Forecasting Unemployment Using Internet Search Data via PRISM
利用互联网搜索数据与 PRISM 预测失业保险初次申请人数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。
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：摘要明确预测宏观劳动力市场周度指标，并结合状态空间动机与季节性时间序列处理。
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…
利用互联网搜索数据与 PRISM 预测失业保险初次申请人数
- 研究问题
- 如何利用互联网搜索数据提前数周预测失业保险初次申请人数，并在经济危机或疫情导致申请量快速上升时提供及时信息？
- 方法与思路
- 作者提出含推断季节性模块的惩罚回归方法 PRISM，以一般状态空间表述为动机，结合非参数季节分解与 Google 搜索数据。
- 材料陈述的贡献
- 摘要称，PRISM 在失业保险初次申请预测中优于所比较的既有方法，评估包括金融危机期间及疫情期间的近期预测。
- 阅读关注点
- 应核对预测提前期、搜索数据的实时可得性和版本、季节分解是否使用未来信息，以及样本外划分和基准方法设置。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；具体误差指标、提升幅度与评估设计未说明，摘要的优势陈述不能直接推广到其他时期或指标。
原文摘要
Big data generated from the Internet offer great potential for predictive analysis. Here we focus on using online users’ Internet search data to forecast unemployment initial claims weeks into the future, which provides timely insights into the direction of the economy. To this end, we present a novel method Penalized Regression with Inferred Seasonality Module (PRISM), which uses publicly available online search data from Google. PRISM is a semiparametric method, motivated by a general state-space formulation, and employs nonparametric seasonal decomposition and penalized regression. For forecasting unemployment initial claims, PRISM outperforms all previously available methods, including forecasting during the 2008–2009 financial crisis period and near-future forecasting during the COVID-19 pandemic period, when unemployment initial claims both rose rapidly. The timely and accurate unemployment forecasts by PRISM could aid government agencies and financial institutions to assess the economic trend and make well-informed decisions, especially in the face of economic turbulence.