hpfilter

霍德里克-普雷斯科特过滤器的趋势和周期性成分

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和它们各自的趋势分量Hodrick-Prescott过滤器．平滑参数为1600，适用于每季度一次［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滤波器平滑参数平滑．

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 (＿＿＿）还返回了周期性成分周期性的．

例子

全部折叠

将Hodrick-Prescott滤波器应用于时间序列数据

打开生活的脚本

绘制美国二战后经季节性调整的实际国民生产总值(GNP)的周期性成分。指定平滑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)轴紧ylabel (“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numObs或者一个numObs——- - - - - -numSeries数字矩阵。

一个向量表示numObs单个序列或变量的观测值。
一个矩阵表示numObs的观察numSeries系列。Y (j，k）级数的观测值是多少k在时间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是南或正，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)|`正`|非负数字标量|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）对系列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）是正，hpfilter应用最大平滑。在这种情况下，以下是正确的:

趋势(:,k）为由最小二乘计算的线性时间趋势。
周期性(:,k）为非趋势级数。

随着平滑参数的增大，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
One hundred.年度数据

例子:One hundred.

数据类型:双

输出参数

全部折叠

`趋势`——趋势组件τ_t
数字向量|数字矩阵

趋势组件τ_t数据中每个序列的值，返回为具有相同维数的数字向量或矩阵Y．

`周期性的`——周期性组件c_t
数字向量|数字矩阵

周期性的组件c_t数据中每个序列的值，返回为具有相同维数的数字向量或矩阵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。

参考文献

霍德里克，罗伯特J，爱德华C.普雷斯科特。《战后美国商业周期:实证研究》货币、信贷和银行杂志29日,没有。1(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