Detailansicht

Nowcasting mit Hilfe von Internet-Suchstatistiken
Matthias Schmidl
Art der Arbeit
Magisterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Betreuer*in
Robert Kunst
Volltext herunterladen
Volltext in Browser öffnen
Alle Rechte vorbehalten / All rights reserved
DOI
10.25365/thesis.34179
URN
urn:nbn:at:at-ubw:1-29305.69700.213570-2
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)

Abstracts

Abstract
(Deutsch)
Diese Arbeit untersucht das Potenzial von Internet-Suchdaten um kurzfristige Prognosen unterschiedlicher österreichischer Wirtschaftsdaten zu verbessern. Dazu werden Google Trends-Daten zu monatlichen Google-Indizes (GI) aggregiert und mittels schrittweiser Modellselektion ein favorisiertes Modell aus einem Set möglicher Modell-Kandidaten bestimmt. In den Nowcasting-Experimenten werden Out-of-Sample Forecasts von autoregressiven Benchmark-Modellen mit Nowcasts von erweiterten GI-Modellen verglichen. Die Anwendungsdaten stammen aus den Bereichen Arbeitsmarkt und Tourismus, wobei speziell die Arbeitslosen- und Jugendarbeitslosenquote sowie die Ankünfte von deutschen und niederländischen Gästen in Österreich untersucht werden. Die Ergebnisse zeigen, dass mit GI erweiterte Modelle gegenüber den Benchmark-Modellen in allen vier Anwendungsfällen einen geringeren RMSE und MAE in den Out-of-Sample Forecasts produzieren.
Abstract
(Englisch)
This work examines the potential of internet search query data to improve short-term forecasts of various Austrian economic data. Therefore, Google Trends-data are aggregated to monthly Google-Indices (GI) and a stepwise model selection algorithm determines a prefered model out of a set of candidate models. In nowcasting experiments out-of-sample forecasts of autoregressive benchmark models are compared to nowcasts of models augmented with the GI. The data is taken from the tourism sector and the labor market. In particular unemployment and youth unemployment data, as well as arrivals of German and Dutch visitors in Austria are analysed. The results show that GI augmented models produce a lower out-of-sample RMSE and MAE in all four applications compared to the benchmark models.

Schlagwörter

Schlagwörter
(Englisch)
Google Trends forecasting nowcasting unemployment tourism
Schlagwörter
(Deutsch)
Google Trends forecasting nowcasting Arbeitslosigkeit Tourismus
Autor*innen
Matthias Schmidl
Haupttitel (Deutsch)
Nowcasting mit Hilfe von Internet-Suchstatistiken
Publikationsjahr
2014
Umfangsangabe
55 S. : graph. Darst.
Sprache
Deutsch
Beurteiler*in
Robert Kunst
Klassifikation
83 Volkswirtschaft > 83.39 Wirtschaftsentwicklung, Wirtschaftsstruktur: Sonstiges
AC Nummer
AC12137337
Utheses ID
30342
Studienkennzahl
UA | 066 | 913 | |
Universität Wien, Universitätsbibliothek, 1010 Wien, Universitätsring 1