Forecasting bilateral refugee flows with high-dimensional data and machine learning techniques
Gröger, Andre (Universitat Autònoma de Barcelona)
Zheng, Conghan (Universitat Autònoma de Barcelona)
Boss, Konstantin (Universitat Autònoma de Barcelona)
Heidland, Tobias (Kiel University)
Krueger, Finja (Universitat Autònoma de Barcelona)

Publicación:	Barcelona: BSE Working Papers, 2023
Resumen:	We develop monthly refugee flow forecasting models for 150 origin countries to the EU27, using machine learning and high-dimensional data, including digital trace data from Google Trends. Comparing different models and forecasting horizons and validating them out-of-sample, we find that an ensemble forecast combining Random Forest and Extreme Gradient Boosting algorithms consistently outperforms for forecast horizons between 3 to 12 months. For large refugee flow corridors, this holds in a parsimonious model exclusively based on Google Trends variables, which has the advantage of close-to-real-time availability. We provide practical recommendations about how our approach can enable ahead-of-period refugee forecasting applications.
Ayudas:	European Commission 882986 Agencia Estatal de Investigación CEX2019-000915-S Agencia Estatal de Investigación PID2021-122605NB-I00 Agencia Estatal de Investigación RYC2021-033208-I Agència de Gestió d'Ajuts Universitaris i de Recerca 2021/SGR-00571
Derechos:	Aquest material està protegit per drets d'autor i/o drets afins. Podeu utilitzar aquest material en funció del que permet la legislació de drets d'autor i drets afins d'aplicació al vostre cas. Per a d'altres usos heu d'obtenir permís del(s) titular(s) de drets.
Lengua:	Anglès
Colección:	BSE working paper ; 1387
Documento:	Working paper ; recerca ; Versió publicada
Materia:	Forecasting ; Refugee flows ; Asylum seekers ; European Union ; Machine learning ; Google Trends
Publicado en:	BSE Barcelona School of Economics Working Papers, 2023

49 p, 614.7 KB

El registro aparece en las colecciones:
Documentos de investigación > Working papers