Семинары
10.06.2020 ОНЛАЙН-СЕМИНАР "Прикладная статистика и моделирование реальных процессов"
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.
Заседание семинара проводится в формате ZOOM – конференции
Ссылка для входа в конференцию:
Topic: ЦЭМИ семинар 10.06. 17-00
Time: Jun 10, 2020 05:00 PM Moscow
Join Zoom Meeting
https://zoom.us/j/97490194611
