Detrending, stylized facts and the business cycle
去趋势、典型事实与经济周期AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接讨论宏观时间序列、趋势周期分解、HP滤波和ARIMA方法。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
去趋势、典型事实与经济周期
- 研究问题
- 宏观时间序列中的周期典型事实在多大程度上依赖去趋势方法，机械使用Hodrick–Prescott滤波会否产生虚假周期？
- 方法与思路
- 作者采用结构时间序列模型分析趋势和周期，并显式处理季节及不规则运动，用实证例子考察HP去趋势的后果。
- 材料陈述的贡献
- 摘要称机械HP去趋势可能导致虚假周期报告，并以结构框架讨论ARIMA方法和带单一断点的确定性趋势模型的局限。
- 阅读关注点
- 应核对结构模型各分量的设定、HP滤波产生虚假周期的具体情形，以及实证例子和模型比较所依据的诊断标准。
- 阅读边界
- 仅据所给Crossref摘要，不能判断滤波参数、样本或问题发生的范围；所述可能性不能扩张为HP滤波在所有场景下失效。
原文摘要
Abstract The stylized facts of macroeconomic time series can be presented by fitting structural time series models. Within this framework, we analyse the consequences of the widely used detrending technique popularised by Hodrick and Prescott (1980). It is shown that mechanical detrending based on the Hodrick–Prescott filter can lead investigators to report spurious cyclical behaviour, and this point is illustrated with empirical examples. Structural time‐series models also allow investigators to deal explicitly with seasonal and irregular movements that may distort estimated cyclical components. Finally, the structural framework provides a basis for exposing the limitations of ARIMA methodology and models based on a deterministic trend with a single break.