Diese Arbeit untersucht das Potenzial von Internet-Suchdaten um kurzfristige Prognosen unterschiedlicher österreichischer Wirtschaftsdaten zu verbessern. Dazu werden Google Trends-Daten zu monatlichen Google-Indizes (GI) aggregiert und mittels schrittweiser Modellselektion ein favorisiertes Modell aus einem Set möglicher Modell-Kandidaten bestimmt. In den Nowcasting-Experimenten werden Out-of-Sample Forecasts von autoregressiven Benchmark-Modellen mit Nowcasts von erweiterten GI-Modellen verglichen. Die Anwendungsdaten stammen aus den Bereichen Arbeitsmarkt und Tourismus, wobei speziell die Arbeitslosen- und Jugendarbeitslosenquote sowie die Ankünfte von deutschen und niederländischen Gästen in Österreich untersucht werden. Die Ergebnisse zeigen, dass mit GI erweiterte Modelle gegenüber den Benchmark-Modellen in allen vier Anwendungsfällen einen geringeren RMSE und MAE in den Out-of-Sample Forecasts produzieren.

This work examines the potential of internet search query data to improve short-term forecasts of various Austrian economic data. Therefore, Google Trends-data are aggregated to monthly Google-Indices (GI) and a stepwise model selection algorithm determines a prefered model out of a set of candidate models. In nowcasting experiments out-of-sample forecasts of autoregressive benchmark models are compared to nowcasts of models augmented with the GI. The data is taken from the tourism sector and the labor market. In particular unemployment and youth unemployment data, as well as arrivals of German and Dutch visitors in Austria are analysed. The results show that GI augmented models produce a lower out-of-sample RMSE and MAE in all four applications compared to the benchmark models.