Google Trends, inclusión de datos en tiempo real para la predicción de variables macroeconómicas en el Perú

• Autores: Pilco Coronado, Jeancarlo Junior, Sandoval Quiroz, Keyla Ofelia
• Formato: tesis de grado
• Fecha de Publicación: 2018
• Institución: Universidad Católica Santo Toribio de Mogrovejo
• Repositorio: USAT-Tesis
• Lenguaje: español
• OAI Identifier: oai:tesis.usat.edu.pe:20.500.12423/1518
• Enlace del recurso: http://hdl.handle.net/20.500.12423/1518
• Nivel de acceso: acceso abierto
• Materia: Inversiones; Inflación; Macroeconomía; PE; http://purl.org/pe-repo/ocde/ford#5.02.00

En el presente trabajo de investigación se realiza el análisis y evaluación del uso de información en tiempo real, brindada por Google Trends, para la predicción de variables macroeconómicas como Inflación e Inversión, mediante el cálculo de índices (IG) y el desarrollo de modelos ARMA (autorregresivos de media móvil) y modelos VAR (vectores autorregresivos). Este estudio aplicado hace énfasis en la necesidad de entender más la actividad y el uso del tiempo de la población en línea ya que el internet contiene y ofrece una cantidad enorme y continua de datos que no presentan costo alguno a los cuales se puede acudir en cualquier momento deseado. Estos modelos fueron empleados y comparados al incluirse los índices calculados para mostrar la capacidad predictiva, los resultados obtenidos muestran que los modelos que incluyen los IG calculados presentan mejores cualidades predictivas en comparación con los modelos generales; en el caso de inversión los estadísticos de predicción se ven reducidos en mayor medida que en la Inflación, dando así un sustento a la importancia de tomar en cuenta este tipo de información como insumo para predicciones en el ámbito económico.