Show simple item record

dc.contributor.advisorGonzález Dávila, Enrique Francisco 
dc.contributor.advisorJorge González, Elisa María
dc.contributor.authorCarvajal Martínez, Alejandro
dc.date.accessioned2021-07-30T10:05:27Z
dc.date.available2021-07-30T10:05:27Z
dc.date.issued2021
dc.identifier.urihttp://riull.ull.es/xmlui/handle/915/25090
dc.description.abstractLa predicci´on del n´umero de parados en tiempo de crisis y acontecimientos espor´adicos de gran impacto plantea grandes retos para cualquier tipo de modelo de prediccci´on. La utilizaci´on de herramientas que introduzcan informaci´on en tiempo real son cada vez m´as demandadas. Las b´usquedas en la red por aquellas personas que demandan un empleo, desean cambiarlo o simplemente ven peligrar su puesto de trabajo, son un term´ometro de la evoluci´on de la serie de n´umero de parados de una determinada regi´on. En este trabajo se plantea un modelo de predicci´on del n´umero de parados para Canarias haciendo uso de las b´usquedas en internet obtenidas a trav´es de Google Trends. La influencia de la pandemia de la COVID-19 en los modelos permitir´a evaluar la efectividad de estos para corregir series econom´etricas en caso de grandes cat´astrofes.es
dc.description.abstractPredicting the number of unemployed in times of crisis and sporadic high-impact events poses great challenges for any type of forecasting model. The use of tools that can input information in real time is becoming more and more in demand. Web searches by people who are looking for a job, want to change their job or simply see their job in danger, are a thermometer of the evolution of the number of unemployed people in a given region. In this paper we propose a prediction model of the number of unemployed for the Canary Islands using Internet searches obtained through Google Trends. The influence of the COVID-19 pandemic on these models will make it possible to evaluate their effectiveness in correcting econometric series in the event of major catastrophes.en
dc.format.mimetypeapplication/pdf
dc.language.isoes
dc.rightsLicencia Creative Commons (Reconocimiento-No comercial-Sin obras derivadas 4.0 Internacional)
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/deed.es_ES
dc.subjectParo
dc.subjectGoogle Trends
dc.subjectARIMA
dc.titleInfluencia del COVID-19 en las predicciones del número de parados en Canarias usando Google Trends
dc.typeinfo:eu-repo/semantics/bachelorThesis
dc.subject.keywordParo
dc.subject.keywordGoogle Trends
dc.subject.keywordARIMA
dc.subject.keywordGretl
dc.subject.keywordUnemployment


Files in this item

This item appears in the following Collection(s)

Show simple item record

Licencia Creative Commons (Reconocimiento-No comercial-Sin obras derivadas 4.0 Internacional)
Except where otherwise noted, this item's license is described as Licencia Creative Commons (Reconocimiento-No comercial-Sin obras derivadas 4.0 Internacional)