您确定要删除吗?

取消
首页 算法大全 应用模型 分析软件 算法学院数据中心 在线体验 关于本站
在线咨询
400-820-6981
意见反馈
返回顶部

HP滤波

操作系统:
0
  • Windows
  • Linux
版本:
  • 单机版
  • 网络版
  • 分布式云平台
系统位数:
  • 32位
  • 64位
购买年限:
  • 1年
  • 2年
  • 3年
  • 5年
  • 10年
  • 永久

价格¥0.00元

马克威HP滤波

马克威操作说明

以数据文件“马克威通用数据2.mkw”,演示HP滤波分解算法模型。该文件包含中国社会消费品零售总额月度时间序列的趋势项。数据的取值范围从1980年1月至2004年5月。

(1)首先,在工作区,打开建模分析工作流“高级统计”→“时间序列”→“HP滤波”;

(2)接着选择数据源;

(3)然后设置算法的参数;

(4)主要操作步骤如下:

1)选择数据源;

2)变量选择:

待选变量列表:列出数据源中所有的变量。

已选变量:需要进行HP滤波分解的变量,可以同时选择多个

数据类型:指定需要HP滤波分解的变量的类型,有三种可选:年度数据,季度数据、年度数据。

平滑设置:HP滤波依赖于参数λ,该参数需事先给定。当λ=0时,满足最小化问题的趋势序列为原始序列,随着λ值的增加,估计的趋势越光滑,当λ趋于无穷大时,估计的趋势将接近线性函数。两种方法:

用户指定:用户可直接输入lambda的值,

一般经验,的取值如下:

Ravn Uhlig 频数准则:按照初始λ=1600,用户指定power的值,在马克威算法中根据Ravn Uhlig 频数准则来计算出对应的λ的值。

设置好参数如下所示:

(5)输出结果:

HP滤波分解结果:

HP滤波原始数据与趋势项(Lambad=14400):

(6)结果解释:

HP滤波分解结果表给出了该月度数据的原始数据、趋势项和循环项数值;同时,为了更好的观察这些序列数据的长期趋势,给出数据可视化的图像,能够清晰的看到数据呈现一条逐渐上扬的趋势线。

数据要求

输入变量类型:整型、浮点型

输入数据尺度:标量型

算法用途

HP滤波方法是一种比较常用的时间序列分解方法。季节调整方法可以对经济时间序列进行分解,但在季节调整的方法中,趋势和循环要素视为一体不能分开。

该方法广泛应用于宏观经济趋势的分析研究中;而在宏观经济学中,人们非常关心序列组成成分中的长期趋势。HP滤波方法就是将趋势项和循环项进行分解的方法;从而便于进行相应的研究。

算法原理

HP滤波方法原理是通过极小化波动方差来推导时间序列中的趋势成分。HP滤波可有三种理解:1)HP滤波可以看作是一个为了从数据中抽出一条平滑曲线而设定的算法;2)可以看作是特殊投影问题,从数据抽出某个信号,认为数据是由信号和正交噪声叠加而成的;3)可以看作是一个高通滤波器,能够分离周期在8年以下的高频成分。

HP滤波的原理可以表述为:

假设经济时间序列为,趋势要素为,其中n为样本容量,所以HP滤波可以将(t=1,2,…,n)分解为:

其中gt和ct均为不可观测值。一般的,求解G可由求解最小化问题的解得到,该最小化模型为:

其中B(L)是延迟算子多项式,,代入上式得到:

求解ct时,可以对上式求导得到。

结果与解释

输出结果:

HP滤波分解结果:列出进行HP滤波分解的变量的原始数据、趋势项、循环项

HP滤波原始数据与趋势项图:可视化给出原始数据与趋势项

HP滤波循环项图:可视化给出HP滤波循环项

订购用户 订购时间 年限 运行环境 版本
1832****368 2019-10-15 13:14:44 1年 Windows 单机版
1891****317 2019-03-29 23:43:36 1年 Windows 单机版
1761****872 2019-03-23 12:51:12 1年 Windows 单机版
1832****368 2019-01-21 15:51:48 1年 Windows 单机版
1811****398 2018-07-23 13:46:24 1年 Windows 单机版
1825****378 2018-06-29 11:16:11 1年 Windows 单机版
1822****344 2018-01-21 16:54:39 1年 Windows 单机版
1398****741 2017-12-29 09:10:30 1年 Windows 单机版
1346****008 2017-11-18 16:21:28 1年 Windows 单机版
1556****001 2017-08-10 23:45:25 1年 Windows 单机版
<123· · ·47>跳至

加入购物车成功!

继续购物 去购物车