การปฏิบัติทั่วไปเมื่อคำนวณวิธีการแก้ปัญหาการเพิ่มประสิทธิภาพแบบไดนามิกสุ่มคือการประมาณกระบวนการบังคับจากภายนอก $ z_ {t + 1} = \ rho z_t + \ sigma \ epsilon_ {t + 1} $ พร้อมด้วยห่วงโซ่มาร์คอฟสถานะ จำกัด เช่น โดยวิธีของ Tauchen หรือ Rouwenhorst อะไรจะเป็นวิธีที่ดีในการลดทอนกระบวนการ AR (1) ที่มีความผันผวนแบบสุ่ม
นั่นคือถ้ากระบวนการ AR (1) -SV ดั้งเดิมมีลักษณะดังนี้: $$ \ begin {} แยก z_ {t + 1} & amp; = \ rho_z z_t + \ mathrm {e} ^ {v_t} \ sigma_z \ epsilon_ {t + 1} \\ v_ {t + 1} & amp; = \ rho_v v_t + \ sigma_v \ eta_ {t + 1} \ end {} แยก $$ ด้วย $ \ epsilon, \ eta $ เป็นมาตรฐานแบบเกาส์เซียนแบบอิสระเป้าหมายของฉันคือการรับค่า $ z_i $ และความน่าจะเป็นในการเปลี่ยนแปลง $ p_ {ij} $ ($ i, j = 1, \ dot, n $) ห่วงโซ่มาร์คอฟใกล้เคียงกับกระบวนการที่มีมูลค่าต่อเนื่องดั้งเดิม