发帖
雷达卡
摘要翻译：
网络搜索数据是商业和经济信息的宝贵来源。以前的研究利用谷歌趋势网络搜索数据进行经济预测。我们通过提供算法来组合和聚合搜索体数据来扩展这项工作，从而得到的数据在时间上和数据序列之间都是一致的。我们举了一个品牌资产的例子，其中谷歌趋势被用来分析100个排名靠前的品牌的购物数据，这些数据被用来预测经济变量。我们描述了样本外预测的重要性，并说明了如何利用主成分分析(PCA)来提高信噪比和防止过拟合在临近预报模型中的应用。我们给出了一个金融例子，其中探索性的数据分析和分类被用来分析谷歌趋势搜索和股票价格之间的关系。
---
英文标题：
《Aggregating Google Trends: Multivariate Testing and Analysis》
---
作者：
Stephen L. France and Yuying Shi
---
最新提交年份：
2018
---
分类信息：
一级分类：Economics 经济学
二级分类：Econometrics 计量经济学
分类描述：Econometric Theory, Micro-Econometrics, Macro-Econometrics, Empirical Content of Economic Relations discovered via New Methods, Methodological Aspects of the Application of Statistical Inference to Economic Data.
计量经济学理论，微观计量经济学，宏观计量经济学，通过新方法发现的经济关系的实证内容，统计推论应用于经济数据的方法论方面。
--
---
英文摘要：
Web search data are a valuable source of business and economic information. Previous studies have utilized Google Trends web search data for economic forecasting. We expand this work by providing algorithms to combine and aggregate search volume data, so that the resulting data is both consistent over time and consistent between data series. We give a brand equity example, where Google Trends is used to analyze shopping data for 100 top ranked brands and these data are used to nowcast economic variables. We describe the importance of out of sample prediction and show how principal component analysis (PCA) can be used to improve the signal to noise ratio and prevent overfitting in nowcasting models. We give a finance example, where exploratory data analysis and classification is used to analyze the relationship between Google Trends searches and stock prices.
---
PDF链接：
https://arxiv.org/pdf/1712.03152
京公网安备 11010802022788号
