Internet data in economic forecasting

Abstract

Resumo: Esta tese apresenta uma investigação sobre o uso de dados da internet para a previsão de indicadores econômicos, combinando três estudos distintos. A primeira parte da pesquisa examina dados do Google Trends para prever taxas de desemprego em 32 países da OCDE, utilizando modelos de aprendizado de máquina para analisar consultas de pesquisa relacionadas ao mercado de trabalho. Este estudo mostra que os dados de motores de busca podem superar fontes econômicas tradicionais para esta tarefa, e esse desempenho está associado ao uso da internet pela população. O segundo segmento explora a relação entre fontes de notícias brasileiras do Twitter e indicadores econômicos chave. Ele utiliza modelagem de tópicos e análise de sentimentos para demonstrar a associação entre o sentimento em certos tópicos de notícias e variáveis econômicas relacionadas. A parte final da tese foca no uso de dados do Twitter para prever taxas de inflação no Brasil. Tem como objetivo desenvolver indicadores de percepção de inflação baseados em postagens de mídia social sobre mudanças de preços, comparando-os com previsões de inflação estabelecidas. Os resultados indicam que este tipo de dado contém informações úteis para as expectativas de inflação. Juntos, estes estudos contribuem para o campo de previsão econômica ao demonstrar a utilidade de fontes de dados online no fornecimento de insights sobre condições econômicas.

Abstract: This thesis presents an investigation into the use of internet data for forecasting economic indicators, combining three distinct studies. The first part of the research examines Google Trends data to predict unemployment rates in 32 OECD countries, utilizing machine learning models to analyze job market-related search queries. This study shows that search engine data may outperform traditional economic sources for this task and this performance is associated with internet usage in the population. The second segment explores the relationship between Brazilian news sources from Twitter and key economic indicators. It utilizes topic modeling and sentiment analysis to demonstrate the association between the sentiment in certain news topics and related economic variables. The final part of the thesis focuses on using Twitter data to forecast inflation rates in Brazil. It aims to develop indicators of inflation perception based on social media posts about price changes, comparing these with established inflation forecasts. The results indicate that this kind of data contains useful information for inflation expectations. Together, these studies contribute to the field of economic forecasting by demonstrating the usefulness of online data sources in providing insights into economic conditions.