Ein in 2018 veröffentlichter Artikel von J.D. Hamilton erlangte durch seinen provokanten Titel „Why you should never use the Hodrick-Prescott filter“ große Aufmerksamkeit. In diesem Artikel wurde eine alternative Methode zur Trendbeseitigung, genannt der Hamilton-Regressionsfilter (HRF), eingeführt. Hamiltons Arbeit wurde häufig als ein Vorschlag interpretiert den Hodrick-Prescott (HP)-Filter durch HRF zu ersetzen. Wir setzen uns in diesem Artikel kritisch mit Hamiltons Sichtweise auseinander. Mit Fokus auf die US-amerikanische Konjunkturentwicklung, generieren wir eine große Menge künstlicher Daten, welche bekannte Muster aufweisen und sowohl eine Trend- als auch eine zyklische Komponente beinhalten. Das Ziel ist es, die Wirksamkeit beider (konkurrierender) Trendbereinigungsansätze hinsichtlich der tatsächlichen Zerlegung der Daten zu identifizieren und zu beurteilen. Ausgehend von der Standardannahme, wonach der Glättungsparameter einen Wert von 1600 aufweist, werden in dieser Studie auch optimale Werte aus früheren Studien berücksichtigt, die sieben- bis zwölfmal höher ausfallen. Durch Anwendung von drei neuartigen statistischen Messgrößen, welche die Diskrepanz zwischen dem geschätzten und dem tatsächlichen Trend erfassen, zeigt sich, dass die beiden in diesem Artikel vorgestellten Versionen des HP-Filters den HRF im Ergebnis deutlich übertreffen.