Big Data Analytics in Economics: What Have We Learned So Far, and Where Should We Go from Here?

Abstract

English Abstract: Research into predictive accuracy testing remains at the forefront of the forecasting field. One reason for this is that rankings of predictive accuracy across alternative models, which under misspecification are loss function dependent, are universally utilized to assess the usefulness of econometric models. A second reason, which corresponds to the objective of this paper, is that researchers are currently focusing considerable attention on so‐called big data and on new (and old) tools that are available for the analysis of this data. One of the objectives in this field is the assessment of whether big data leads to improvement in forecast accuracy. In this survey paper, we discuss some of the latest (and most interesting) methods currently available for analyzing and utilizing big data when the objective is improved prediction. Our discussion includes a summary of various so‐called dimension reduction, shrinkage and machine learning methods as well as a summary of recent tools that are useful for ranking prediction models associated with the implementation of these methods. We also provide a brief empirical illustration of big data in action, in which we show that big data are indeed useful when predicting the term structure of interest rates. French Abstract: L’analyse des donnees massives en economie : ce qu’on a appris jusqu’a maintenant et quelles directions pour la prochaine etape? Les travaux sur les tests de precision des previsions demeurent au premier plan dans le monde de la prevision. Une premiere raison est que les ordonnancements de la precision des previsions des divers modeles (qui selon le degre de mis‐specification depend de la fonction de perte) sont universellement utilises pour calibrer l’utilite des modeles econometriques. Une seconde raison, qui correspond a l’objectif de ce memoire, est que les chercheurs concentrent une portion considerable de leur attention sur ce qu’on appelle les donnees massives, et les outils (anciens et nouveaux) disponibles pour analyser ce type de donnees. Un des objectifs dans ce champ d’etudes est d’etablir si les donnees massives menent a l’amelioration dans la precision des previsions. Dans cette etude‐synthese, les auteurs examinent quelques‐unes des methodes les plus recentes et les plus interessantes qui sont disponibles pour analyser et utiliser ce genre de donnees quand l’objectif est d’ameliorer les previsions. La discussion inclut une presentation succincte d’approches en termes de reduction de dimensions, de retrecissement, et methodes d’apprentissage machine, ainsi qu’un resume succinct d’outillages recents qui sont utiles pour ordonnancer les modeles de prevision associes a la mise en application de ces methodes. On fournit aussi une breve illustration de donnees massives en action, dans laquelle on montre que l’analyse des donnees massives est utile pour prevoir la structure par echeance des taux d’interet.