Nowcasting con Google Trends: Dinámica de la Actividad Económica Mensual, el Consumo Privado y la Inversión basada en datos de Google Trends y un Modelo Bayesiano Estructural de Series de Tiempo

Autores/as

  • Lisette Josefina Santana Jiménez Banco Central de la República Dominicana

Palabras clave:

Actividad Económica, Inversión, Consumo Privado, Google Trends, Modelo Bayesiano Estructural

Resumen

Las técnicas de proyección basadas en nowcasting1 han adoptado cada vez mayor preponderancia, gracias a su bondad para pronosticar determinadas variables macroeconómicas por medio de información de alta frecuencia y dada la posibilidad de publicar dicha información sin rezagos. El objetivo primordial de este estudio es generar proyecciones basadas en datos nano-económicos procedentes de la plataforma Google Trends, con frecuencia mensual y semanal, y empleando un Modelo Bayesiano Estructural de Series de Tiempo (BSTS, por sus siglas en inglés) para el Índice de Actividad Económica (IMAE), el Consumo Privado y la Inversión, los cuales son publicados por el Banco Central de la República Dominicana con periodicidad mensual y trimestral, respectivamente. Los resultados exhiben una convergencia entre los indicadores adelantados estimados a través de la metodología propuesta y las variables observadas, i.g. . IMAE, Consumo Privado e Inversión. Se llega a la conclusión de que la concatenación de la información de Google Trends con un modelo especializado como el BSTS, para el manejo de grandes conjuntos de datos propicia una mejora en la exactitud de los resultados en comparación con los valores efectivamente observados. La importancia y el valor de las herramientas inherentes a la teoría de machine learning continúan en ascenso y su desempeño refleja su alto potencial para reforzar los procesos de toma de decisiones.

Descargas

Publicado

2020-01-15