Show simple item record

Creación y pronóstico de indicadores de desempleo en Bogotá durante la pandemia del COVID-19 a partir de Google Trends

dc.contributor.advisorBuesaquillo Salazar, Diego Andrés
dc.contributor.authorGuerrero Peñaranda, Luis Alberto
dc.date.accessioned2024-04-24T15:47:44Z
dc.date.available2024-04-24T15:47:44Z
dc.date.issued2022
dc.identifier.urihttps://repositorio.unicolmayor.edu.co/handle/unicolmayor/6770
dc.description.abstractEn este documento se propone crear indicadores para la tasa de desempleo basados en Google Trends (GT). Para esto se seleccionan palabras clave relacionadas a la búsqueda de empleo, que tengan una relación fuerte y positiva con la tasa de desempleo bogotana. Seleccionadas las palabras se crean los Índices de Google Trends (IGT, IGT2, IGT3). Con los modelos SARIMA se escoge la mejor predicción por medio del MAPE y RMSE. De este resultado se concluye que el mejor indicador para el desempleo bogotano es IGT con los parámetros (2,2,4) 𝑥� (2,2,0,12). Por último se recalca que las predicciones son buenas en el corto plazo y que es posible saber el comportamiento (aumentos o disminuciones) de la tasa de desempleo por medio de los IGT con las palabras clave más relacionadas al desempleo, siempre teniendo en cuenta el contexto del periodo de tiempo estudiadospa
dc.format.extent37p.spa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.publisherUniversidad Colegio Mayor de Cundinamarcaspa
dc.rightsDerechos Reservados - Universidad Colegio Mayor de Cundinamarca, 2024spa
dc.rights.urihttps://creativecommons.org/licenses/by-nc/4.0/spa
dc.titleCreación y pronóstico de indicadores de desempleo en Bogotá durante la pandemia del COVID-19 a partir de Google Trendsspa
dc.typeTrabajo de grado - Pregradospa
dc.contributor.corporatenameUniversidad Colegio Mayor de Cundinamarcaspa
dc.description.degreelevelPregradospa
dc.description.degreenameEconomistaspa
dc.publisher.facultyFacultad de Administración y Economíaspa
dc.publisher.placeBogotáspa
dc.publisher.programEconomíaspa
dc.relation.referencesAngelini, E., Ba´nbura, M., Runstler, G. (2008). “Estimating and Forecasting the Euro Area Monthly National Accounts From a Dynamic Factor Model”, ECB Working Paper Series, 953. Recuperado de https://www.ecb.europa.eu/pub/pdf/scpwps/ecbwp953.pdfspa
dc.relation.referencesAngelini, E., Camba-Mendez, G., Giannone, D., Reichlin, L. (2011). ”ShortTerm Forecasts of Euro Area GDP Growth”, The Econometrics Journal, 14(1), C25-C44. Recuperado de https://www.jstor.org/stable/23127215spa
dc.relation.referencesAskitas, N., Zimmermann, K. (2009). Google Econometrics and Unemployment Forecasting. Applied Economics Quarterly, 107-120. Recuperado de https://ftp.iza.org/dp4201.pdfspa
dc.relation.referencesBarreira, N., Godinho, P., y Melo, P. (2013). Nowcasting unemployment rate and new car sales in south-western Europe with Google Trends. Netnomics, 129–165. doi:https://doi.org/10.1007/s11066-013-9082-8spa
dc.relation.referencesBoettcher, I. (2015). “Automatic Data Collection on the Internet (Web Scraping)”, New Techniques and Technologies for Statistics, Eurostat Conference, 9-13 March 2015. Recuperado de https://ec.europa.eu/eurostat/cros/system/files/NTTS2015%20proceedings.pdf_enspa
dc.relation.referencesCampos, R., López-Araiza, S. (2020). GRANDES DATOS, GOOGLE Y DESEMPLEO. Estudios Económicos, 35(1), 125-151. Recuperado de https://www.jstor.org/stable/26863997spa
dc.relation.referencesCardona, L., Rojas, J. (2017). Pronósticos para la tasa de desempleo en Colombia. Archivos de economía. Recuperado de https://colaboracion.dnp.gov.co/CDT/Estudios%20Econmicos/468.pdfspa
dc.relation.referencesCavallo, A., Rigobon, R. (2016). “The Billion Prices Project: Using Online Prices for Measurement and Research”. The Journal of Economic Perspectives, 30(2), 151-178. Recuperado de https://www.aeaweb.org/articles?id=10.1257/jep.30.2.151spa
dc.relation.referencesCerchiello, P., Giudici, P. (2014). “How to Measure the Quality of Financial Tweets”. Working Paper, ECB Workshop on using big data for forecasting and statistics, 07-08/04/2014, Frankfurt.spa
dc.relation.referencesChadwick, M., Gönül, Ş. (2012). Nowcasting Unemployment Rate in Turkey: Let's Ask Google. Central Bank of the Republic of Turkey. Recuperado de https://www.tcmb.gov.tr/wps/wcm/connect/635829fc-6c5f-4249-ab78-96fdc3a62cc8/WP1218.pdf?MOD=AJPERESyCACHEID=ROOTWORKSPACE-635829fc-6c5f-4249-ab78-96fdc3a62cc8-m3fw5-6spa
