Hodrick-Prescott Filtresi: Makroekonomik Zaman Serileri İçin Trend-Döngü Ayrıştırması
Hodrick-Prescott Filter · Ayrıca şöyle bilinir: Hodrick-Prescott Filter, HP Decomposition, Trend-Cycle Filter, HP Filtresi
Hodrick-Prescott (HP) filtresi, bir zaman serisini uzun vadeli pürüzsüz bir trend bileşeni ve kısa vadeli döngüsel bir bileşene ayırmak için makroekonomide ve ampirik finansta kullanılan cezalı en küçük kareler tekniğidir. Hodrick ve Prescott (1997) tarafından savaş sonrası ABD iş döngüsü verileri kullanılarak tanıtılan filtre, iş döngüsü analizinde, para politikası araştırmalarında ve uygulamalı ekonometride en yaygın uygulanan filtrelerden biri haline gelmiştir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
HP filtresi, araştırma hedefinin makroekonomik veya finansal bir zaman serisini trend ve döngüye ayırmak olduğu, özellikle iş döngüsü analizi, çıktı açığı ölçümü veya potansiyel çıktı tahmini için uygundur. Serinin yavaş gelişen bir trende ve kısa vadeli döngüsel sapmalara sahip durağan olmayan bir seri olduğunu varsayar. Temel varsayımlar, trend ve döngünün toplamsallığı ve veri frekansıyla tutarlı kullanıcı tarafından belirtilen bir lambda'dır. Yapısal kırılmalar, birim köke yakın davranış veya uç nokta hassasiyeti endişeleri olan seriler için daha az uygundur. Alternatifler arasında Baxter-King filtresi, STL ayrıştırması ve Kalman filtresi tabanlı durum-uzay modelleri bulunur.
Güçlü yönler & sınırlılıklar
- Tekrarlayan tahmin gerektirmeyen basit kapalı form hesaplaması; uzun seriler için bile hesaplama açısından hızlıdır.
- Lambda parametresi aracılığıyla veri frekansları arasında esneklik (yıllık/çeyreklik/aylık için 100/1600/14400).
- Politika yapıcılar ve merkez bankası ekonomistleri tarafından yaygın olarak anlaşılan yorumlanabilir, pürüzsüz trend serileri üretir.
- Kolayca tekrarlanabilir ve çalışmalar arasında karşılaştırılabilir olması, ülke ve dönemler arası iş döngüsü araştırmalarını kolaylaştırır.
- Lambda'nın seçimi keyfi ve mekaniktir; sonuçlar farklı lambda değerleriyle önemli ölçüde değişebilir.
- Uç nokta sorunu: örneklem başlangıcı ve sonundaki trend tahminleri, asimetrik veri kullanılabilirliği nedeniyle güvenilmezdir.
- Hamilton (2018), HP filtresinin beyaz gürültü serilerine yapay döngüler sokabileceğini göstererek istatistiksel geçerliliğini sorgulamıştır.
- Birim köklere ve yapısal kırılmalara duyarlıdır; altta yatan veri üretme süreci yanlış belirtildiğinde yanıltıcı döngüler üretebilir.
SSS
Lambda parametresini nasıl seçerim?
Hodrick ve Prescott tarafından önerilen geleneksel değerler yıllık veriler için 100, çeyreklik veriler için 1600 ve aylık veriler için 14400'dür. Bunlar, iş döngüsü varyansının trend varyansına oranının ampirik önceliklere uyması için kalibre edilmiştir. Standart olmayan frekanslar veya belirli araştırma soruları için bazı yazarlar, Ravn ve Uhlig (2002) takip ederek lambda'yı lambda = 6.25 * (frekans oranı)^4 formülü aracılığıyla türetir.
Uç nokta sorunu nedir ve nasıl ele alınır?
HP filtresi iki yönlü bir filtre olduğundan, örneklem başlangıcındaki ve sonundaki trend tahminleri henüz mevcut olmayan verilere bağlıdır. Bu, yeni gözlemler geldikçe önemli revizyonlara neden olur. Yaygın çözümler arasında filtrelemeden önce örneklemi tahmin edilen değerlerle uzatmak, gerçek zamanlı uygulamalar için filtrenin tek yönlü varyantlarını kullanmak veya uç nokta sorununu önleyen Hamilton (2018) regresyon tabanlı yaklaşımı gibi alternatif filtrelemelere geçmek yer alır.
Hamilton'ın (2018) eleştirisi göz önüne alındığında HP filtresi hala kabul edilebilir mi?
Hamilton (2018), birim kök süreçlerine uygulanan HP filtresinin beyaz gürültüde bile yapay döngüler ürettiğini gösterdi ve basit bir OLS regresyon alternatifi önerdi. Bu eleştiriye rağmen, HP filtresi hesaplama basitliği ve mirası nedeniyle politika kurumlarında ve karşılaştırmalı çalışmalarda yaygın olarak kullanılmaktadır. Araştırmacılar sınırlılıklarını kabul etmeli, sonuçları alternatif yöntemlerle tamamlamalı ve çıkarılan döngü bileşeninin güçlü yapısal yorumlarından kaçınmalıdır.
Kaynaklar
- Hodrick, R. J., & Prescott, E. C. (1997). Postwar U.S. business cycles: An empirical investigation. Journal of Money, Credit and Banking, 29(1), 1–16. DOI: 10.2307/2953682 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Hodrick-Prescott Filter. ScholarGate. https://scholargate.app/tr/econometrics/hp-filter
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Baxter-King Bant-Geçiren FiltresiEkonometri↔ karşılaştır
- Durum Uzay Modeli (Kalman Filtresi)Ekonometri↔ karşılaştır
- STL Ayrıştırması: Loess Kullanarak Mevsimsel-Eğilim AyrıştırmasıEkonometri↔ karşılaştır