Four essays on the application of nonlinear techniques to time series in economics

Resumen

Durante años, la modelización lineal ha sido en econometría la principal aproximación para modelizar dinámicas y relaciones entre variables, debido a su carácter sencillo y accesible tanto en términos de interpretación como de computación, como a la tradicional escasez de datos, tanto en corte transversal como longitudinal. Sin embargo, la economía es habitual que no se ajuste a un comportamiento lineal, dado que se trata de un sistema complejo con múltiples variables interdependientes que interaccionan de formas muy distintas: desde la descripción de las respuestas a perturbaciones en series persistentes mediante funciones de impulso respuesta no lineales, hasta la respuesta de mercados bursátiles a las perturbaciones del precio del petróleo. El aumento reciente de la capacidad de generación y almacenamiento de dato, y la mayor capacidad de computación, han supuesto un escenario donde la modelización no lineal puede ayudar a revelar dichas relaciones. Esta tesis tiene como objetivo ilustrar las ventajas de una correcta aplicación de técnicas no lineales en cuatro problemas en la que se modelizan dinámicas de series temporales aplicadas a problemas económicos. En primer lugar, se plantea una modelización no lineal univariante, de carácter no paramétrico, a la predicción de recesiones económicas. Esta modelización viene motivada por la observación influyente que supuso la pandemia derivada del Covid-19, de magnitud económica sin precedentes, y que supuso que distintos modelos sufriesen en la estimación a partir de su incorporación. En particular, en base al caso particular del crecimiento del PIB, la serie se particiona en tramos de una longitud determinada, y se analiza la cantidad que llevarían a una recesión técnica una vez se ponderan por la probabilidad de ocurrencia de los tramos una vez se han embebido en un espacio de símbolos. Se muestra la robustez de la aproximación, con una capacidad predictiva mejor que una aproximación autorregresiva lineal o que una aproximación con régimen cambiante en base a una cadena de Markov. En segundo lugar, se analizan los determinantes del ciclo económico en España mediante la técnica de árboles de decisión basados en boosting. En particular, tras analizar la capacidad de la técnica prediciendo las recesiones fechadas por el Comité de Fechado de Ciclos, se analizan las variables que ayudan a la predicción de una correcta probabilidad de recesión, y se analizan las interacciones entre dichas variables y se analiza de forma dinámica su importancia. Variables como precios o indicadores adelantados de tendencia del PIB o venta de coches suelen ser relevantes, si bien en recesiones como la Gran Recesión variables relacionadas con sectores más afectados como la construcción ganan importancia respecto a estas. En tercer lugar, se analiza la dinámica de homicidios con arma en Estados Unidos, un problema relevante en dicho país para aseguradoras o inmobiliarias, mediante un modelo de factor dinámico con un filtro de Kalman con características no lineales para aprovechar datos con disponibilidad casi inmediata frente al retraso de los datos oficiales, de hasta casi dos años. Los resultados mejoran la capacidad predictiva de modelos lineales y de modelos basados en aprendizaje automático. Por último, se analizan las interdependencias entre once países de la Unión Monetaria y Económica europea mediante la aplicación de un modelo de panel no lineal para tratar de explicar su dinámica, mediante el que se crea un índice de conectividad con dos regímenes diferenciados. Destaca la importancia de variables como exportaciones o turismo bilaterales para la descripción de la dinámica. Por lo tanto, este trabajo ilustra en cuatro casos particulares las ventajas que supone el uso correcto de aproximaciones no lineales en problemas económicos, ya sean de carácter univariante, multivariante o incluso en problemas de datos de panel.