简介
时间序列在状态空间的一种分解方法，可以近似看作高通滤波器(High-Pass Filter)——高频信号能正常通过，而低于设定临界值的低频信号（长期趋势）则被阻隔、减弱。
时间序列可看作是不同频率成分的叠加，High-Pass就是将变化不定的时间序列数据中具有一定变化趋势的平滑序列分离出来，将时间序列分为周期性波动数据和趋势要素数据。该方法广泛的应用于宏观经济的趋势分析中。
Eviews
1.导入数据
实验数据：
其中
- gas age:代表年限
- CH4(ppbv):代表甲烷浓度
这是Vostok冰芯过去42万年的甲烷浓度的历史记录，很明显的该时间序列有很多缺失值，为此打开Eviews创建工作文件： file >> new >> workfile
然后结构类型填 Unstructured/Undated，在Data range选项填写 数据量的大小
创建工作文件之后开始导入数据，我直接从本地文件中导入：File >> Import >> Import from file >> 选择待导入的数据文件 >> 然后一直Next，直到Finish ( 注意：导入文件时，记得先关闭该数据文件 )
2.HP滤波分解
Quick >> Series Statistics >> Hodrick-Prescott Filter >> Series name:填入待分解序列名称 >> Lambda:填100（该实验数据为年度数据，季度数据填1600，月度数据填1440）
3.结果展示
