Search Queries As Leading Indicator Of The Housing Market

Den här studien utvärderar potentialen i söktermsdata från Google som ledande indikator för priser på bostadsmarknaden i Stockholm. Det prediktiva innehållet i söktermsdata från Google Trends jämförs mot en mer klassisk prognosmodell byggd på makroekonomiska variabler. Genom att mäta avvikelsen i en pseudo-prognos redovisas respektive datakällas förmåga till riktiga prognoser. Den huvudsakliga slutsatsen är att det finns resultat som styrker tesen om prediktivt innehåll i Googledata, framförallt för prognoser med horisonter upp till sex månader. Genom att använda Googledata skapas prognoser som har en mindre avvikelse från den faktiska tidsserien är vad modellen byggd på makroekonomiska variabler kan leverera. Resultatet visar på användbarheten i söktermsdata från Google som ledande indikator för priser på bostadsmarknaden i Stockholm.This study evaluates the potential in using Google search term data as a leading indicator of prices on the real estate market in Stockholm. The predictive content of the search term data from Google Trends is contrasted against a more classic forecasting model using macroeconomic variables. The ability of each data source to generate powerful forecasts is demonstrated by measuring the deviation in a pseudo-forecast. The main finding is that the results support the hypothesis on predictive content in Google data, mainly forecasts with up to six months’ horizon. By using Google data, forecasts can be made with less deviation from the actual time series than forecasts built on macroeconomic variables. The results point to the usability of search term data from Google as a leading indicator for prices on the real estate market in Stockholm