L’ús de dades de cerques d’internet per millorar les prediccions econòmiques

Javier Asensio (Dep Economia Aplicada, UAB)

Tot i que originalment no fos pronunciada per referir-se a un context econòmic, resulta difícil començar qualsevol text sobre els intents de conèixer per avançat l’evolució del cicle en economia sense aprofitar la cita de Yogi Berra: “predir és molt complicat, i encara més sobre el futur”. La ciència, o art, de la modelització estadística de l’economia ha tingut com a objectiu des de gairebé els seus orígens la intenció de predir l’evolució del cicle econòmic per tal d’identificar els moments en els que acabarien les expansions o s’iniciarien les recuperacions.

No cal inistir en la rellevància acutal del tema, quan ningú no sembla tenir cap base sòlida per predir el moment en el que la crisi quedarà superada o, com a mínim, començarà la recuperació. La ciència econòmica no és capaç, encara, d’anticipar amb prou fiabilitat els moments en els que canvia el cicle econòmic o, dit de forma més planera, “toquem fons” i (esperem) comencem a recuperar-nos.

Un dels principals problemes als que ha de fer front qualsevol intent de predicció econòmica és que la disponibilitat de les dades no és immediata. El retard amb el que s’obtenen i difonen variables molt lligades al cicle econòmic pot fer inútil qualsevol intent de predicció a curt termini. Per fer front a aquest problema, els anomenats ‘models de predicció en temps real’ combinen visions global sobre l’evolució de la variable rellevant (habitualment el PIB) indicadors mensuals disponibles de forma ràpida, com els indicadors de confiança dels agents econòmics, les dades de comandes per sectors o indicadors d’activitat comercial. Un bon exemple d’aquest tipus de models és la variant desagregada de l’EURO-STING.

Una altra vessant més novadora de la predicció a curt termini és la que tracta d’aprofitar un tipus d’informació amb la que fa pocs anys no podíem imaginar que comptaríem. Es tracta de les dades de tipus de cerques que es realitzen als motors d’internet, detallades geogràfica i temporalment. Des de l’any 2007, Google difon diversos indicadors referits al nombre de cerques que fan servir qualsevol terme, amb dades de freqüència setmanal. Actualment, el servei porta el nom de Google Trends. Tot i que no es pot obtenir el nombre absolut de cerques de cada terme (que tampoc resultaria representatiu, ja que el nombre d’usuaris del buscador és variable), s’ofereix un índex afitat entre 0 i 100,  on 100 correspon a la data en la que la cerca considerada hagi estat més popular. La difusió d’aquest tipus d’informació per part de Google ha donat lloc a diversos intents d’aprofitament de les mateixes per millorar la capacitat predictiva dels models econòmics a diversos àmbits, els quals es resumeixen en aquest treball de Choi i Varian (economista en cap de Google, qui l’octubre de 2011 va donar una  conferència a l’UPF sobre aquest tema). Els ‘indicadors G’ han estat aplicats a models de predicció de variables tan diverses com les vendes de cotxes, l’atur, la demanda turística, o el mercat immobiliari, entre d’altres. En cap cas, però, sembla que per si sols siguin capaços de substituir als models habituals de predicció, però si que mostren millores respecte a la capacitat predictiva, en alguns casos de forma substancial.

A alguns lectors això els recordarà al R-index de la revista The Economist, que mostra el nombre de cops que la paraula ‘recession’ apareix a la premsa econòmica especialitzada. Google Trends permet obtenir índexs equivalents sobre qualsevol terme, precisant l’àrea urbana i la llengua en la que es realitza la cerca. Però aquestes aplicacions no es limiten a Google. També s’han fet servir de  Yahoo! per predir l’evolució de determinades accions a la borsa, o de Twitter per inferir l’estat d’ànim dels inversos respecte a les inversions financeres.

Galeria | Aquesta entrada s'ha publicat en Estadístiques de la crisi i etiquetada amb , , , . Afegiu a les adreces d'interès l'enllaç permanent.

Deixa un comentari

Fill in your details below or click an icon to log in:

WordPress.com Logo

Esteu comentant fent servir el compte WordPress.com. Log Out / Canvia )

Twitter picture

Esteu comentant fent servir el compte Twitter. Log Out / Canvia )

Facebook photo

Esteu comentant fent servir el compte Facebook. Log Out / Canvia )

Google+ photo

Esteu comentant fent servir el compte Google+. Log Out / Canvia )

Connecting to %s