hpfilter

趋势和周期成分的Hodrick-Prescott过滤器

折叠所有页面

语法

hpfilter (Y)

hpfilter（Y，平滑）

趋势= hpfilter (＿＿＿）

(趋势、周期性)= hpfilter (＿＿＿）

描述

例子

hpfilter (Y）绘制的时间序列变量(列)的数据Y以及由Hodrick-Prescott过滤器。平滑参数为1600，适用于季度周期[1]．hpfilter在同一坐标轴上绘制所有时间序列及其各自的趋势分量。

hpfilter (Y，平滑）应用Hodrick-Prescott过滤器平滑参数平滑．

趋势= hpfilter (＿＿＿）返回趋势组件趋势使用前面语法中的任何输入参数组合的时间序列变量。

［趋势，周期性的) = hpfilter (＿＿＿）还返回周期性组件周期性的．

例子

全部折叠

对时间序列数据应用Hodrick-Prescott过滤器

打开实时脚本

绘制美国二战后经季节性调整的实际国民生产总值（GNP）的周期成分。具体说明平滑1600，这是合适的季度数据。

负载Data_GNPgnpDate =日期;realgnp = DataTable.GNPR;[~ c] = hpfilter (realgnp, 1600);情节(gnpDate c)轴牢固的伊拉贝尔(“实际国民生产总值周期性成分”）

图中包含一个轴对象。axis对象包含一个类型为line的对象。

输入参数

全部折叠

`Y`- - - - - -时间序列数据
数值向量|数字矩阵

时间序列数据，指定为长度的数字向量暴民或者一个暴民-借-numSeries数字矩阵。

一个向量表示暴民单个序列或变量的观测值。
矩阵表示暴民的观察numSeries系列。Y (j，k）级数的观测值是多少k当时j．同一行的观察是同时进行的。

最后一个元素或行包含最新的观察结果。

如果任何元素Y是南或Inf，hpfilter一个错误的问题。

数据类型:双

`平滑`- - - - - -趋势分量平滑参数
`1600`(默认)|`Inf`|非负数值标量|非负数字矢量

趋势分量平滑参数，指定为非负数值标量或非负数值长度向量numSeries．对于数值标量，hpfilter适用于平滑到所有系列Y．对于数字向量，hpfilter适用于平滑(k）系列k在资料(Y (:,k））.

如果平滑(k）是0，hpfilter不平滑序列的趋势分量k．在这种情况下，以下是正确的:

趋势(:,k）＝Y (:,k）．
周期性(:,k）＝0 (numObs, 1)．

如果平滑(k）是Inf，hpfilter应用最大平滑。在这种情况下，以下是正确的:

趋势(:,k）是通过最小二乘法计算的线性时间趋势。
周期性(:,k）是去渲染的系列。

随着平滑参数的大小增加，趋势接近线性时间趋势。

适当的平滑参数值取决于数据的周期性。尽管最佳实践是对数据进行平滑值试验，但推荐使用这些平滑值[1]：

14400月度数据
1600季度数据
100年度数据

例子:100

数据类型:双

输出参数

全部折叠

`趋势`——趋势组件τ_t
数值向量|数值矩阵

趋势分量τ_t数据中每个系列的，作为数值向量或矩阵返回，其维数与Y．

`周期性的`——周期性组件c_t
数值向量|数值矩阵

周期性的组件c_t数据中每个系列的，作为数值向量或矩阵返回，其维数与Y．

提示

对于高频序列，Hodrick-Prescott滤波器可以产生异常端点效应。在这种情况下，不要使用过滤器的结果来推断序列。

工具书类

[1] 罗伯特J.霍德里克和爱德华C.普雷斯科特《战后美国商业周期：一项实证调查》货币、信贷和银行杂志29，第1号（1997年2月）：1-16。https://doi.org/10.2307/2953682．

另请参阅

主题

介绍了R2006b

hpfilter

语法

描述