Forecasting tourist arrivals: Google Trends meets mixed-frequency data

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11230%2F21%3A10398967" target="_blank" >RIV/00216208:11230/21:10398967 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/61384399:31120/21:00054383

Výsledek na webu

<a href="https://verso.is.cuni.cz/pub/verso.fpl?fname=obd_publikace_handle&handle=4T2bq00Q0h" target="_blank" >https://verso.is.cuni.cz/pub/verso.fpl?fname=obd_publikace_handle&handle=4T2bq00Q0h</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1177/1354816619879584" target="_blank" >10.1177/1354816619879584</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Forecasting tourist arrivals: Google Trends meets mixed-frequency data

Popis výsledku v původním jazyce

n this article, we examine the usefulness of Google Trends data in predicting monthly tourist arrivals and overnight stays in Prague during the period between January 2010 and December 2016. We offer two contributions. First, we analyze whether Google Trends provides significant forecasting improvements over models without search data. Second, we assess whether a high-frequency variable (weekly Google Trends) is more useful for accurate forecasting than a low-frequency variable (monthly tourist arrivals) using mixed-data sampling (MIDAS). Our results suggest the potential of Google Trends to offer more accurate predictions in the context of tourism: we find that Google Trends information, both 2 months and 1 week ahead of arrivals, is useful for predicting the actual number of tourist arrivals. The MIDAS forecasting model employing weekly Google Trends data outperforms models using monthly Google Trends data and models without Google Trends data.

Název v anglickém jazyce

Forecasting tourist arrivals: Google Trends meets mixed-frequency data

Popis výsledku anglicky

n this article, we examine the usefulness of Google Trends data in predicting monthly tourist arrivals and overnight stays in Prague during the period between January 2010 and December 2016. We offer two contributions. First, we analyze whether Google Trends provides significant forecasting improvements over models without search data. Second, we assess whether a high-frequency variable (weekly Google Trends) is more useful for accurate forecasting than a low-frequency variable (monthly tourist arrivals) using mixed-data sampling (MIDAS). Our results suggest the potential of Google Trends to offer more accurate predictions in the context of tourism: we find that Google Trends information, both 2 months and 1 week ahead of arrivals, is useful for predicting the actual number of tourist arrivals. The MIDAS forecasting model employing weekly Google Trends data outperforms models using monthly Google Trends data and models without Google Trends data.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

50201 - Economic Theory

Projekt

<a href="/cs/project/GX19-26812X" target="_blank" >GX19-26812X: Excelence v ekonomickém výzkumu energetické efektivity a modelování dopadů - FE3M</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2021

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Tourism Economics

ISSN

1354-8166

e-ISSN

—

Svazek periodika

27

Číslo periodika v rámci svazku

1

Stát vydavatele periodika

GB - Spojené království Velké Británie a Severního Irska

Počet stran výsledku

20

Strana od-do

129-148

Kód UT WoS článku

000490106000001

EID výsledku v databázi Scopus

2-s2.0-85074075455