Forecasting housing markets using Google searches : Empirical evidence from the Finnish housing market

Show full item record



Permalink

http://urn.fi/URN:NBN:fi:hulib-201706195113
Title: Forecasting housing markets using Google searches : Empirical evidence from the Finnish housing market
Author: Widgrén, Joona
Other contributor: Helsingin yliopisto, Valtiotieteellinen tiedekunta, Politiikan ja talouden tutkimuksen laitos
University of Helsinki, Faculty of Social Sciences, Department of Political and Economic Studies
Helsingfors universitet, Statsvetenskapliga fakulteten, Institutionen för politik och ekonomi
Publisher: Helsingfors universitet
Date: 2017
Language: eng
URI: http://urn.fi/URN:NBN:fi:hulib-201706195113
http://hdl.handle.net/10138/193619
Thesis level: master's thesis
Discipline: Kansantaloustiede
Economics
Nationalekonomi
Abstract: Tiedonetsintä tapahtuu nykyään suurelta osin internetissä. Internetissä tehtyjen hakujen on havaittu olevan yhteydessä reaalimaailman ilmiöihin, mutta voidaanko tätä tietoa käyttää asuntomarkkinoiden ennustamisessa? Tässä tutkielmassa selvitetään auttavatko Google-haut havaitsemaan muutoksia Suomen asuntomarkkinoilla. Tarkastelun kohteena ovat asuntojen hinnat sekä kauppamäärät. Google-hakuja kuvaavana aineistona käytetään Google Trends palvelun tarjoamaa, hakusanojen suosiota kuvaavaa, aineistoa. Hakusanojen suosiosta kertova aineisto päivittyy joka päivä, joten sen julkaisutiheys on huomattavasti korkeampi kuin virallisella asuntomarkkina-aineistolla. Tämä julkaisutiheyksien välinen erotus voi auttaa ennakoimaan muutoksia virallisessa aineistossa ennen sen julkaisua. Koska asunnon ostoa suunnittelevat todennäköisesti etsivät tietoa asunnosta ja sen ostamiseen liittyvistä seikoista ennen varsinaisen ostopäätöksen tekemistä, voi Google-haut kertoa muutoksista asuntomarkkinoilla jo ennen kuin muutokset näkyvät virallisessa aineistossa. Google-aineiston hyödyllisyyden arvioimiseksi tutkielmassa käytetään yksinkertaista aikasarjamallia, johon lisätään Google-hauista kertova muuttuja. Yksinkertaisen mallin nykyhetken ja lähitulevaisuuden ennustekykyä verrataan Google-hauilla laajennetun mallin ennustekykyyn. Lisäksi Google-hakujen ennustekykyä tarkastellaan Granger-kausaalisuustestillä. Tulosten robustisuutta tarkastellaan Suomen yhdeksän suurimman kaupungin aineistosta rakennetulla kiinteiden vaikutusten (fixed effects) mallilla. Lisäksi asuntojen hintojen osalta tarkastellaan asuntojen hintamuutoksen ennustamista. Tulokset osoittavat, että Google-haut parantavat asuntohintojen ennustetta keskimäärin 7,5% ja kauppamäärien ennustetta 15,9%. Google-hakujen havaitaan Granger-aiheuttavan asuntojen myyntimääriä, mutta hintojen osalta tulokset eivät ole yhtä vahvoja. Yhden periodin edistetyn Google-indeksin havaitaan kuitenkin Granger-aiheuttavan asuntojen hintoja. Asuntohintojen muutosten tarkastelu ja kiinteiden vaikutusten malli tukevat näitä havaintoja. Tulokset viittaavat siihen, että Google-hakuja on mahdollista käyttää talouden muuttujien nykyhetken arviointiin, virallisten tietojen tullessa viiveellä. Toisaalta Google-haut voivat olla hyödyllisiä myös lähitulevaisuuden ennustamisessa.The internet is a popular channel for finding information. The search queries entered into a search engine contain a huge amount of data, but can it be used in economic forecasting? This thesis investigates if Google searches observe the changes in the Finnish housing market. The focus is this thesis is in housing price and home sales forecasting. Google search data is collected from Google Trends. Google Trends provides data describing the popularity of search queries. Google Trends data is updated every day and thus its publishing frequency is much higher in comparison with the official housing market data. The difference in publishing frequency can help to predict changes in housing markets before the official data is revealed. To evaluate the usefulness of Google data a simple model is extended with the Google search index. The forecasting ability of the simple model and the model with Google searches are then compared. Both models are used to forecast the current values of housing market indicators as well as forecasting near-future values. Furthermore, the Granger causality test is employed to investigate if Google searches are useful in forecasting housing market variables. The robustness of the results is studied using the fixed effects model. Also, housing price changes are forecasted as a robustness check. The results suggest that Google searches are useful in forecasting the Finnish housing market. Adding Google searches to a simple housing price forecasting model improves the accuracy of the contemporaneous forecast by 7.5 percent on average. Google searches improve contemporaneous home sales forecast by 15.9 percent on average. Also, the Granger causality test suggests that Google searches are useful in forecasting home sales. The findings are not as clear for Granger causality between Google searches and housing prices. The Granger causality test results suggest that Google searches could be useful in forecasting the current housing prices but not future values. The results also suggest that Google searches improve the near-future forecasts of both indicators.
Subject: Time series
Housing markets
Forecasting
aikasarja-analyysi
asuntomarkkinat
ennustaminen


Files in this item

Files Size Format View

There are no files associated with this item.

This item appears in the following Collection(s)

Show full item record