge University Press, 2000. — MathSciNet: MR1739079.
12. S. Frühwirth-Schnatter. Finite Mixture and Markov Switching Models. — Springer Science & Business Media, 2006. — MathSciNet: MR2265601.
13. S. M. Goldfeld, R. E. Quandt. A Markov Model for Switching Regressions // Journal of Econometrics. — 1973. — V. 1, no. 1. — P. 3–16. — DOI: 10.1016/0304-4076(73)90002-X.
14. J. D. Hamilton. A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle // Econometrica. — 1989. — V. 57, no. 2. — P. 357–384. — DOI: 10.2307/1912559. — MathSciNet: MR0996941.
15. J. D. Hamilton. Time series analysis. — Princeton, N.J: Princeton University Press, 1994. — MathSciNet: MR1278033.
16. C.-J. Kim. Dynamic Linear Models with Markov-Switching // Journal of Econometrics. — 1994. — V. 60, no. 1–2. — P. 1–22. — DOI: 10.1016/0304-4076(94)90036-1. — MathSciNet: MR1247815.
17. C. - J. Kim, C. R. Nelson. State-Space Models with Regime Switching: Classical and Gibbs-Sampling Approaches with Applications. — MIT Press, 1999.
18. I. Korhonen, A. Peresetsky. Extracting global stochastic trend from non-synchronous data. — Bank of Finland, 2013. — no. 15/2013. — BOFIT Discussion Papers.
19. H.-M. Krolzig. Markov-Switching Vector Autoregressions: Modelling, Statistical Inference, and Application to Business Cycle Analysis / Lecture Notes in Economics and Mathematical Systems. — Berlin: Springer-Verlag, 1997. — V. 454. — MathSciNet: MR1473720.
20. G. S. Maddala, I.-M. Kim. Unit Roots, Cointegration, and Structural Change. — Cambridge University Press, 1998. — MathSciNet: MR1675977.
21. A. J. Viterbi. Error Bounds for Convolutional Codes and an Asymptotically Optimum Decoding Algorithm // IEEE Trans. Inf. Theory. — 1967. — V. IT-13, no. 2. — P. 260–269.