The Use of Butterworth Filters for Trend and Cycle Estimation in Economic Time Series
使用巴特沃斯滤波器估计经济时间序列的趋势与周期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：摘要围绕经济时间序列的趋势周期分解、季节调整和滤波方法展开，预测与回溯预测用于延长序列，故归入时间序列方向。
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
使用巴特沃斯滤波器估计经济时间序列的趋势与周期
- 研究问题
- 估计经济时间序列的长期趋势与商业周期时，如何选择滤波器、处理季节成分及样本端点，并为估计结果提供模型解释与误差度量？
- 方法与思路
- 作者提出两阶段程序：对估计的趋势周期成分使用专门设计的 Butterworth 或带通滤波器，并以 ARIMA 预测和回溯预测延长输入序列。
- 材料陈述的贡献
- 摘要称 HP 滤波器属于 Butterworth 滤波器；结合模型化季节调整后，该程序可获得完整模型解释，并计算趋势和周期的预测及均方误差。
- 阅读关注点
- 阅读时应核对滤波器的频率设计、趋势周期成分的估计、序列延长对端点的影响，以及均方误差计算依赖哪些模型假设。
- 阅读边界
- 摘要未给出滤波器参数、例子的具体结果或误差比较；所述模型解释与误差计算有条件，不能仅凭摘要确认程序普遍优于 HP 滤波。
原文摘要
Long-term trends and business cycles are usually estimated by applying the Hodrick and Prescott (HP) filter to X-11 seasonally adjusted data. A two-stage procedure is proposed in this article to improve this methodology. The improvement is based on (a) using Butterworth or band-pass filters specifically designed for the problem at hand as an alternative to the HP filter, (b) applying the selected filter to estimated trend cycles instead of to seasonally adjusted series, and (c) using autoregressive integrated moving average models to extend the input series with forecasts and backcasts. It is shown in the article that the HP filter is a Butterworth filter and that, if a model-based method is used for seasonal adjustment, it is possible to give a fully model-based interpretation of the proposed procedure. In this case, one can compute forecasts and mean squared errors of the estimated trends and cycles. The procedure is illustrated with several examples.