Biblioteca Virtual

Herramientas de Google para la predicción de variables económicas. Una aplicación al Índice Compuesto Coincidente de Actividad Económica de la Provincia de Santa Fe (ICASFe)

Mostrar el registro sencillo del ítem

dc.contributor.advisor Vicentín, Jimena
dc.contributor.author Jorge Reynolds, Ramiro Emmanuel
dc.contributor.other D´Jorge, Lucrecia
dc.contributor.other Perticarari, Néstor
dc.contributor.other Rossini, Gustavo
dc.date.accessioned 2021-02-18T21:24:01Z
dc.date.available 2021-02-18T21:24:01Z
dc.date.issued 2020-04-24
dc.identifier.uri https://hdl.handle.net/11185/5738
dc.description Fil: Jorge Reynolds, Ramiro Emmanuel. Universidad Nacional del Litoral. Facultad de Ciencias Económicas; Argentina. es_ES
dc.description.abstract La presente tesina tiene como objetivo evaluar la posibilidad de utilizar información gratuita de las herramientas de motores de búsqueda para predicción de un indicador de actividad económica, como es el ICASFe. Así, se pretende conocer si es posible disminuir los tiempos de espera en su publicación, modelando la evolución a partir de dos métodos: uno univariado y otro multivariado, este último con utilización de datos de los motores de búsqueda. A partir de la modelación en series de tiempo, los resultados no muestran que se hayan logrado mejoras significativas en la predicción del indicador a partir de la incorporación de información proveniente de Google; no se encuentra una reducción significativa el error promedio de estimación respecto al modelo univariado, aunque las predicciones del modelo multivariado son más estables y aproximan mejor en el muy corto plazo, dándole un valor adicional al modelo multivariado. Sin embargo, la falta de una metodología objetiva de selección de la información sobre los patrones de búsqueda y la no incorporación de endogeneidad se convierten en limitantes que deben ser tratadas en futuros trabajos. es_ES
dc.description.abstract This thesis aims to evaluate the possibility of using free information from search engine tools to forecast an economic activity index, such as ICASFe. Thus, the idea is to know whether it is possible to reduce the waiting times in its publication, modeling its evolution from two methods: a univariate and another multivariate, the latter with search engine data. Using the time series modeling, results do not show significant improvements in the prediction the indicator forecast that has Google information; There is no significant reduction in the average estimation error respect to the univariate model, although the predictions of the multivariate model are more stable and approximate better in the very short term, giving an additional value to the multivariate model. However, the lack of an objective methodology to words selection and the non-incorporation of endogeneity become limitations that should be treated in future work. en_EN
dc.format application/pdf
dc.language.iso spa es_ES
dc.rights info:eu-repo/semantics/openAccess
dc.rights.uri http://bibliotecavirtual.unl.edu.ar/licencia.html
dc.subject Información asimétrica es_ES
dc.subject Herramientas de Google es_ES
dc.subject Predicción económica es_ES
dc.subject Asymmetric information en_EN
dc.subject Google Tools en_EN
dc.subject Economic forecast en_EN
dc.title Herramientas de Google para la predicción de variables económicas. Una aplicación al Índice Compuesto Coincidente de Actividad Económica de la Provincia de Santa Fe (ICASFe) es_ES
dc.title.alternative Google tools for the prediction of economic variables. An application to the Coincident Composite Index of Economic Activity of the Province of Santa Fe (ICASFe) en_EN
dc.type SNRD es_ES
dc.type info:eu-repo/semantics/bachelorThesis
dc.type info:ar-repo/semantics/tesis de grado
dc.type info:eu-repo/semantics/acceptedVersion
unl.degree.type licenciatura
unl.degree.name Licenciatura en Economía
unl.degree.grantor Facultad de Ciencias Económicas
unl.formato application/pdf


Ficheros en el ítem

Este ítem aparece en

Mostrar el registro sencillo del ítem

Buscar en la biblioteca