dc.relation.referencesChamberlin, G. (2010). Googling the present. Economic and Labour Market Review, 59-95. doi:https://doi.org/10.1057/elmr.2010.166spa
dc.relation.referencesChang, J., Del Río, A. (2013). Google Trends: Predicción del nivel de empleo agregado en Perú usando datos en tiempo real, 2005-2011. Banco Central de Reserva del Perú. Recuperado de https://www.bcrp.gob.pe/docs/Publicaciones/Documentos-de-Trabajo/2013/documento-de-trabajo-15-2013.pdfspa
dc.relation.referencesChen, L., Fan, S. y Lee, W-J. "Short-Term Load Forecasting Using Comprehensive Combination Based on Multimeteorological Information," in IEEE Transactions on Industry Applications, vol. 45, no. 4, pp. 1460-1466, July-aug. 2009, doi: 10.1109/TIA.2009.2023571.spa
dc.relation.referencesChoi, H., Varian, H. (2009a). Predicting the Present with Google Trends. USA: Google Inc. Recuperado de https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1659302spa
dc.relation.referencesChoi, H., Varian, H. (2009b). Predicting Initial Claims for Unemployment Benefits. Recuperado de https://static.googleusercontent.com/media/research.google.com/es//archive/papers/initialclaimsUS.pdfspa
dc.relation.referencesChoi, H., Varian, H. (2012). Predicting the Present with Google Trends. THE ECONOMIC RECORD, 88, 2–9. Recuperado de https://doi.org/10.1111/j.1475-4932.2012.00809.xspa
dc.relation.referencesEttredge, M., Gerdes, J., y Karuga, G. (2005). Using Web-based Search Data to Predict Macroeconomic Statistics. COMMUNICATIONS OF THE ACM, 87-92. Recuperado de https://www.researchgate.net/publication/200110929_Using_Web-based_search_data_to_predict_macroeconomic_statisticsspa
dc.relation.referencesGiannone, D., Reichlin, L., Simonelli (2009). “Nowcasting Euro Area Economic Activity in Real-Time: The Role of Confidence Indicators”, National Institute Economic Review, 210, 90-97. Recuperado de https://www.jstor.org/stable/23881019spa
dc.relation.referencesGinsberg, J., Mohebbi, M., Patel, R., Brammer, L., Smolinski, M., y Brilliant, L. (2009). Detecting influenza epidemics using search engine. Nature, 457, 1012-1015. doi:https://doi.org/10.1038/nature07634spa
dc.relation.referencesGriffioen, R., de Haan, J., Willenborg, L. (2014). “Collecting Clothing Data from the Internet”, Statistics Netherlands Technical Report. Recuperado de https://unece.org/fileadmin/DAM/stats/documents/ece/ces/ge.22/2014/UNECE-ILO_2014_Griffioen_deHaan_Willenborg.pdfspa
dc.relation.referencesHeston, S. L., Sinha, N. R. (2014). “News versus Sentiment: Comparing Textual Processing Approaches for Predicting Stock Returns”, Working Paper. Recuperado de https://finpko.ku.edu/myssi/FIN938/Heston%20&%20Sinha_News%20vs%20Sentiment_WP_2014.pdfspa
dc.relation.referencesVarian, H. (2014). Big Data: New Tricks for Econometrics. Journal of Economic Perspectives, 28(2), 3–28. doi:10.1257/jep.28.2.3spa
dc.relation.referencesYiu, M. S., Chow, K. K. (2010). “Nowcasting Chinese GDP: Information Content of Economic and Financial Data”, China Economic Journal, 3(3), 223-240. Recuperado de https://www.researchgate.net/publication/228272415_Nowcasting_Chinese_GDP_Information_Content_of_Economic_and_Financial_Dataspa
dc.rights.accessrightsinfo:eu-repo/semantics/closedAccessspa
dc.rights.creativecommonsAtribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)spa
dc.subject.proposalDesempleospa
dc.subject.proposalGoogle Trendsspa
dc.subject.proposalSARIMAspa
dc.subject.proposalIndicadores lideresspa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1fspa
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.redcolhttps://purl.org/redcol/resource_type/TPspa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dc.rights.coarhttp://purl.org/coar/access_right/c_14cbspa


Files in this item

Thumbnail
Name:
Luis Guerrero_working paper.pdf
Size:
1.595Mb
Format:
PDF
View/Open
Thumbnail
Name:
Guerrero Peñaranda Luis Alberto.pdf
Size:
139.8Kb
Format:
PDF
View/Open
Thumbnail
Name:
FORMATO IDENTIFICACIÓN TRABAJOS ...
Size:
140.7Kb
Format:
PDF
View/Open

This item appears in the following Collection(s)

Show simple item record

Derechos Reservados - Universidad Colegio Mayor de Cundinamarca, 2024
Except where otherwise noted, this item's license is described as Derechos Reservados - Universidad Colegio Mayor de Cundinamarca, 2024