An Artificial Trend Index for Private Consumption Using Google Trends
利用 Google Trends 构建私人消费趋势指数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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确以秘鲁私人消费预测和实时领先指标构建为目标。
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…
利用 Google Trends 构建私人消费趋势指数
- 研究问题
- 如何利用分类 Google 搜索数据构建实时领先指标，并改善秘鲁私人消费这一重要经济活动组成部分的预测？
- 方法与思路
- 作者筛选并估计不同类别的搜索变量，应用机器学习识别模式，将搜索信息转化为私人消费预测的领先指标。
- 材料陈述的贡献
- 摘要称，Google 数据能够改善预测，其中食品与旅游类别显著降低预测误差，支持按类别使用搜索信息。
- 阅读关注点
- 应核对搜索变量筛选、机器学习模型、预测基准与样本外划分，以及实时数据可得性和误差改善的统计检验。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出误差降幅、样本区间或跨时期稳定性证据。
原文摘要
In recent years, the use of databases that analyze trends, sentiments or news to make economic projections or create indicators has gained significant popularity, particularly with the Google Trends platform. This article explores the potential of Google search data to develop a new index that improves economic forecasts, with a particular focus on one of the key components of economic activity: private consumption (64\% of GDP in Peru). By selecting and estimating categorized variables, machine learning techniques are applied, demonstrating that Google data can identify patterns to generate a leading indicator in real time and improve the accuracy of forecasts. Finally, the results show that Google's "Food" and "Tourism" categories significantly reduce projection errors, highlighting the importance of using this information in a segmented manner to improve macroeconomic forecasts.