Pular para o conteúdo principal

Cookies no Macro by Mark.Usamos cookies essenciais para login, idioma e segurança. Com sua permissão, também usamos cookies opcionais de preferências, para análise e para medição de anúncios com o Pixel da Meta (Facebook). Leia nossa política de cookies.

Macro by MarkMacro by Mark
  • Início
Carregando…
Carregando…
← Modelos
MacroConceitosPolíticaModelos

Modelo Filtro HP e decomposição de Beveridge-Nelson

Decomposição tendência-ciclo de uma série macro, comparando tendência suavizada HP com decomposição permanente-transitória de Beveridge-Nelson.

Visão geralGráficoMatemáticaReferências

Filtro HP e decomposição de Beveridge-Nelson: premissas, equações e falhas

Siga a lógica do modelo por premissas, notação, equações e situações em que a leitura deixa de ser confiável.

Entenda a matemática

Acompanhe as mesmas equações e hipóteses por seção ou em uma leitura contínua.

Passe o cursor ou foque um símbolo definido no modelo para encontrar suas ocorrências exatas. Selecione para manter o destaque; Escape limpa a seleção.

Configuração do modelo

Filtro HP e decomposição de Beveridge-Nelson deve ser lido como modelo empírico. A prova começa separando a pergunta econômica, os estados que carregam memória e o choque ou regra que move o sistema.

Decomposição tendência-ciclo de uma série macro, comparando tendência suavizada HP com decomposição permanente-transitória de Beveridge-Nelson.

min⁡{τt}t=1T{∑t=1T(yt−τt)2+λ∑t=3T[(τt−τt−1)−(τt−1−τt−2)]2}\min_{\{\tau_t\}_{t=1}^T} \left\{ \sum_{t=1}^{T} (y_t - \tau_t)^2 + \lambda \sum_{t=3}^{T} [(\tau_t - \tau_{t-1}) - (\tau_{t-1} - \tau_{t-2})]^2 \right\}{τt​}t=1T​min​{t=1∑T​(yt​−τt​)2+λt=3∑T​[(τt​−τt−1​)−(τt−1​−τt−2​)]2}
λ\lambdaλ

A primeira equação fixa a variável ou bloco que organiza a leitura do modelo.

Definir o estado de referência

Sem referência, o leitor não sabe se a resposta é grande, persistente ou apenas uma mudança de escala.
min⁡{τt}t=1T{∑t=1T(yt−τt)2+λ∑t=3T[(τt−τt−1)−(τt−1−τt−2)]2}\min_{\{\tau_t\}_{t=1}^T} \left\{ \sum_{t=1}^{T} (y_t - \tau_t)^2 + \lambda \sum_{t=3}^{T} [(\tau_t - \tau_{t-1}) - (\tau_{t-1} - \tau_{t-2})]^2 \right\}{τt​}t=1T​min​{t=1∑T​(yt​−τt​)2+λt=3∑T​[(τt​−τt−1​)−(τt−1​−τt−2​)]2}
λ\lambdaλ

Notações

sts_tst​

estado

εt\varepsilon_tεt​

choque

Sobre os símbolos

estado: Informação herdada do período anterior, como capital, balanço, rede, dívida ou produtividade.

choque: Inovação ou mudança de regra que inicia o cenário.

Hipóteses

  • Mecanismo explícito
  • Validação separada

Checagens de transição

Sampled dynamics
zt=G(zt−1;θ)+ηt,yt=Hzt+εtz_t=G(z_{t-1};\theta)+\eta_t,\qquad y_t=H z_t+\varepsilon_tzt​=G(zt−1​;θ)+ηt​,yt​=Hzt​+εt​
θ\thetaθεt\varepsilon_tεt​

The state is updated at observed dates. A line between dates is a display convention unless the model specifies behavior inside the interval.

Read adjacent points as adjacent sample calculations. Smoothness is a property of the estimator, not of the chart line.

Do not infer within-period behavior from a sampled estimator.

Temporalidade das variáveis

Latent state

zt=G(zt−1;θ)+ηtz_t=G(z_{t-1};\theta)+\eta_tzt​=G(zt−1​;θ)+ηt​
θ\thetaθ

The state updates at sample dates. The visible line is only as smooth as the estimated state sequence.

Observation equation

yt=Hzt+εty_t=Hz_t+\varepsilon_tyt​=Hzt​+εt​
εt\varepsilon_tεt​

Observed series can move differently from latent states because measurement noise and loadings matter.

Continue por aqui

Leia a seguir

Continue com um conceito, modelo ou exemplo relacionado.

Modelo teórico

IS-LM Model

modelo teórico bem conectado a dois passos daqui

Novo ângulo: modelo teórico →
Macro by Mark
Ajuda
Política de PrivacidadeTermos de UsoÉtica e conformidade

© 2026 Mark Jayson Nation LLC