Nowcasting of Macroeconomic Variables

Thesis title: Nowcasting makroekonomických ukazovateľov
Author: Kubisová, Kristína
Thesis type: Diploma thesis
Supervisor: Witzany, Jiří
Opponents: Folprecht, Marek
Thesis language: Slovensky
Abstract:
Cieľom diplomovej práce je preskúmať možnosti nowcastingu vybraných makroekonomických ukazovateľov pre Českú republiku s využitím vysokofrekvenčných dát a autoregresného MIDAS modelu a zistiť ich prínos do celkovej predikčnej schopnosti modelov. Práca sa zameriava na nowcasting HDP, inflácie a miery nezamestnanosti, ktoré sú zverejňované s časovým oneskorením. V teoretickej časti sú rozobraté metodologické prístupy k modelom nowcastingu z hľadiska teórie a praxe. V empirickej časti sú konštruované AR(1) MIDAS modely kombinujúce kvartálne, mesačné a týždenné časové rady. Okrem tradičných makroekonomických indikátorov z ČSÚ alebo ARADu, sú do modelov zahrnuté aj alternatívne vysokofrekvenčné indikátory získané z Google Trends, ktoré zachytávajú správanie ekonomických subjektov v reálnom čase. Na zabezpečenie konzistentnosti dát sú jednotlivé časové bloky Google Trends preškálované pomocou prekrývajúcich sa období. Ostatné dáta sú pomocou diferencií alebo logaritmických diferencií prevedené do stacionárnej podoby a v prípade potreby sezónne a kalendárne očistené. Kvalita nowcastingových modelov je hodnotená prostredníctvom rolling out-of-sample analýzy s využitím metrických ukazovateľov RMSE a MAE, pričom osobitná pozornosť je venovaná beta parametrom a prínosu vysokofrekvenčných premenných k predikčnej výkonnosti modelu.
Keywords: nowcasting; model; premenné; RMSE; predikcia
Thesis title: Nowcasting makroekonomických ukazovateľov
Author: Kubisová, Kristína
Thesis type: Diplomová práce
Supervisor: Witzany, Jiří
Opponents: Folprecht, Marek
Thesis language: Slovensky
Abstract:
Cílem diplomové práce je prozkoumat možnosti nowcastingu vybraných makroekonomických ukazatelů pro Českou republiku s využitím vysokofrekvenčních dat a autoregresního MIDAS modelu a zjistit jejich přínos do celkové predikční schopnosti modelů. Práce se zaměřuje na nowcasting HDP, inflace a míry nezaměstnanosti, které jsou zveřejňovány s časovým zpožděním. V teoretické části jsou rozebrány metodologické přístupy k modelům nowcastingu z hlediska teorie a praxe. V empirické části jsou konstruovány AR(1) MIDAS modely kombinující kvartální, měsíční a týdenní časové řady. Kromě tradičních makroekonomických indikátorů z ČSÚ nebo ARADu jsou do modelů zahrnuty i alternativní vysokofrekvenční indikátory získané z Google Trends, které zachycují chování ekonomických subjektů v reálném čase. Pro zajištění konzistentnosti dat jsou jednotlivé časové bloky Google Trends přeškálovány pomocí překrývajících se období. Ostatní data jsou pomocí diferencí nebo logaritmických diferencí převedena do stacionární podoby a v případě potřeby sezónně a kalendářně očištěna. Kvalita nowcastingových modelů je hodnocena prostřednictvím rolling out-of-sample analýzy s využitím metrických ukazatelů RMSE a MAE, přičemž zvláštní pozornost je věnována beta parametrům a přínosu vysokofrekvenčních proměnných k predikční výkonnosti modelu.
Keywords: nowcasting; model; proměnné; RMSE; predikce
Thesis title: Nowcasting of Macroeconomic Variables
Author: Kubisová, Kristína
Thesis type: Diploma thesis
Supervisor: Witzany, Jiří
Opponents: Folprecht, Marek
Thesis language: Slovensky
Abstract:
The aim of the diploma thesis is to examine the possibilities of nowcasting of selected macroeconomic indicators for the Czech Republic using high-frequency data and the autoregressive MIDAS model, and to determine their contribution to the overall predictive ability of the models. The work focuses on nowcasting of GDP, inflation and unemployment rate, which are published with a time delay. The theoretical part discusses methodological approaches to nowcasting models, from the perspective of theory and practice. The empirical part constructs AR(1) MIDAS models combining quarterly, monthly and weekly time series. In addition to traditional macroeconomic indicators from the Czech Statistical Office or ARAD, alternative high-frequency indicators obtained from Google Trends are also included in the models, which capture the behavior of economic entities in real time. To ensure data consistency, individual time blocks of Google Trends are rescaled using overlapping periods. Other data are converted to stationary form using differences or logarithmic differences and, if necessary, seasonally and calendar-adjusted. The quality of nowcasting models is assessed through rolling out-of-sample analysis using the RMSE and MAE metrics, with special attention paid to the stability of the estimated betas and the contribution of high-frequency variables to the model's predictive performance.
Keywords: model; variables; prediction; RMSE; nowcasting

Information about study

Study programme: Finanční inženýrství
Type of study programme: Magisterský studijní program
Assigned degree: Ing.
Institutions assigning academic degree: Vysoká škola ekonomická v Praze
Faculty: Faculty of Finance and Accounting
Department: Department of Banking and Insurance

Information on submission and defense

Date of assignment: 27. 2. 2025
Date of submission: 9. 1. 2026
Date of defense: 4. 2. 2026
Identifier in the InSIS system: https://insis.vse.cz/zp/91674/podrobnosti

Files for download

    Last update: