NOWCASTING : en busca de un indicador adelantado del crecimiento del Producto Interno Bruto de Uruguay utilizando Google Trends.

Hernández Magallanes, Germán

Supervisor(es): Fernández, Adrián - Willebald, Henry

Resumen:

Esta tesis se plantea la doble meta de obtener un indicador adelantado del Producto Bruto Interno y de hacerlo testeando la utilidad de Google Trends como fuente de datos . Para ello se realiza el Nowcasting del Índice de Volumen Físico del PIB uruguayo mediante la estimación de Modelos de Factores Dinámicos utilizando el algoritmo de Maximización de Expectativas (EM), y experimentando con la estimación de modelos con variables tradicionales, provenientes de fuentes oficiales y de frecuencia superior a la trimestral, como con variables de la fuente en evaluación; haciendo uso extensivo de Modelos de Factores Dinámicos, acotando el set de variables a la ventana 2011-2020, siendo 2011 el año en el que se estabiliza el flujo de datos que conforma el panel de Tendencias de Google. 2011 es también el año en el cual el uruguayo mediano obtuvo una fuente de acceso diario a internet, de modo de considerar la posibilidad de que un mayor acceso a internet pudiera aumentar la influencia de las variables de Google sobre el resultado final. Esta tesis concluye que la inclusión de variables provenientes de Google no genera una ganancia considerable a la capacidad de Nowcasting de los modelos de factores dinámicos empleados, dado el subset de términos elegidos.

The rationale of this Thesis is to obtain an appropriated model in order to leading GDP while evaluating the convenience of Google Trends Query Indexes as a data source. In order to reach the goal, there are presented several Dynamic Factor Models for Nowcasting the Uruguayan Real Gross Domestic Product Index, by the Expectation Maximisation Algorithm (EM) being building forecasting models both with traditionally used-for-GDP-short-term-forecasting variables, sourced in official authorities, and with higher frequency respect to quarterly GDP, likewise Google searches. An extensive use of Dynamic Factor Models is made, starting in January 2011 to December 2019, in an attempt to give real dimension to the weight of Google Trends searches, because it was on this date that the median Uruguayan get a source of daily access to Internet, considering that an extensive access could well have improved Google Trends queries’ utility. Thesis Findings about the utility of Google Trend Query Indexes are promising but not conclusive in favour of a positive contribution in the sample.

Detalles Bibliográficos
2021
Nowcasting
Modelo de Factores Dinámicos
Jagged Edge
Tendencias de Google
Econometría de Series Temporales
PIB
Nowcasting
Dynamic Factor Models
Jagged Edge
Google Trends
Time Series Econometric
Short-Term forecasting of GDP
PRODUCTO INTERNO BRUTO
FILTRO DE KALMAN
HERRAMIENTAS ECONOMETRICAS
Español
Universidad de la República
COLIBRI
https://hdl.handle.net/20.500.12008/50110
Acceso abierto
Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)
Resumen:
Sumario:Esta tesis se plantea la doble meta de obtener un indicador adelantado del Producto Bruto Interno y de hacerlo testeando la utilidad de Google Trends como fuente de datos . Para ello se realiza el Nowcasting del Índice de Volumen Físico del PIB uruguayo mediante la estimación de Modelos de Factores Dinámicos utilizando el algoritmo de Maximización de Expectativas (EM), y experimentando con la estimación de modelos con variables tradicionales, provenientes de fuentes oficiales y de frecuencia superior a la trimestral, como con variables de la fuente en evaluación; haciendo uso extensivo de Modelos de Factores Dinámicos, acotando el set de variables a la ventana 2011-2020, siendo 2011 el año en el que se estabiliza el flujo de datos que conforma el panel de Tendencias de Google. 2011 es también el año en el cual el uruguayo mediano obtuvo una fuente de acceso diario a internet, de modo de considerar la posibilidad de que un mayor acceso a internet pudiera aumentar la influencia de las variables de Google sobre el resultado final. Esta tesis concluye que la inclusión de variables provenientes de Google no genera una ganancia considerable a la capacidad de Nowcasting de los modelos de factores dinámicos empleados, dado el subset de términos elegidos.