您正在寻找的等式是

$$\lambda_\alpha = \frac{1}{\alpha^4}\lambda_1$$ 这是Ravn 和 Uhlig (2002)得出的调整因子。他们使用该公式导出了年度数据的平滑因子$\lambda = 1600$对于最初由 Hodrick 和 Prescott 建议的月度数据。那是 $$\lambda_{\text{annual}} = \frac{1}{4^4}1600 = 6.25$$

您可以重新排列方程，然后求解任何数据频率的最佳平滑因子。您可以从

$$12^4 \cdot 6.25 = 129,600$$ 其中 12 是以月为单位的数据频率。现在你只需要知道一年中有多少小时，根据谷歌的说法，它是 8765.81，然后你只需再次插入它以获得一些非常大的数字： $$8765.81^4 \cdot 6.25 = 36,901,857,672,400,771.793$$

我怀疑这会让你走得更远，因为 Hodrick Prescott 过滤器是为汇总宏观数据而开发的，以便以季度、年度或最多每月的频率研究商业周期。该过滤器不适用于每小时数据，我无法想象它会在您的应用程序中表现良好。例如，如果您在 Google 学者中搜索 Hodrick-Prescott“每小时数据”，您将找不到任何东西。所以即使这应该回答你的问题，我仍然会使用这个结果。