Search results

Given that the use of Google Trends data is helpful to improve forecasting performance, this study aims to investigate whether the precision of forecast combination can benefit from the use of Google Trends Web search index along with the encompassing set.

Grey prediction models generate single-model forecasts, while Google Trends index serves as an explanatory variable for multivariate models. Then, three combination sets, including sets of univariate models (CUGM), all constituents (CAGM) and constituents that survive the forecast encompassing tests (CSET), are generated. Finally, commonly used combination methods combine the individual forecasts for each combination set.

The tourism volumes of four frequently searched-for cities in Taiwan are used to evaluate the accuracy of three combination sets. The encompassing tests show that multivariate grey models play a role to be reckoned with in forecast combinations. Furthermore, the empirical results indicate the usefulness of Google Trends index and encompassing tests for linear combination methods because linear combination methods coupled with CSET outperformed that coupled with CAGM and CUGM.

With Google Trends Web search index, the tourism sector may benefit from the use of linear combinations of constituents that survive encompassing tests to formulate business strategies for tourist destinations. A good forecasting practice by estimating ex ante forecasts post-COVID-19 can be further provided by scenario forecasting.

To improve the accuracy of combination forecasting, this research verifies the correlation between Google Trends index and combined forecasts in tourism along with encompassing tests.

過去的研究顯示 Google 搜尋趨勢資料有助於改善旅遊需求預測的準確度，本研究就此進一步探討 Google 搜尋趨勢網頁搜尋指標與涵蓋性檢定的使用對於組合預測準確度所造成的影響。

本研究以 Google 搜尋趨勢指標做為多變量灰色預測模式的解釋變數，並以單變量與多變量灰色模式產生各別預測值。在分別產生由所有的單變量模式 (CUGM)所有的模式 (CAGM), 以及經過涵蓋性檢定所留存下來之模式 (CSET) 所組成之集合後，就各別的組合集以常用的組合方法產生預測值。

以台灣的四個熱搜旅遊城市的旅遊人數進行三個組合集的預測準確度分析。涵蓋性檢定顯示多變量灰色模式在組合預測中扮演重要的角色，而結果亦呈現線性組合方法在 CSET優於在 CUGM 與 CAGM 的準確度，突顯搜尋趨勢指標與涵蓋性檢定對於線性組合方法的有用性。

藉由 Google 搜尋趨勢網頁搜尋指標與涵蓋性檢定，旅遊部門應可透過線性組合方法的預測規劃旅遊目的地的經營策略。新冠疫情下於各季的事前預測亦可結合情境預測具體呈現。

為提升組合預測在旅遊需求的預測準確度，本研究結合涵蓋性檢定以分析 Google 搜尋趨勢指標與組合預測準確度之間的關聯性。

旅遊需求,涵蓋性檢定,Google 搜尋趨勢,灰色預測,組合預測

研究型论文

Dado que el uso de los datos de Google Trends es útil para mejorar la precisión de las predicciones, este estudio examina si el uso del índice de búsqueda web de Google Trends combinado con la agregación de relevancia puede mejorar la precisión del predictor.

El modelo predictivo gris genera predicciones bajo un único modelo, mientras que el modelomultivariado utiliza el indicador Google Trends como variable explicativa. Se generaron tresensamblajes generales, incluido el Modelo armónico único (CUGM), los ensamblajes de todos loscomponentes (CAGM) y la prueba de presencia de componentes con predicción (CSET). Laspredicciones individuales encada grupo luego se combinan utilizando métodos de correlación deuso común.

Utilizando el número de turistas en las cuatro ciudades más investigadas de Taiwán, los tresgrupos combinados se clasificaron según su precisión. Las pruebas incluidas muestran que losmodelos multivariados en escala de grises son importantes para la predicción. Además, losresultados de las pruebas muestran que el índice de Google Trends y las pruebas que incluyenmétodos de suma lineal son útiles porque los métodos combinados con CSET funcionan majorque los métodos combinados con CSET. CAGM y VCUG.

La industria de viajes puede usar el índice de búsqueda web de Google Trends para desarrollarestrategias comerciales para atracciones basadas en un conjunto lineal de componentes.

Con el objetivo de mejorar la precisión de los pronósticos agregados, este estudio investiga larelación entre el índice de tendencias de Google y las expectativas generales de viaje junto con laevidencia global.

Demanda de viajes, Experiencia global, Tendencias de Google, Predicción gris

Trabajo de investigación

The price of a painting is determined by multiple variables, including color-related variables. Colors are important in an economic analysis. This study aims to analyze the paintings executed by Jean-Michel Basquiat (the famous street artist from the 1980s' New York City) and sold at auction to study the potential effect of color intensity, luminosity and color contrast on the prices of his paintings. The authors also study the case of the op art master, Carlos Cruz-Diez, as a robustness analysis to the main results. The analysis that the authors present may be of interest to academicians and to participants in the art market.

