Mostrar el registro sencillo del ítem
Influencia del COVID-19 en las predicciones del número de parados en Canarias usando Google Trends
dc.contributor.advisor | González Dávila, Enrique Francisco | |
dc.contributor.advisor | Jorge González, Elisa María | |
dc.contributor.author | Carvajal Martínez, Alejandro | |
dc.date.accessioned | 2021-07-30T10:05:27Z | |
dc.date.available | 2021-07-30T10:05:27Z | |
dc.date.issued | 2021 | |
dc.identifier.uri | http://riull.ull.es/xmlui/handle/915/25090 | |
dc.description.abstract | La 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.abstract | Predicting 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.mimetype | application/pdf | |
dc.language.iso | es | |
dc.rights | Licencia Creative Commons (Reconocimiento-No comercial-Sin obras derivadas 4.0 Internacional) | |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es_ES | |
dc.subject | Paro | |
dc.subject | Google Trends | |
dc.subject | ARIMA | |
dc.title | Influencia del COVID-19 en las predicciones del número de parados en Canarias usando Google Trends | |
dc.type | info:eu-repo/semantics/bachelorThesis | |
dc.subject.keyword | Paro | |
dc.subject.keyword | Google Trends | |
dc.subject.keyword | ARIMA | |
dc.subject.keyword | Gretl | |
dc.subject.keyword | Unemployment |