Google Trends as an advanced way of indexing consumer sentiment and predicting private consumption

Konstantin Tsutskov

Bachelor's thesis

Abstract:

Tato práce zkoumá potenciální vysokofrekvenční alternativu k indexům spotřebitelského sentimentu založeného na průzkumu v USA. Mezi nejčastější ukazatele patří včasné informace a předpoklad pro řádnou tvorbu politiky, zejména v bouřlivých obdobích ekonomické aktivity. Je diskutován popis toho, jak je propojeno americké HDP, výdaje na soukromou spotřebu a spotřebitelský sentiment, spolu s porovnáním aktuálně používaných indexů spotřebitelského sentimentu, jejich nevýhod a již vytvořených alternativ na základě údajů z vyhledávání na webu. Primárním datovým souborem použitým pro analýzu jsou data z Google Trends, odrážející relativní popularitu webových vyhledávání v USA. Výběr relevantních kategorií vyhledávání a metodika vytváření indexu spotřebitelského sentimentu je inspirována Della Pennou a Huangem (2010). K porovnání prediktivní síly syntetizovaného indexu je použit autoregresní model výdajů na soukromou spotřebu. Výkonnost předpovědi se hodnotí porovnáním s běžně používaným indikátorem založeným na průzkumu – indexem spotřebitelského sentimentu Michiganské univerzity. Přidaná hodnota této práce spočívá především v zahrnutí faktorů odrážejících veřejné znepokojení nad novými zprávami, které nebyly využity v žádném z předchozích výzkumů. Výsledky ukazují, že index založený na datech z vyhledávání na webu je významným prediktorem měsíčních variací výdajů na soukromou spotřebu nicméně jeho výkon ve srovnání s indexem založeným na průzkumu je diskutabilní. Ukázalo se, že kategorie integrovaných zpráv se hodnotně podílí na předpovídání výkyvů výdajů na soukromou spotřebu.

Abstract:

This thesis investigates the potential high-frequent alternative to survey-based consumer sentiment indices in the US. The high-frequent indicators are timely information and a prerequisite for sound policymaking, especially during turbulent periods in economic activity. A description of how US GDP, private consumption expenditure, and consumer sentiment are connected is discussed, alongside comparing of currently used indices of consumer sentiment, their drawbacks, and already created alternatives based on web search data. The primary dataset used for the analysis is the data from Google Trends, reflecting the relative popularity of web searches in the US. The selection of relevant search categories and methodology of constructing consumer sentiment index is inspired by Della Penna and Huang (2010). The autoregressive model of private consumption expenditure is employed to compare the predictive power of the synthesized index. The forecasting performance is assessed by comparison to the commonly used survey-based indicator – the University of Michigan Consumer Sentiment Index. The main value-added of this thesis is the addition of factors reflecting the public concern about news that was not utilized in any of the previous research. The results show that the index based on web search data is a significant predictor of one-month ahead variations of private consumption expenditure; however, its performance compared to the survey-based index is questionable. The integrated news category is shown to be a valuable contributor in predicting the swings in private consumption expenditure.

Keywords

výdaje na soukromou spotřebu, indikátor spotřebitelského sentimentu, důvěra spotřebitelů, google trends, časové řady

Keywords

private consumption expenditure, consumer sentiment indicator, consumer confidence, google trends, time series

Language used: English

Date on which the thesis was submitted / produced: 30. 3. 2021

Thesis defence

• Date of defence: 15. 6. 2021
• Supervisor: Helena Chytilová
• Reader: Tomáš Lichard

Vysoká škola ekonomická v Praze

Bachelor programme / field:
Ekonomie a hospodářská správa / Economics