Forecasting inflation with Twitter

Mostrar todas las versiones(2)

We use Twitter content to generate an indicator of attention allocated to inflation. The analysis corresponds to Argentina for the period 2012-2019. The attention index provides valuable information regarding future levels of inflation. A one standard deviation increment in the index is followed by...

Descripción completa

Detalles Bibliográficos
Autores principales:	Aromí, José Daniel, Llada, Martín
Formato:	Articulo
Lenguaje:	Inglés
Publicado:	2023
Materias:	Ciencias Económicas inflation social network forecasting uncertainty text analysis Inflación redes sociales pronósticos incertidumbre análisis de texto
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/160791
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-160791
record_format	dspace
spelling	I19-R120-10915-1607912023-11-28T20:02:30Z http://sedici.unlp.edu.ar/handle/10915/160791 Forecasting inflation with Twitter Pronóstico de la inflación con Twitter Aromí, José Daniel Llada, Martín 2023-11 2023-11-28T14:54:52Z en Ciencias Económicas inflation social network forecasting uncertainty text analysis Inflación redes sociales pronósticos incertidumbre análisis de texto We use Twitter content to generate an indicator of attention allocated to inflation. The analysis corresponds to Argentina for the period 2012-2019. The attention index provides valuable information regarding future levels of inflation. A one standard deviation increment in the index is followed by an increment of approximately 0.4% in inflation in the consecutive month. Out-of-sample exercises confirm that social media content allows for gains in forecast accuracy. Beyond point forecasts, the index provides valuable information regarding inflation uncertainty. The proposed indicator compares favorably with other indicators such as media content, media tweets, google search intensity and consumer surveys. Se utiliza el contenido de Twitter para generar un indicador de atención asignada a la inflación. El análisis corresponde a Argentina para el período 2012-2019. El índice de atención proporciona información valiosa sobre los niveles futuros de inflación. Un incremento de una desviación estándar en el índice es seguido de un incremento de aproximadamente un 0,4% en la inflación en el mes consecutivo. Los ejercicios fuera de la muestra confirman que el contenido de las redes sociales permite obtener ganancias en la precisión de los pronósticos. Más allá de los pronósticos puntuales, el índice proporciona información valiosa sobre la incertidumbre de la inflación. El indicador propuesto se compara favorablemente con otros indicadores como el contenido de los medios, los tweets de los medios, la intensidad de búsqueda en Google y las encuestas de consumidores. Facultad de Ciencias Económicas Articulo Articulo http://creativecommons.org/licenses/by-nc-nd/4.0/ Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) application/pdf 64-85
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Inglés
topic	Ciencias Económicas inflation social network forecasting uncertainty text analysis Inflación redes sociales pronósticos incertidumbre análisis de texto
spellingShingle	Ciencias Económicas inflation social network forecasting uncertainty text analysis Inflación redes sociales pronósticos incertidumbre análisis de texto Aromí, José Daniel Llada, Martín Forecasting inflation with Twitter
topic_facet	Ciencias Económicas inflation social network forecasting uncertainty text analysis Inflación redes sociales pronósticos incertidumbre análisis de texto
description	We use Twitter content to generate an indicator of attention allocated to inflation. The analysis corresponds to Argentina for the period 2012-2019. The attention index provides valuable information regarding future levels of inflation. A one standard deviation increment in the index is followed by an increment of approximately 0.4% in inflation in the consecutive month. Out-of-sample exercises confirm that social media content allows for gains in forecast accuracy. Beyond point forecasts, the index provides valuable information regarding inflation uncertainty. The proposed indicator compares favorably with other indicators such as media content, media tweets, google search intensity and consumer surveys.
format	Articulo Articulo
author	Aromí, José Daniel Llada, Martín
author_facet	Aromí, José Daniel Llada, Martín
author_sort	Aromí, José Daniel
title	Forecasting inflation with Twitter
title_short	Forecasting inflation with Twitter
title_full	Forecasting inflation with Twitter
title_fullStr	Forecasting inflation with Twitter
title_full_unstemmed	Forecasting inflation with Twitter
title_sort	forecasting inflation with twitter
publishDate	2023
url	http://sedici.unlp.edu.ar/handle/10915/160791
work_keys_str_mv	AT aromijosedaniel forecastinginflationwithtwitter AT lladamartin forecastinginflationwithtwitter AT aromijosedaniel pronosticodelainflacioncontwitter AT lladamartin pronosticodelainflacioncontwitter
_version_	1807221998801125376

Forecasting inflation with Twitter

Ejemplares similares