楼主好，虽然问题有点久了，但是我还是回答一下，希望对后来的人有帮助。不知道您说的这个包是不是指R语言的MSGARCH包，这个包本身是不包括对条件均值模型的估计的，只对条件方差模型MS-GARCH进行参数估计，所以如果是想将条件均值和MS-GARCH一起进行参数估计那这个包是实现不了的，只能自己去写源代码实现计算。我的建议是，如果条件均值模型和MS-GARCH可以选择分开估计，即进行两步法参数估计，那么可以先调用别的包估计条件均值模型ARIMA，之后提取ARIMA的残差用MSGARCH包估计MS-GARCH模型。如果还是希望将条件均值和MS-GARCH一起估计，即进行一步法参数估计，那么就不可避免得自己写源码了，这里有两种写的思路，一种是ARIMA-MS-GARCH，即ARIMA是single regime的，和传统ARIMA模型相同，不涉及regime-switching，第二种是MS-ARMA-GARCH，即ARMA和GARCH均允许regime-switching，这第二种思路比第一种要更难一些，可以在网上找到相关的文献，MS-ARMA-GARCH中的MS-ARMA或者说MS-AR就和Hamilton (1989)提出的Markov switching model是一样的。这个程序写起来不是特别简单，但也不能说很难，能不能写得出来取决于对MS-GARCH本身的模型推导是否精通，如果有需要自己写，建议通读下Haas(2004)那一篇对MS-GARCH模型的介绍，这个specification是目前认可度较高的一种，在论文中作者详细证明了MS-GARCH的positivity, covariance-stationarity, unconditional variance，还有ACF process，理论性质之研究非常详尽，因此这个版本的MS-GARCH模型也是MSGARCH包几位作者写程序所参考的specification，剩下的还有Gray(1996)，Klaassen(2002)版本的MS-GARCH，但之前版本的MS-GARCH对路径依赖的问题处理得有这样那样的问题，所以到Haas(2004)这里算是一个集大成的最终版本了。因此用MS-GARCH模型要多留意自己使用的是哪个作者的specification的，因为不同构型的计算方式差异很大，涉及的process性质也不尽相同，虽然名字都是叫MS-GARCH。如果需要自己写MS-GARCH源码，可以试着先学习MSGARCH的源代码是怎么写的，可以去R官网上下载MSGARCH的源码包，这个包是典型的C++和R语言共同撰写的包，所有的模型迭代过程统一全部使用C++，因为C++速度够快，R的迭代速度较慢，然后剩下的计算由R语言完成，比如参数估计是由R语言的stats包实现的。MSGARCH源码包的文件夹里有一个名字叫R的子文件，里面都是装着R源文件，还有一个名字叫src的子文件，里面就都是C++的源文件，负责模型核心迭代。希望对大家有帮助。