Prognozowanie wybranego subindeksu CPI przy użyciu danych Google Trends

Prognozy inflacji mają bezpośredni wpływ na prowadzenie polityki monetarnej państwa oraz odgrywają dużą rolę w uświadamianiu społeczeństwa o potrzebie wprowadzenia ewentualnych zmian w sposobie jej prowadzenia. W celu zapewnienia trafności konstruowanych prognoz stale poszukuje się zmiennych, które istotnie wpływają na inflację. Celem artykułu jest sprawdzenie, czy dane udostępniane przez serwis Google Trends mogą poprawić dokładność prognoz komponentów CPI związanych z sektorem transportowym. Dla każdego z subindeksów zbudowano modele prognostyczne uwzględniające zmienne wpływające na poziom wybranych cen, modele wzbogacone o hasła z wyszukiwarki Google i modele zawierające w swojej specyfikacji wspólne czynniki opisujące zmienność 32 wybranych haseł Google.

Inflation forecasts determine the monetary policy and can be treated as a way of raising society’s awareness of the fact that it needs certain adjustments. Experts continuously seek for the adequate variables that affect the level of inflation. In this paper the author examines whether Google Trends improve forecast of three chosen CPI components related to transport. The Author created a prognostic model for each of the components. Created models include: independent variables such as oil price and rate of excise duty, chosen variables together with statistics provided by Google Trends or principal components (explaining 32 google variables’ volatility) accordingly.