DOI QR코드

DOI QR Code

Forecasting Unemployment Rate using Social Media Information

소셜 미디어 정보를 이용한 실업률 예측

  • 나종화 (충북대학교 정보통계학과/비즈니스데이터융합학과) ;
  • 김은섭 (충북대학교 정보통계학과)
  • Received : 2013.08.26
  • Accepted : 2013.10.08
  • Published : 2013.12.31

Abstract

Social media has many advantages. It can gain latest information with real time, be spread rapidly, easily be reproduced and distributed regardless of its form. These advantages can result in real time predictions using the latest information, which is possible due to the increase in social demand for more quick and accurate economic variable predictions. In this paper we adopted ARIMAX and ECM model to predict the unemployment rate and as a social information we used the Google Index provided by Google Trend. Also we used News Index as a domestic social information. The process of fitting statistical model considered in this paper can be adopted to predict various socio/economic indices as well as unemployment rate.

소셜 미디어 정보는 실시간으로 가장 최신의 정보의 획득을 가능하게 하며, 확산 속도가 빠르고 형태의 제약 없이 유연하게 생산 및 유통할 수 있다는 강점이 있으며, 최근 경제변수들의 예측에 있어서 소셜 미디어 정보를 이용한 예측의 활용 방안에 대한 논의가 활발히 이루어지고 있다. 본 논문에서는 실업률을 예측함에 있어 소셜 미디어 정보 유형 중 하나인 Google Index 정보를 이용하여 시계열 모형 중 하나인 ARIMAX 모형과 ECM 모형을 적합하였고, 모형의 예측력을 비교하기 위해 기존의 ARIMA 모형과의 비교를 수행하였다. 또한, 소셜 미디어 정보 이용에 있어 Google Index 뿐만 아니라 국내 소셜 미디어 정보인 News Index와의 결합을 통해 예측력의 제고 가능성을 확인하였다. 본 연구에서 다루어진 분석 절차와 통계적 모형의 적합과정은 실업률 외의 주요 사회, 경제지표에도 적용될 수 있다.

Keywords

References

  1. 김희재, "계절형 시계열의 예측방법 비교", 경성대학교 기초과학연구 논문집, 제21집, pp. 115-124, 2010.
  2. 나종화, 유혜경, 남은미, 조완섭, "질적변수에 대한 계량화를 통한 사면붕괴 예측모형", 한국산업정보학회지, 제14권 제5호, 281-288, 2009.
  3. 유혜경, 이진영, 나종화, "매장문화재 예측을 위한 통계적 분류 분석", 한국산업정보학회지, 제14권 제3호, 106-113, 2009.
  4. 이헌규, 신용호, "센서스 정보 및 전력 부하를 활용한 전력 수요 예측", 한국산업정보학회논문지, 제18권 제3호, 35-46, 2013. https://doi.org/10.9723/jksiis.2013.18.3.035
  5. Askitas, N. and Zimmermann, K. F., "Google Econometrics and Unemployment Forecasting", IZA Discussion Paper, 4201, 2009.
  6. Choi, H. and Varian, H., "Predicting Initial Claims for Unemployment Benefits", Google Technical Report, 2009.
  7. D'Amuri, F., "Predicting Unemployment in Short Samples with Internet Job Search Query Data", MPRA paper 18403, 2009.
  8. D'Amuri, F. and Marcucci, J., "Google it! Forecasting the US Unemployment Rate with a Google Job Search Index", Bank of Italy, 2009.
  9. Dukic, V., Lopes, H. F. and Polson, N. G., "Tracking Epidemics with State-Space SEIR and Google Flu Trends", Journal of the American Statistical Association, Vol. 107, 2012.
  10. Engle, R. F. and Granger, C. W. J., "Co-Intergration and Error Correction : Representation, Estimation, and Testing", Econometrica, Vol. 55, pp. 251-276, 1987. https://doi.org/10.2307/1913236
  11. Ginsberg, J., Mohebbi, M. H., Patel, R. S., Brammer, L., Smolinski, M. S. and Brilliant, L., "Detecting Influenza Epidemics using Search Engine Query Data", Nature, Vol. 457, pp. 1012-1014, 2009. https://doi.org/10.1038/nature07634
  12. Kelly, H. and Grant, K., "Interim Analysis of Pandemic Influenza(H1N1) 2009 in Australia: Surveillance Trends, Age of Infection and Effectiveness of Seasonal Vaccination", EUROSURVEILLANCE, Issue 31, pp.1-5, 2009.
  13. Valdivia, A., "Diseases Tracked by Using Google Trends, Spain", Emerging Infectious Diseases, Vol. 16, No. 1, 2010.

Cited by

  1. Influenza prediction models by using meteorological and social media informations vol.26, pp.5, 2015, https://doi.org/10.7465/jkdi.2015.26.5.1087
  2. SNS의 관심도가 선거결과에 미치는 영향 분석 vol.15, pp.2, 2013, https://doi.org/10.14400/jdc.2017.15.2.191
  3. The Impact of Concerns about Recession on Domestic Financial Markets vol.23, pp.1, 2017, https://doi.org/10.17298/kky.2017.23.1.003
  4. Bitcoin Price Forecasting Using Neural Decomposition and Deep Learning vol.23, pp.4, 2013, https://doi.org/10.9723/jksiis.2018.23.4.081