Hva er Hodrick-Prescott (HP) filter?
Hodrick-Prescott (HP) -filteret refererer til en datautjevningsteknikk. HP-filteret brukes ofte under analyse for å fjerne kortsiktige svingninger knyttet til konjunkturene. Fjerning av disse kortsiktige svingningene avslører langsiktige trender. Dette kan hjelpe med økonomisk eller annen prognose knyttet til konjunkturene.
Viktige takeaways
- Hodrick-Prescott-filteret refererer til en datautjevningsteknikk som hovedsakelig brukes i makroøkonomi. Det brukes ofte under analyse for å fjerne kortsiktige svingninger knyttet til konjunkturene. I praksis brukes det for å jevne og forstyrre konferansestyrets Help Wanted Index slik at det kan benchmarkes mot Bureau of Labor Statistics JOLTS, som måler jobb ledige stillinger i USA
Forstå Hodrick-Prescott (HP) -filteret
Hodrick-Prescott (HP) -filteret er et verktøy som ofte brukes i makroøkonomi. Det er oppkalt etter økonomene Robert Hodrick og Edward Prescott som først populariserte dette filteret i økonomi på 1990-tallet. Hodrick var en økonom som spesialiserte seg i internasjonal finans. Prescott vant Nobelminneprisen og delte den med en annen økonom for forskningen deres i makroøkonomi.
Dette filteret bestemmer den langsiktige trenden i en tidsserie ved å redusere viktigheten av kortsiktige prissvingninger. I praksis brukes filteret til å jevne og forvirre Conference Board's Help Wanted Index (HWI), slik at det kan benchmarkes mot Bureau of Labor Statistic (BLS) JOLTS, en økonomisk dataserie som mer nøyaktig kan måle stillinger i USA
HP-filteret er et verktøy som ofte brukes i makroøkonomi.
Spesielle hensyn
HP-filteret er et av de mest brukte verktøyene i makroøkonomisk analyse. Det har en tendens til å ha gunstige resultater hvis støyen blir distribuert normalt, og når analysen som er utført er historisk.
I følge en artikkel publisert av økonom og professor James Hamilton - som vises på nettstedet til National Bureau of Economic Research - er det flere grunner til at HP-filteret ikke skal brukes. Hamilton foreslår først at fileren produserer resultater som ikke har noe grunnlag i prosessen med å generere data. Han uttaler også at verdiene som blir filtrert ved prøvenes ende er helt forskjellige fra de i midten.
