The boosted HP filter is more general than you might think
增强型 HP 滤波器的适用范围比想象中更广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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确研究宏观时间序列的趋势周期分解、高阶单整和近单位根过程。
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…
增强型 HP 滤波器的适用范围比想象中更广
- 研究问题
- 增强型 HP 滤波能否处理更高阶单整与近单位根时间序列，并在复杂宏观动态中识别趋势、危机下行和随后复苏？
- 方法与思路
- 作者通过分析增强操作对简单指数函数的渐近作用，扩展趋势提取理论，并使用 FRED 中具有不同动态模式的序列展示。
- 材料陈述的贡献
- 摘要称将增强型 HP 滤波的理论适用范围推广到高阶单整和近单位根过程，并报告对危机及复苏变化的及时捕捉。
- 阅读关注点
- 应核对平滑参数与增强次数的设定、单整阶数和近单位根条件，以及经验展示是否区分样本内拟合与实时识别。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实；摘要未说明调参规则、具体序列和比较指标，不能据此判断实时预测能力。
原文摘要
The global financial crisis and Covid recession have renewed discussion concerning trend-cycle discovery in macroeconomic data, and boosting has recently upgraded the popular HP 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.