指数高通滤波器代码_【独家发布】H-P滤波

2016-5-27 10:44:02 上传

下载附件 (87.81 KB)

图片来源：http://www.bu-shen.com/shen-hukkejukn.htm

推文信息Postwar U.S. Business Cycles: An Empirical Investigation，Robert J. Hodrick & Edward C. Prescott，Journal of Money, Credit and Banking, Vol. 29, No. 1. (Feb., 1997), pp.1-16.

一、从时域到频域---傅里叶级数与傅里叶变换：世间万物都随着时间在不停的变动，人的身高、GDP、气温的变换等等。如果我们以时间作为横坐标，观察指标作为纵坐标，画出一个图形，并根据此进行分析。那么这个图形叫做时间序列的二维图形，这种分析叫做在时域上的分析。但是，这些看似随时间不停变动的序列背后，总有一些不随时间变动的因素，即有一些长周期序列。比如，GDP总会上升或者下降，气温总是夏季高于冬季。那么如何将这些长周期序列从整个时间序列里面分离出来，单独去分析这些长周期或者短周期序列呢？傅里叶为我们打开了新世界的大门，傅里叶认为任何连续周期信号都可以由一组适当的正弦曲线组合而成(事实上，后来几乎所有的信号都可以经过合适的变换变为一组正弦曲线的组合，不仅仅限于连续周期信号，周期信号主要靠傅立叶级数，非周期信号主要靠傅立叶变换。)，这组不同的正弦波称之为谐波，这种变换称之为傅里叶变换。经过变换之后，一个时间序列就变为由一组不同频率、振幅和相位的波的叠加。如果我们以横轴为频率，纵轴为该频率信号幅度，将变化后的信号画出一个图形出来，这个图形称之为频谱图，在这个频谱图基础上进行分析，这种分析可以叫做在频域的上分析(所谓频域，就是所有频率构成的一个域，即频率域)。正是由于傅里叶的论文突破了已有的认知，两位审稿人拉格朗日和拉普拉斯产生了严重的分歧。当拉普拉斯和其它审查者投票通过并要发表傅里叶的论文时，拉格朗日坚决反对。拉格朗日认为傅里叶的方法无法表示矩形波、三角波等一些有棱角的信号，所以傅里叶的论文直到拉格朗日死后15年才被发表出来。但事实上这些棱角波都是可以表示出来的，下图展示了矩形波在时域频域中的形状：

2016-5-27 10:44:04 上传

下载附件 (55.54 KB)

二、滤波我们知道波长等于周期和频率的乘积，对于一个给定的波长，周期和频率成反比。周期越大，频率越小，反之亦然。因此我们只要将信号中不同频率的信号分离出来，其实我们就将不同周期的信号分离出来了。这种将信号中特定波段频率滤除的操作，称之为滤波。一个可以实现这种过程的系统，称之为滤波器。其中，当允许信号中较高频率(短周期序列)的成分通过滤波器时，这种滤波器叫做高通滤波器；当允许信号中较低频率(长周期序列)的成分通过滤波器时，这种滤波器叫做低通滤波器：如果我们设低频段的截止频率为fp1,高频段的截止频率为fp2。频率在fp1与fp2之间的信号能通过其它频率的信号被衰减的滤波器叫做带通滤波器。反之，频率在fp1到fp2的范围之间的被衰减，之外能通过的滤波器叫做带阻滤波器。我们要说的HP滤波系统其实是一个高通滤波器，即滤掉信号中的低频成分(长周期序列)。三、H-P滤波 1980年，Hodrick和Prescott首次使用滤波的方法来研究美国战后的经济景气情况。之后，这种方法被广泛地应用于对宏观经济趋势的分析研究中，并被称之为HP滤波。时间序列的H-P滤波就要分离出频率较高的成分，去掉频率较低的成分，也即去掉长期的趋势项，而对短期的随机波动项进行度量。

根据H-P滤波，任何一个经济时间序列可以分解为一个趋势序列和短期波动序列之和。

2016-5-27 10:44:08 上传

下载附件 (100.45 KB)

四、实际应用及推文说明H-P滤波现在已被广泛应用，另外经济学中常用的滤波还有B-P滤波,B-P滤波实际上是一种带通滤波器。推文中H-P滤波原理的推导中出现的损失函数，是信号处理中的内容，感兴趣的同学可以去翻看统计信号处理的有关内容。简单来说就是，一个理想的滤波器应该有平稳的通带(bandpass,允许通过的频带)，同时限制限制所有通带外频率的波通过。但是实际上，并不存在理想的滤波器。滤波器并不能够将期望频率范围外的所有频率完全衰减掉，尤其是在所要的通带外还有一个被衰减但是没有被隔离的范围。这通常称为滤波器的滚降现象，并且使用每十倍频的衰减幅度的dB数来表示。通常，滤波器的设计尽量保证滚降范围越窄越好，这样滤波器的性能就与设计更加接近。希望该推文可以将H-P滤波的来由和原理讲清楚。该推文的编写还参考了搜狗百科以及以下文章：http://daily.zhihu.com/story/3935067http://wenku.baidu.com/view/e8ac960fa300a6c30c229fdd.html

原文摘要We propose a procedure for representing a time series as the sum of a smoothly varying trend component and a cyclical component. We document the nature of the comovements of the cyclical components of a variety of macroeconomic time series. We find that these comovements are very different than the corresponding comovements of the slowly varying trend components.

转自：香樟经济学术圈

相关文献：http://www.jstor.org/stable/2953682?seq=1#page_scan_tab_contents

-------------------------------2016年5月27日10:51:07