Forecasting inflation with Twitter
- Autores
- Aromí, José Daniel; Llada, Martín
- Año de publicación
- 2023
- Idioma
- inglés
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- We use Twitter content to generate an indicator of attention allocated to inflation. The analysis corresponds to Argentina for the period 2012-2019. The attention index provides valuable information regarding future levels of inflation. A one standard deviation increment in the index is followed by an increment of approximately 0.4% in inflation in the consecutive month. Out-of-sample exercises confirm that social media content allows for gains in forecast accuracy. Beyond point forecasts, the index provides valuable information regarding inflation uncertainty. The proposed indicator compares favorably with other indicators such as media content, media tweets, google search intensity and consumer surveys.
Se utiliza el contenido de Twitter para generar un indicador de atención asignada a la inflación. El análisis corresponde a Argentina para el período 2012-2019. El índice de atención proporciona información valiosa sobre los niveles futuros de inflación. Un incremento de una desviación estándar en el índice es seguido de un incremento de aproximadamente un 0,4% en la inflación en el mes consecutivo. Los ejercicios fuera de la muestra confirman que el contenido de las redes sociales permite obtener ganancias en la precisión de los pronósticos. Más allá de los pronósticos puntuales, el índice proporciona información valiosa sobre la incertidumbre de la inflación. El indicador propuesto se compara favorablemente con otros indicadores como el contenido de los medios, los tweets de los medios, la intensidad de búsqueda en Google y las encuestas de consumidores.
Facultad de Ciencias Económicas - Materia
-
Ciencias Económicas
inflation
social network
forecasting
uncertainty
text analysis
Inflación
redes sociales
pronósticos
incertidumbre
análisis de texto - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-nd/4.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/160791
Ver los metadatos del registro completo
id |
SEDICI_14dbdb0663c51e8d5f25c4e6864156bb |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/160791 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Forecasting inflation with TwitterPronóstico de la inflación con TwitterAromí, José DanielLlada, MartínCiencias Económicasinflationsocial networkforecastinguncertaintytext analysisInflaciónredes socialespronósticosincertidumbreanálisis de textoWe use Twitter content to generate an indicator of attention allocated to inflation. The analysis corresponds to Argentina for the period 2012-2019. The attention index provides valuable information regarding future levels of inflation. A one standard deviation increment in the index is followed by an increment of approximately 0.4% in inflation in the consecutive month. Out-of-sample exercises confirm that social media content allows for gains in forecast accuracy. Beyond point forecasts, the index provides valuable information regarding inflation uncertainty. The proposed indicator compares favorably with other indicators such as media content, media tweets, google search intensity and consumer surveys.Se utiliza el contenido de Twitter para generar un indicador de atención asignada a la inflación. El análisis corresponde a Argentina para el período 2012-2019. El índice de atención proporciona información valiosa sobre los niveles futuros de inflación. Un incremento de una desviación estándar en el índice es seguido de un incremento de aproximadamente un 0,4% en la inflación en el mes consecutivo. Los ejercicios fuera de la muestra confirman que el contenido de las redes sociales permite obtener ganancias en la precisión de los pronósticos. Más allá de los pronósticos puntuales, el índice proporciona información valiosa sobre la incertidumbre de la inflación. El indicador propuesto se compara favorablemente con otros indicadores como el contenido de los medios, los tweets de los medios, la intensidad de búsqueda en Google y las encuestas de consumidores.Facultad de Ciencias Económicas2023-11info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionArticulohttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdf64-85http://sedici.unlp.edu.ar/handle/10915/160791enginfo:eu-repo/semantics/altIdentifier/issn/1852-1649info:eu-repo/semantics/altIdentifier/doi/10.24215/18521649e031info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-03T11:14:06Zoai:sedici.unlp.edu.ar:10915/160791Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 11:14:06.216SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Forecasting inflation with Twitter Pronóstico de la inflación con Twitter |
title |
Forecasting inflation with Twitter |
spellingShingle |
Forecasting inflation with Twitter Aromí, José Daniel Ciencias Económicas inflation social network forecasting uncertainty text analysis Inflación redes sociales pronósticos incertidumbre análisis de texto |
title_short |
Forecasting inflation with Twitter |
title_full |
Forecasting inflation with Twitter |
title_fullStr |
Forecasting inflation with Twitter |
title_full_unstemmed |
Forecasting inflation with Twitter |
title_sort |
Forecasting inflation with Twitter |
dc.creator.none.fl_str_mv |
Aromí, José Daniel Llada, Martín |
author |
Aromí, José Daniel |
author_facet |
Aromí, José Daniel Llada, Martín |
author_role |
author |
author2 |
Llada, Martín |
author2_role |
author |
dc.subject.none.fl_str_mv |
Ciencias Económicas inflation social network forecasting uncertainty text analysis Inflación redes sociales pronósticos incertidumbre análisis de texto |
topic |
Ciencias Económicas inflation social network forecasting uncertainty text analysis Inflación redes sociales pronósticos incertidumbre análisis de texto |
dc.description.none.fl_txt_mv |
We use Twitter content to generate an indicator of attention allocated to inflation. The analysis corresponds to Argentina for the period 2012-2019. The attention index provides valuable information regarding future levels of inflation. A one standard deviation increment in the index is followed by an increment of approximately 0.4% in inflation in the consecutive month. Out-of-sample exercises confirm that social media content allows for gains in forecast accuracy. Beyond point forecasts, the index provides valuable information regarding inflation uncertainty. The proposed indicator compares favorably with other indicators such as media content, media tweets, google search intensity and consumer surveys. Se utiliza el contenido de Twitter para generar un indicador de atención asignada a la inflación. El análisis corresponde a Argentina para el período 2012-2019. El índice de atención proporciona información valiosa sobre los niveles futuros de inflación. Un incremento de una desviación estándar en el índice es seguido de un incremento de aproximadamente un 0,4% en la inflación en el mes consecutivo. Los ejercicios fuera de la muestra confirman que el contenido de las redes sociales permite obtener ganancias en la precisión de los pronósticos. Más allá de los pronósticos puntuales, el índice proporciona información valiosa sobre la incertidumbre de la inflación. El indicador propuesto se compara favorablemente con otros indicadores como el contenido de los medios, los tweets de los medios, la intensidad de búsqueda en Google y las encuestas de consumidores. Facultad de Ciencias Económicas |
description |
We use Twitter content to generate an indicator of attention allocated to inflation. The analysis corresponds to Argentina for the period 2012-2019. The attention index provides valuable information regarding future levels of inflation. A one standard deviation increment in the index is followed by an increment of approximately 0.4% in inflation in the consecutive month. Out-of-sample exercises confirm that social media content allows for gains in forecast accuracy. Beyond point forecasts, the index provides valuable information regarding inflation uncertainty. The proposed indicator compares favorably with other indicators such as media content, media tweets, google search intensity and consumer surveys. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-11 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Articulo http://purl.org/coar/resource_type/c_6501 info:ar-repo/semantics/articulo |
format |
article |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/160791 |
url |
http://sedici.unlp.edu.ar/handle/10915/160791 |
dc.language.none.fl_str_mv |
eng |
language |
eng |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/issn/1852-1649 info:eu-repo/semantics/altIdentifier/doi/10.24215/18521649e031 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-nd/4.0/ Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) |
dc.format.none.fl_str_mv |
application/pdf 64-85 |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1842260646173868032 |
score |
13.13397 |