Inflation: Predictive Power of Google Trends Data

Abstract

This thesis explores the utility of Google Trends data in enhancing predictive power accuracy of ARIMA models for forecasting inflation in the Czech republic. The research was structured to address two core hypotheses: the rationality of inflation expectations as reflected in Google Trends search queries and the ability of the data to augment the predictive power of traditional inflation forecasting models. Our findings indicate that Google Trends data, when incorporated as an ex- ternal regressor in ARIMA models, significantly improve the model's predictive accuracy, especially in periods characterized by high inflation rates and eco- nomic turbulence. This provides evidence for the claim that Google Trends is able to effectively capture shifts in consumer sentiment and expectations. However, the study acknowledges limitations, including the specificity of the time domains analyzed and the exclusive focus on the Czech Republic. These factors may limit the generalizability of the results. In summary, this thesis contributes to the evolving field of economic fore- casting by demonstrating the value of integrating unconventional digital data sources like Google Trends into traditional econometric models. It opens av- enues for future research to explore the broader applicability of such data in...

Tato práce zkoumá využití Google Trends dat za účelem zvýšení prediktivní síly ARIMA modelů pro predikování inflace v České republice. Výzkum byl struk- turován, aby zodpověděl dvě hypotézy: zda jsou inflační očekávání reflektovaná skrze vyhledávací dotazy z Google Trends racionální a jestli tato data mohou zvýšit prediktivní účinnost modelů. Naše výsledky indikují, že vyhledávací dotazy z Google Trends, implemen- tované jako externí regresory v ARIMA modelech mohou signifikantně zvýšit prediktivní sílu, zejména v dobách charakterizovaných vysokou inflací a eko- nomickou nejistotou. Poskytujeme tím další důkaz pro tvrzení, že Google Trends data efektivně dokážou zachytit změny ve spotřebitelských očekávaních a náladě. Nicméně, naše práce přiznává limity, včetně specifičnosti zkoumaných časových období a zaměření výhradně na Českou republiku. Tyto faktory snižují zobec- nitelnost našich výsledků. Tato práce přispívá novými poznatky do vyvíjející se oblasti ekonomického predikování demonstrováním užitečnosti implementace nekonvenčních zdrojů dat do tradičních ekonometrických modelů. Otevírá tím dveře pro navazující výzkum objevující širší aplikovatelnost takovýchto dat...