The authors run a hedonic regression model considering 306 paintings (executed by Basquiat alone), and 41 works painted collaboratively between Basquiat and Warhol and sold at auction (2003–2017). The data and the images corresponding to each painting were hand-collected from the websites of several auction houses and complemented with information obtained from the Artprice and Blouin websites.

Increases in color intensity, luminosity and color contrast have a positive effect on art prices. The authors also find that color intensity is even more recognized (as reflected by higher prices) for paintings belonging to Basquiat's most appreciated (understood as most expensive) artistic period (1980–1983) and during the second part of the sample period (2011–2017). The authors find similar results for Cruz-Diez. The authors also estimate that Basquiat's artworks made collaboratively with Andy Warhol are worth 55% less than those made only by Basquiat. An investment in Basquiat's paintings generated an average annual compounded return of 16.81% (2003–2017), clearly overperforming the S&P 500.

The main limitation of the hedonic regression method lies in the need to have a significant and varied sample to identify the true effect of each variable on the price of the good. Another limitation is that we are only able to use art prices from auctions, as this is the only comprehensive source of data that is publicly available. These two limitations are common to all studies that use the hedonic pricing model. This paper has implications not only for the art pricing (and more generally, asset pricing) literature, but also for the fields of psychology and marketing.

This is the first paper that highlights the importance of analyzing the price impact of color intensity throughout the artistic periods of a painter, finding that color intensity is even more appreciated (as reflected by higher prices) for paintings belonging to an artist's most recognized period. In the case of color contrast, the authors present a novel way to estimate this variable.

El precio de una pintura está determinado por múltiples variables, incluidas las relacionadas con el color. Los colores son importantes en el análisis económico. En este trabajo, se analizan las obras realizadas por Jean-Michel Basquiat (el famoso artista callejero latino de la escena artística neoyorquina de los años 80) y vendidas en subasta, para estudiar el efecto potential que la intensidad del color, la luminosidad y el contraste de sus pinturas pueden tener sobre sus precios También estudiamos el caso del maestro de op-art, Carlos Cruz-Diez, como análisis de robustez a nuestros principales resultados. El análisis que presentamos puede ser de interés tanto para académicos como para participantes del mercado del arte.

Realizamos un modelo de regresión hedónica considerando 306 obras (pintadas solo por Basquiat), y 41 obras realizadas de manera colaborativa entre Basquiat y Warhol y vendidas en subasta (2003–2017). Los datos y las imágenes correspondientes a cada obra fueron recolectados a mano de los sitios web de varias casas de subastas y complementados con información de los sitios web de Artprice y Blouin.

Incrementos en la intensidad, luminosidad y contraste del color (variable para la que proponemos una nueva medida), inciden positivamente en los precios del arte. También encontramos que la intensidad del color es aún más reconocida (como se refleja en los precios más altos en las subastas) para pinturas pertenecientes al período artístico más apreciado de Basquiat (1980–1983), entendido como el más caro, y durante la segunda parte del período muestral (2011–2017). Además, hallamos resultados similares para Cruz-Diez. De igual forma, estimamos que las obras de arte de Basquiat realizadas en colaboración con Andy Warhol valen un 55% menos que las realizadas solo por Basquiat. Una inversión en las pinturas de Basquiat generó un rendimiento compuesto anual promedio del 16,81% (2003–2017), claramente superando el rendimiento total del índice S&P 500.

La principal limitación del método de regresión hedónica radica en la necesidad de contar con una muestra significativa y variada para identificar el verdadero efecto de cada variable sobre el precio del bien en estudio. Otra limitación consiste en que solo es posible utilizar los precios de las obras de arte que son vendidas en subastas, ya que esta es la única fuente completa de datos que está disponible públicamente. Estas dos limitaciones son comunes a todos los estudios que utilizan el modelo de precios hedónicos. El artículo tiene implicaciones no solo para la literatura sobre precios de arte (y, más en general, sobre los precios de los activos), sino también para la literatura sobre psicología y mercadeo, en donde el estudio del impacto de los colores en las emociones y en el atractivo de un producto son de suma importancia.

Este es el primer estudio que destaca la importancia de analizar el impacto en precios de la intensidad del color a lo largo de los períodos artísticos de un pintor, debido a que se determinó que la intensidad de color es aún más apreciada (como se refleja en los precios más altos en las subastas), para las pinturas pertenecientes al período artístico más reconocido de un artista. En el caso del contraste de color, se propuso y utilizó una forma novedosa de estimar esta variable.