Nodarbinātības prognozēšana, izmantojot ekonomiko ziņu noskaņojumu

Abstract

Maģistra darbs pielieto ekonomisko ziņu noskaņojuma indeksu, lai atrisinātu paradoksu starp nepieciešamību pēc biežākām makroekonomisko prognožu atjauninājumiem un nepietiekamu attiecīgo rādītāju atjaunošanas biežumu. Izmantojot modernākas datu zinātnes metodes, tika iegūts ikdienu ziņu noskaņojuma indekss, lai izpētītu, vai ziņu noskaņojums ir piemērots, prognozējot nodarbinātības dinamiku Dānijā, un uzlabotu prognozes precizitāti modelī. Analīze rāda, ka pastāv statistiska saistība starp nodarbinātības dinamiku un ziņu noskaņojumu, un ka noskaņojuma rādītāju izmantošana var palielināt nodarbinātības datu prognozēšanas precizitāti īsos prognozēšanas periodos.

The thesis is seeking to solve a paradox between the need for more frequent macroeconomic forecasts and inadequate updates of relevant indicators with the aid of economic news. Using advanced data science methods, the thesis extracted sentiment scores from numerous relevant day-to-day economic news, to investigate whether news sentiment is applicable in predicting employment levels in Denmark and improve forecast accuracy in the model. The analysis shows that a statistical relationship does exist between employment levels and news sentiments and using sentiment scores can increase forecast accuracy of employment data on short forecasting horizons.