Resumen del trabajo fin de master



Título: Modelo factorial dinámico para la economía gallega
Universidad que ofrece el proyecto: Universidade da Coruña
Director/a:
Fernández de Castro, Belén M.;  Crujeiras Casais, Rosa María
Alumno/a:
Castiñeiras Rella, Jorge
Resumen:
La información de la que se dispone para el seguimiento del escenario macroeconómico suele incluir un gran número de series susceptibles de ser medidas con baja frecuencia, con historia reciente y/o publicadas con retrasos considerables. Como resultado de esta situación, las tareas de modelado estadístico deben realizarse en contextos donde los conjuntos de datos presentan bordes irregulares, datos ausentes y problemas de dimensión, dado que la la sección temporal puede ser más pequeña que el número de variables. Los modelos clásicos consideran un número de series pequeño con un histórico amplio, por lo que sufrirán problemas computacionales y de estimación en este contexto. Además, no permiten la estimación con datos ausentes, por lo que de cara a realizar predicciones estaríamos perdiendo la información más reciente. En concreto, el Producto Interior Bruto (PIB) tiene un retraso de publicación particularmente dilatado, por lo que conocer una estimación anticipada, precisa y que considere hasta el último dato de cada serie será crucial. El objetivo es encontrar un modelo que explique de forma intuitiva y precisa los movimientos de las series, tanto para realizar predicciones como para entender las relaciones entre ellas. El modelo factorial dinámico aparece para solventar estos problemas, descomponiendo las dinámicas de un elevado número de series en pocos factores (o incluso solo uno) que reproducen la evolución global, considerando toda la información disponible. Los factores son inobservables y se entienden como el “estado de la economía” y reflejo de los movimientos principales de las series. Construidos de forma que condensan las dinámicas y shocks comunes, la construcción de estos factores permite que con pocas variables obtengamos una representación afín de cada serie como combinación lineal de un número reducido de componentes comunes a todas las series. De este modo, se reduce el problema de alta dimensionalidad, pudiendo emplear los factores en estimaciones y predicciones posteriores más interpretables y abordables computacionalmente.
Más información