当做Hamilton的Markov regime switching模型时，利用设定的初值对每个时期的状态推断和预测进行迭代怎么理解？因为这个过程中涉及未知参数，当迭代的时候，这些未知参数如何考虑，是就把它们当做已知的先不管吗，以此来得到似然函数？迭代应在什么时候停止呢，迭代到样本结束？迭代后，是为了得到所有未知的参数（包括转移概率参数）一系列表达式吗？当对时期状态的迭代结束，考虑估计似然函数的时候，再重新对那些未知参数进行估计估计吗？望牛人不吝赐教，实在是看了好久，当尝试用数据算的时候，却不知从何下手，希望能得到高手的指点，本人将不胜感激，谢谢~~