Herramientas de Google para la predicción de variables económicas. Una aplicación al Índice Compuesto Coincidente de Actividad Económica de la Provincia de Santa Fe (ICASFe)

• Autores: Jorge Reynolds, Ramiro Emmanuel
• Año de publicación: 2020
• Idioma: español castellano
• Tipo de recurso: tesis de grado
• Colaborador/a o director/a de tesis: Vicentín, Jimena; D´Jorge, Lucrecia; Perticarari, Néstor; Rossini, Gustavo
• Materia: Información asimétrica; Herramientas de Google; Predicción económica; Asymmetric information; Google Tools; Economic forecast
• Institución: Universidad Nacional del Litoral

Fil: Jorge Reynolds, Ramiro Emmanuel. Universidad Nacional del Litoral. Facultad de Ciencias Económicas; Argentina.
La presente tesina tiene como objetivo evaluar la posibilidad de utilizar información gratuita de las herramientas de motores de búsqueda para predicción de un indicador de actividad económica, como es el ICASFe. Así, se pretende conocer si es posible disminuir los tiempos de espera en su publicación, modelando la evolución a partir de dos métodos: uno univariado y otro multivariado, este último con utilización de datos de los motores de búsqueda. A partir de la modelación en series de tiempo, los resultados no muestran que se hayan logrado mejoras significativas en la predicción del indicador a partir de la incorporación de información proveniente de Google; no se encuentra una reducción significativa el error promedio de estimación respecto al modelo univariado, aunque las predicciones del modelo multivariado son más estables y aproximan mejor en el muy corto plazo, dándole un valor adicional al modelo multivariado. Sin embargo, la falta de una metodología objetiva de selección de la información sobre los patrones de búsqueda y la no incorporación de endogeneidad se convierten en limitantes que deben ser tratadas en futuros trabajos.
This thesis aims to evaluate the possibility of using free information from search engine tools to forecast an economic activity index, such as ICASFe. Thus, the idea is to know whether it is possible to reduce the waiting times in its publication, modeling its evolution from two methods: a univariate and another multivariate, the latter with search engine data. Using the time series modeling, results do not show significant improvements in the prediction the indicator forecast that has Google information; There is no significant reduction in the average estimation error respect to the univariate model, although the predictions of the multivariate model are more stable and approximate better in the very short term, giving an additional value to the multivariate model. However, the lack of an objective methodology to words selection and the non-incorporation of endogeneity become limitations that should be treated in future work.