Journal of KIISE (정보과학회 논문지)

Korean Institute of Information Scientists and Engineers (한국정보과학회)
권호 표지
DOI QR코드

DOI QR Code

A Model for Nowcasting Commodity Price based on Social Media Data

소셜 데이터 기반 실시간 식자재 물가 예측 모형

  • Received : 2017.08.04
  • Accepted : 2017.10.10
  • Published : 2017.12.15
⟨ Previous Next ⟩

Abstract

Capturing real-time daily information on food prices is invaluable to help policymakers and development organizations address food security problems and improve public welfare. This study analyses the possible use of large-scale online data, available due to growing Internet connectivity in developing countries, to provide updates on food security landscape. We conduct a case study of Indonesia to develop a time-series prediction model that nowcasts daily food prices for four types of food commodities that are essential in the region: beef, chicken, onion and chilli. By using Twitter price quotes, we demonstrate the capability of social data to function as an affordable and efficient proxy for traditional offline price statistics.

신속하고 정확한 시장의 물가 파악은 소비자 개인을 넘어 정부와 관련 기업의 주요 관심 사항이다. 그러나 국가 단위의 물가 데이터 취합은 적지 않은 시간과 비용이 필요하다. 특히 통계 데이터 관련 인프라가 미약한 개발도상국의 경우 물가 지표 파악은 일 혹은 주 단위로 지연되어 국가의 정책 결정에 필요한 주요한 데이터의 부재가 있을 뿐만 아니라 투자 잠재성을 저하시킨다. 이러한 배경에서 이 연구는 온라인 소셜 네트워크 빅데이터를 활용한 실시간 물가 예측(Nowcast) 모델을 제시한다. 제안하는 모델은 트위터와 같은 온라인 빅데이터를 수집 및 분석함으로써 주요 소비재 시장물가를 실시간으로 단기 예측하는 알고리즘으로, 실제 15개월간 인도네시아를 대상으로 주요 식자재의 일별 물가 추이 예측에서 높은 정확도를 보임을 검증하였다. 해당 모델은 다양한 언어와 상품군으로 확장 가능하며, 기존 경제 통계를 보조함으로써 시장동향의 파악으로 정부와 기업의 전략 수립에 기여할 것으로 기대된다.

Keywords

Acknowledgement

Supported by : 한국연구재단

References

  1. Razia Khan et al., "Launching a pioneering crowdsourcing indicator for Africa," Standard Chartered research group, 2014.
  2. Giannone, Domenico, Lucrezia Reichlin, and David Small, "Nowcasting: The real-time informational content of macroeconomic data," Journal of Monetary Economics, pp. 665-676, 2008.
  3. Alberto Cavallo, "Online and official price indexes: Measuring Argentina's inflation," Journal of Monetary Economics, 60.2: pp. 152-165, 2013. https://doi.org/10.1016/j.jmoneco.2012.10.002
  4. Liz Gannes, "Premise Creates a Global Economic-Activity Tracker, One Snapshot of Onions at a Time," All Things Digital, 2013.
  5. Hamadeh, N., Rissanen, M., and Yamanaka, M., "The World Bank Pilot Study for Crowd-Sourced Data Collection through Mobile Phones," The World Bank, 2013.
  6. Simula, Henri, "The Rise and Fall of Crowdsourcing?." IEEE. System Sciences (HICSS), 2013.
  7. Ali, Amir Hatem, "Power of Social Media in Developing Nations: New Tools for Closing the Global Digital Divide and Beyond," Harv. Hum. Rts. J. 24: pp. 185, 2011.
  8. Correa, Teresa, Amber Willard Hinsley, and Homero Gil De Zuniga, "Who interacts on the Web?: The intersection of users' personality and social media use," Computers in Human Behavior 26.2: pp. 247-253, 2010. https://doi.org/10.1016/j.chb.2009.09.003
  9. Brockmann, Dirk, and Dirk Helbing, "The hidden geometry of complex, network-driven contagion phenomena," Science 342.6164: pp. 1337-1342, 2013. https://doi.org/10.1126/science.1245200
  10. Olteanu et al., "What to Expect When the Unexpected Happens: Social Media Communications Across Crises," CSCW, 2015.
  11. Park, Sungkyu, et al., "Activities on Facebook Reveal the Depressive State of Users," Journal of medical Internet research 15.10, 2013.
  12. Bollen, Johan, Huina Mao, and Xiaojun Zeng, "Twitter mood predicts the stock market," Journal of Computational Science 2.1: pp. 1-8, 2011. https://doi.org/10.1016/j.jocs.2010.12.007
  13. Asur, Sitaram, and Bernardo A. Huberman, "Predicting the future with social media," IEEE. Web Intelligence and Intelligent Agent Technology (WIIAT), 2010.
  14. Siim Teller, "Indonesia: The Social Media Capital of the World," On Device Research, 2013.