Lielākā daļa, ja ne visi, pētnieki, kas strādā riska vadības jomā, pievēršas prognozes modeļiem. Laikrindu analīzes metodēm un algoritmiem ir īpaša nozīme, un tie tiek plaši lietoti finanšu ekonometrijā riska novērtēšanai un prognozei. Ir zināms, ka laikrindu analīzes iespējas ierobežo regresijas modeļa izvēle, turklāt pat vienkāršākajiem Markova modeļiem nepieciešama daudzdimensiju sadalījuma funkciju identifikācija. Piedāvātais raksts ir veltīts pusparametrisku stacionāru Markova dinamisku sistēmu analīzei, kas tiek izmantotas mūsdienu matemātikā riska vadības un prognozes lietišķajos autoregresijas modeļos.