Frühsignale für Änderungen von Konjunkturindikatoren durch Analysen von Big Data

Abstract

In Zeiten, in denen immer mehr Daten über einzelne Individuen gesammelt werden, liegt es nahe, dass diese für die ökonomische Forschung nicht mehr unberücksichtigt blei- ben. Die Anzahl an Publikationen welche sich mit dem Thema Data Mining und Big Data beschäftigen steigt von Jahr zu Jahr rapide an. Diese Arbeit gibt den aktuellen For- schungsstand in diesem Gebiet wieder und zeigt, welche Schritte notwendig sind, um mit solchen Datensätzen zu arbeiten. Dafür werden Methoden zur Strukturierung der Daten aufgezeigt und bewertet. Weiter werden statistische Verfahren erläutert und angewendet, welche die Einbindung der Datensätze erlaubt. Ziel ist es zu zeigen, dass bereits einfache Zeitreihenmodelle ausreichen, um die Nützlichkeit solcher nicht amtlichen Datengrund- lagen auf Konjunkturindikatoren zu beschreiben. Es wird jedoch auch gezeigt, dass bei einer fast unbegrenzten Anzahl an möglichen Regressoren teils nicht kausale Zusammen- hänge sehr leicht darzustellen sind. Daher stellt der Umgang, speziell die Selektion solcher Datenmengen wohl den schwierigsten Teil in diesem Forschungsbereich dar.

In times, where we collect more and more data about individuals, it`s nearby to use these for economic research. Publications with the title „Big Data“ are growing since years. This Paper describes the current state of research and shows which steps are necessary to work with unstructured and high dimensional data. Therefore, methods for data structuring will be shown and evaluated. Statistical techniques will be described and used with different datasets. The aim is to show, that simple time-series models are enough to show the usefulness of simple collected datasets for economic indicators. It is also shown, that, if we have unlimited amount of potential regressors, it is possible to get correlations without any causal relation. It is the useful selection on big data what is the most difficult part in that state of research.