When are Google Data Useful to Nowcast GDP? An Approach via Preselection and Shrinkage
Google 数据何时有助于 GDP 即时预测？预筛选与收缩方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究搜索数据辅助多国 GDP 增长率即时预测及样本外准确性，因此归入预测与即时预测。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
Google 数据何时有助于 GDP 即时预测？预筛选与收缩方法
- 研究问题
- 将 Google 搜索数据加入官方指标后，是否能改善 GDP 增长率即时预测，以及这种增益在衰退和稳定时期如何变化？
- 方法与思路
- 作者结合针对性预筛选、岭正则化和广义交叉验证，构建纳入替代数据的即时预测方法，并研究其样本外理论性质。
- 材料陈述的贡献
- 摘要称建立样本外性质并以模拟支持；多国应用显示，控制官方变量后搜索数据通常有助于预测，但增益随经济时期变化。
- 阅读关注点
- 应核对实时数据可得性、预筛选和调参是否避免信息泄漏，以及预测评估窗口、官方数据版本和衰退期比较方式。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要，不能判断哪些国家和时期必然受益；理论条件、数据版本及改善幅度未说明，未核对刊本变化。
原文摘要
Alternative datasets are widely used for macroeconomic nowcasting together with machine learning–based tools. The latter are often applied without a complete picture of their theoretical nowcasting properties. Against this background, this article proposes a theoretically grounded nowcasting methodology that allows researchers to incorporate alternative Google Search Data (GSD) among the predictors and that combines targeted preselection, Ridge regularization, and Generalized Cross Validation. Breaking with most existing literature, which focuses on asymptotic in-sample theoretical properties, we establish the theoretical out-of-sample properties of our methodology and support them by Monte Carlo simulations. We apply our methodology to GSD to nowcast GDP growth rate of several countries during various economic periods. Our empirical findings support the idea that GSD tend to increase nowcasting accuracy, even after controlling for official variables, but that the gain differs between periods of recessions and of macroeconomic stability.