Developing an International Macroeconomic Forecasting Model Based on Big Data

Sang-Ha Yoon

추천

검색

자료유형: 동향자료

저자정보: Sang-Ha Yoon

저널정보: 대외경제정책연구원 [KIEP] World Economy Brief World Economy Brief 제24권 제18호

발행연도: 2024.6

수록면: 1 - 6 (0page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

In the era of big data, economists are exploring new data sources and methodologies to improve economic forecasting. This study examines the potential of big data and machine learning in enhancing the predictive power of international macroeconomic forecasting models. The research utilizes both structured and unstructured data to forecast Korea's GDP growth rate. For structured data, around 200 macroeconomic and financial indicators from Korea and the U.S. were used with machine learning techniques (Random Forest, XGBoost, LSTM) and ensemble models. Results show that machine learning generally outperforms traditional econometric models, particularly for one-quarter-ahead forecasts, although performance varies by country and period. For unstructured data, the study uses Naver search data as a proxy for public sentiment. Using Dynamic Model Averaging and Selection (DMA and DMS) techniques, it incorporates eight Naver search indices alongside traditional macroeconomic variables. The findings suggest that online search data improves predictive power, especially in capturing economic turning points. The study also compares these big data-driven models with a Dynamic Stochastic General Equilibrium (DSGE) model. While DSGE offers policy analysis capabilities, its in-sample forecasts make direct comparison difficult. However, DMA and DMS models using search indices seem to better capture the GDP plunge in 2020. Based on the research findings, the author offers several suggestions to maximize the potential of big data. He stresses the importance of discovering and constructing diverse data sources, while also developing new analytical techniques such as machine learning. Furthermore, he suggests that big data models can be used as auxiliary indicators to complement existing forecasting models, and proposes that combining structural models with big data methodologies could create synergistic effects. Lastly, by using text mining on various online sources to build comprehensive databases, we can secure richer and more real-time economic data. These suggestions demonstrate the significant potential of big data in improving the accuracy of international macroeconomic forecasting, particularly emphasizing its effectiveness in situations where the economy is undergoing rapid changes.

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)