ЦЕНТРАЛЬНЫЙ ЭКОНОМИКО-МАТЕМАТИЧЕСКИЙ ИНСТИТУТ

РОССИЙСКАЯ АКАДЕМИЯ НАУК

Научный семинар "Прикладная статистика и моделирование реальных процессов"

Научные руководители: Благовещенский Юрий Николаевич, Афанасьев Михаил Юрьевич

Варшавский Александр Евгеньевич, Пересецкий Анатолий Абрамович

Ученый секретарь: Макарчук Нина Ивановна.

10 июня 2020 г. Начало в 17 часов.

Фантаццини Деан

Московская школа экономики МГУ имени М.В. Ломоносова

Краткосрочное прогнозирование пандемии COVID-19 с использованием данных Google Trends по 158 странам Аннотация: Исследуется способность Google Trends прогнозировать количество новых ежедневных случаев заболевания и умерших от COVID19 с использованием данных по 158 странам. Этот анализ включает в себя вычисления корреляций с лагами между подтвержденными случаями и данными Google, тесты причинности Грейнджера и прогнозирование с использованием 18 конкурирующих моделей с горизонтом прогноза 14 дней. Результаты анализа показывают, что модели Google превосходят конкурирующие модели для большинства стран. Это важно, потому что данные Google могут дополнять эпидемиологические модели в такие трудные периоды, как пандемия COVID-19, когда официальная статистика может быть недостаточно надежна и/или публикуется с задержкой. Кроме того, отслеживание в режиме реального времени с использованием онлайн-данных является одним из инструментов, которые могут быть использованы для контроля за ситуацией, когда ослабляется строгая изоляция и экономика постепенно восстанавливается.

Dean Fantazzini

Moscow School of Economics Moscow State University

Short-term forecasting of the COVID-19 pandemic using Google Trends data: Evidence from 158 countries Abstract: The ability of Google Trends data to forecast the number of new daily cases and deaths of COVID19 is examined using a dataset of 158 countries. The analysis includes the computations of lag correlations between confirmed cases and Google data, Granger causality tests, and an out-of-sample forecasting exercise with 18 competing models with a forecast horizon of 14 days ahead. This evidence shows that Googleaugmented models outperform the competing models for most of the countries. This is significant because Google data can complement epidemiological models during difficult times like the ongoing COVID-19 pandemic, when official statistics maybe not fully reliable and/or published with a delay. Moreover, real-time tracking with online-data is one of the instruments that can be used to keep the situation under control when national lockdowns are lifted and economies gradually reopen.