TREND EXTRACTION FROM ECONOMIC TIME SERIES WITH MISSING OBSERVATIONS BY GENERALIZED HODRICK–PRESCOTT FILTERS
利用广义 HP 滤波提取含缺失观测经济序列的趋势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：摘要明确研究经济时间序列的趋势提取及 HP 滤波。
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
利用广义 HP 滤波提取含缺失观测经济序列的趋势
- 研究问题
- 当经济时间序列存在缺失观测时，如何修改传统 Hodrick–Prescott 滤波以提取趋势，并为修改后的方法确定平滑参数？
- 方法与思路
- 作者提出两种适用于缺失观测的广义 HP 滤波，分析各自性质及平滑参数设定方法，再通过数值研究比较表现。
- 材料陈述的贡献
- 摘要称两种推广使 HP 滤波能够处理观测缺失，并基于理论分析和数值考察推荐其中一种用于应用研究；具体推荐对象未说明。
- 阅读关注点
- 应核对两种滤波的目标函数、缺失位置如何进入计算、平滑参数选择依据，以及作者推荐某种方法所依赖的性能标准。
- 阅读边界
- 仅据所给 Crossref 版本摘要，缺失机制与模式、比较数值和推荐方法身份均未说明；不能推断其适用于所有缺失情形或刊本变化。
原文摘要
The Hodrick–Prescott (HP) filter has been a popular method of trend extraction from economic time series. However, it is impractical without modification if some observations are not available. This paper improves the HP filter so that it can be applied in such situations. More precisely, this paper introduces two alternative generalized HP filters that are applicable for this purpose. We provide their properties and a way of specifying those smoothing parameters that are required for their application. In addition, we numerically examine their performance. Finally, based on our analysis, we recommend one of them for applied studies.