La ecuación que se busca es la
$$\lambda_\alpha = \frac{1}{\alpha^4}\lambda_1$$
que es el factor de ajuste derivados por Ravn y Uhlig (2002). Se deriva el factor de suavización para datos anuales con esta fórmula utilizando el $\lambda = 1600$ para los datos mensuales que se propuso originalmente por Hodrick y Prescott. Que es
$$\lambda_{\text{annual}} = \frac{1}{4^4}1600 = 6.25 $$
Puede reorganizar la ecuación y, a continuación, solucionar el óptimo factor de suavización de los datos de frecuencia. Usted puede conseguir el mensual factor de suavización de
$$12^4 \cdot 6.25 = 129,600$$
donde 12 es los datos de frecuencia en meses. Ahora sólo falta saber cuántas horas hay en un año que, según Google, es 8765.81 y, a continuación, usted sólo tiene que conectarlo de nuevo para obtener algún número muy grande:
$$8765.81^4 \cdot 6.25 = 36,901,857,672,400,771.793$$
Dudo que a pesar de que este va a llegar lejos, porque la Hodrick Prescott filtro fue desarrollado para los agregados macro de datos con el fin de estudiar los ciclos de negocios en una trimestral, anual, o en la mayoría de frecuencia mensual. El filtro no estaba destinado a ser para los datos horarios y no puedo imaginar que va a realizar el bien para su tipo de aplicación. Por ejemplo, si usted busca en Google scholar para Hodrick-Prescott "de datos por hora" usted no va a encontrar nada de nada. Así que, aunque esto debe responder a su pregunta, me gustaría todavía se puede variar usando este resultado.