Utilización de modelos factoriales en la predicción integrada a corto plazo de agregados macroeconómicos y sus componentes
- Autores: Angel Cuevas Galindo
- Directores de la Tesis: José María Labeaga Azcona (dir. tes.)
- Lectura: En la UNED. Universidad Nacional de Educación a Distancia ( España ) en 2017
- Idioma: español
- Tribunal Calificador de la Tesis: Gabriel Pérez-Quirós (presid.), Rubén Osuna Guerrero (secret.), José Ramón Cancelo de la Torre (voc.)
- Programa de doctorado: Programa de Doctorado en Historia e Historia del Arte y Territorio por la Universidad Nacional de Educación a Distancia
- Materias:
- Enlaces
- Tesis en acceso abierto en: e-spacio (pdf)
- Resumen
El objeto de la presente investigación se centra en la utilización de los denominados modelos factoriales dinámicos para la previsión o estimación en el corto plazo de determinadas magnitudes macroeconómicas y sus subagregados. Concretamente, el trabajo de investigación tiene tres vertientes: • La primera vertiente, que se plasma en el primer artículo (Cuevas y Quilis (2011)), es la de plantear la utilización de un modelo factorial dinámico para la predicción en tiempo real del Producto Interior Bruto (PIB). Concretamente se presenta un modelo factorial dinámico de mediana escala para prever la tasa de crecimiento de la economía española en el muy corto plazo.
El tamaño intermedio del modelo supera los graves problemas de especificación asociados a los modelos a gran escala y la posible pérdida implícita de información de pudiera achacarse los modelos pequeños. El factor común estimado se usa para pronosticar el PIB por medio de un modelo de función de transferencia. Asimismo, el modelo resuelve los límites operacionales y de información planteados por la presencia de un panel incompleto de indicadores e implícitamente genera pronósticos en un entorno multivariante de los indicadores implicados.
• En un segundo artículo (Cuevas et al. (2015a)), se extiende su uso para la predicción simultánea de un conjunto de subagregados que cumplan algún tipo de restricción con un determinado agregado. Concretamente se implementa un sistema de estimación y predicción en tiempo real de los PIB trimestrales por Comunidades Autónomas, que necesariamente han de cumplir la restricción transversal impuesta por el PIB trimestral nacional que proporciona la Contabilidad Nacional. Más específicamente, se propone una metodología para estimar en forma trimestral el PIB de las diferentes regiones de España, proporcionando asimismo perfiles trimestrales para el dato oficial anual observado de las mismas estimado por la Contabilidad Regional. De esta manera, se ofrece un nuevo instrumento para el seguimiento a corto plazo que permite a los analistas el poder cuantificar el grado de sincronía entre los ciclos económicos regionales.
Técnicamente, se combinan los modelos de series de tiempo con los métodos de benchmarking, para procesar indicadores mensuales y trimestrales a corto plazo y estimar los PIB regionales trimestrales asegurando su consistencia temporal y transversal con los datos de las cuentas nacionales. Asimismo, la metodología considera adecuadamente el problema ligado a la no-aditividad, teniendo en cuenta explícitamente las limitaciones transversales impuestas por los índices de volumen encadenados utilizados por la Contabilidad Nacional.
• En último lugar, y como tercer artículo (Cuevas et al. (2015b)), se planteará el uso de los modelos factoriales dinámicos para la predicción en tiempo real de un cuadro macroeconómico completo desde el punto de vista de la demanda y en términos reales, donde también se establecen restricciones contables entre sus componentes.
La principal característica distintiva de este enfoque es que, como ya se ha mencionado, se pronostica en una base de tiempo real no sólo el PIB, sino también su desglose completo desde el punto de vista de la demanda. De esta forma se tienen modelos específicos para pronosticar el consumo privado, el consumo público, la inversión en bienes de capital, la inversión en construcción, las exportaciones y las importaciones. Se integran todos ellos en un conjunto coherente de previsiones mediante el uso de la técnica de equilibrado desarrollada en van der Ploeg (1982, 1985), que permite tener en cuenta la incertidumbre con que han sido generadas cada una de las predicciones individuales.
