La capacità previsiva di Google Trends: un'applicazione al settore turistico

This thesis studies the forecasting ability of Google Trends in tourism through autoregressive models. In the first chapter, we cover basic concepts regarding time series and explore topics such as time regression models and forecasting. In the second chapter, we build the reference dataset, collecting time series from January 2015 to December 2019 of four different variables, related to tourist arrivals, total income, gasoline price and online search activity in Italy. In the third chapter, we implement, employing the statistical software Stata, different autoregressive models and compare their estimation and forecasting performances using some statistical measures. In the conclusions, we observe that the model including the variable on online searches among its regressors is better in forecasting than the other models, that use only information on tourism and its key factors.

Il presente lavoro di tesi studia la capacità previsiva di Google Trends in ambito turistico attraverso i modelli autoregressivi. Nel primo capitolo si trattano concetti di base riguardanti le serie storiche e si approfondiscono argomenti quali i modelli di regressione temporale e le previsioni. Nel secondo capitolo si costruisce il dataset di riferimento, raccogliendo serie storiche da gennaio 2015 a dicembre 2019 di quattro variabili diverse, relative agli arrivi turistici, ai redditi totali, al prezzo della benzina e all’attività di ricerca online in Italia. Nel terzo capitolo si implementano, per mezzo del software statistico Stata, modelli autoregressivi via via più elaborati e si confrontano le loro prestazioni di stima e di previsione sulla base di alcune misure statistiche. Nelle conclusioni si osserva che il modello che ingloba la variabile sulle ricerche online tra i suoi regressori è meglio (in ambito previsivo) degli altri modelli considerati, che usano le sole informazioni sul turismo e sui fattori che lo influenzano.