The boosted Hodrick‐Prescott filter is more general than you might think
提升式 Hodrick–Prescott 滤波器的适用范围拓展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：摘要聚焦趋势周期提取、高阶单整及近单位根时间序列，并应用于宏观 FRED 数据，直接对应宏观时间序列方法。
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…
提升式 Hodrick–Prescott 滤波器的适用范围拓展
- 研究问题
- 提升式 HP 滤波器能否处理更高阶单整过程与近单位根时间序列，并用于识别宏观数据在危机和复苏时期的趋势变化？
- 方法与思路
- 作者通过分析提升操作对简单指数函数的渐近影响建立理论，将趋势提取扩展到更高阶单整和近单位根过程，并考察 FRED 序列。
- 材料陈述的贡献
- 摘要称，理论扩大了提升式 HP 滤波器的趋势确定能力；在具有不同动态模式的 FRED 数据中，该方法可及时捕捉危机衰退及随后复苏。
- 阅读关注点
- 应核对提升次数与平滑参数如何选择、单整阶数和近单位根设定下的渐近结果，以及端点处理和危机转折识别的评价方式。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断具体收敛条件、实时信息约束或比较基准；及时捕捉转折的陈述不能直接视为已验证的预测优势。
原文摘要
Summary The global financial crisis and Covid‐19 recession have renewed discussion concerning trend‐cycle discovery in macroeconomic data, and boosting has recently upgraded the popular Hodrick‐Prescott filter to a modern machine learning device suited to data‐rich and rapid computational environments. This paper extends boosting's trend determination capability to higher order integrated processes and time series with roots that are local to unity. The theory is established by understanding the asymptotic effect of boosting on a simple exponential function. Given a universe of time series in FRED databases that exhibit various dynamic patterns, boosting timely captures downturns at crises and recoveries that follow.