Massadata ja koneoppiminen makrotaloustieteessä

Abstract

Informaatioyhteiskunta tuottaa itsestään jatkuvasti kasvavalla nopeudella tietoa, jota on mahdollista hyödyntää uusien menetelmien, kuten koneoppimisen avulla. Taloustieteilijät ovat viimeisten vuosikymmenten aikana kehittäneet tapoja tehdä talouden ennusteita käyttäen useita erilaisia tiedonlähteitä samanaikaisesti. Tämä kirjallisuuskatsauksena toteutettu tutkielma vastaa kysymykseen, kuinka suuria datamassoja voidaan hyödyntää makrotaloustieteessä, ja kuinka koneoppimisen menetelmät soveltuvat korvaamaan ja täydentämään makrotaloustieteen perinteisesti käyttämiä ekonometrian menetelmiä ennustamisessa. Tutkimuksessa havaittiin, että prosessi hyödyntää koneoppimisen menetelmiä täysin on makrotaloustieteessä edelleen vaiheessa. Tutkimustulokset osoittavat, että esimerkiksi verkkoharavoinnilla hankittu data ja hakukonedata sisältävät informaatiota, jota perinteisistä tietolähteistä ei löydy. Hadoop ja NoSQL-tietokannat osoittautuvat tärkeiksi datanhallinnan työkaluiksi. Monet uudet tiedonlähteet sopivat reaaliaikaiseen ennustamiseen, sillä dataa on julkisesti tarjolla päivittäistasolla.

The modern information society creates data about itself at an ever-increasing pace. With emerging technologies like machine learning, it is possible to make use of this data. For the last three decades, economists have developed models that predict using a multiple data source approach. This literature review answers the question how Big Data can be utilized in macroeconomics and how machine learning technologies can complement or replace econometrical methods in prediction. The process of utilizing machine learning in macroeconomics was found to be incomplete at the time of this review. The results show that data gathered with web scraping and search engine statistics contain information that is not present in contemporary datasets. Apache Hadoop and NoSQL databases prove to be important tools in managing Big Data. Many new data sources that can be collected at a high frequency are useful in macroeconomic nowcasting.