2. Importancia del tema de investigación El análisis del ciclo económico siempre ha suscitado un elevado interés entre investigadores, analistas y decisores en el ámbito de la política económica. Ello es así porque un conocimiento certero de la realidad económica que se vive en un momento concreto condiciona la toma decisiones tanto en el ámbito público, a la hora de instrumentar políticas o estrategias, como en el privado, relacionándolo por ejemplo con las decisiones de inversión de los agentes.
Adicionalmente, este interés se ha visto estimulado por la gravedad y amplitud de la relativamente reciente recesión de la economía española y mundial. La evaluación de las políticas económicas requiere información oportuna y precisa sobre las condiciones macroeconómicas generales. En este sentido, el uso de medidas estándar de la actividad económica general, basadas en las medidas tradicionales encuadradas en el ámbito de la Contabilidad Nacional, pueden imponer un retraso en el proceso de toma de decisiones que pueden dificultar su eficacia.
Con el fin de mitigar las limitaciones de información impuestas por estas medidas estándar, se va a recurrir a la utilización de los mencionados modelos factoriales dinámicos, cuyo desarrollo en los últimos años ha sido exponencial, a la vez que han demostrado ser muy eficaces a la hora de diagnosticar el estado del ciclo económico en el muy corto plazo sobre una base en tiempo real.
Por otra parte su versatilidad y flexibilidad de aplicación en diversos contextos van a permitir, combinándolos con técnicas de equilibrado que permitan tener en cuenta las restricciones contables subyacentes, formar un sistema completo de estimación para un conjunto de agregados económicos.
3. Fundamentos teóricos en que se inscribe la investigación Una manera de sintetizar la información que proporcionan los distintos indicadores coyunturales y ponerla en un marco común, va a ser la de incluirlos en un modelo factorial dinámico. El núcleo principal del modelo es la estimación de un factor común dinámico subyacente al conjunto de indicadores mensuales o trimestrales, de forma que este factor recoja de forma parsimoniosa las interacciones dinámicas de los mismos.
El número de indicadores de coyuntura que informan de la evolución de la actividad económica se ha ido incrementando de forma constante, abarcando desde las variables cuantitativas o hard indicators, es decir, aquellas que son expresión de unidades físicas, precios o monetarias (ejemplos son el Índice de Producción Industrial, el Índice de Cifra de Negocios en la Industria, etc.) a las cualitativas o soft indicators que son generalmente relativas a opiniones (tales como el Indicador de Clima Industrial, el Indicador de Confianza de los Consumidores, etc.). La elaboración de estos indicadores suele implicar cierto trade-off entre la prontitud en su publicación y el ruido estadístico: los datos disponibles más rápidamente se suelen basar en muestras más pequeñas, lo que puede dar lugar a una señal de más difícil interpretación.
Cabe destacar que este último punto ha sido una de las ventajas que presentan los modelos factoriales, ya que han permitido traducir las señales que proporcionan los soft indicators, que a menudo son puramente direccionales, en una cuantificación directa de la variación de una macro magnitud.
La idea básica del análisis factorial es que las relaciones que se puedan dar entre el conjunto de indicadores son el resultado de una estructura latente más simple, en la que un reducido número de variables inobservables afectan a las series observadas. Estas variables se llaman factores comunes o, simplemente, factores y se suele asumir que cada uno de ellos es independiente de los demás. No obstante, esta representación es una aproximación, ya que los factores no pueden explicar toda la variabilidad de las series observadas. El elemento residual se denomina factor específico o factor idiosincrásico. Estos elementos se presumen independientes tanto respecto a los factores comunes como entre sí.
Una exposición detallada del proceso completo de estimación de este tipo de modelos se encuentra precisamente en el primer artículo de la tesis (Cuevas y Quilis (2011)), la Figura 1 muestra de forma esquemática dicho proceso.
