Análisis y planes de acción a través de modelos de Machine Learning de variables macroeconómicas (ODS 8 - Trabajo Decente y crecimiento económico)

Abstract

El presente Trabajo Fin de Grado tiene como objetivo principal el desarrollo de un modelo predictivo del Producto Interno Bruto (PIB) español mediante el análisis exhaustivo de variables macroeconómicas, integrando técnicas de Machine Learning y modelización de series temporales. Para ello, se ha compilado una base de datos que abarca el período desde enero de 1993 hasta septiembre de 2024. En una primera fase, se realizó un análisis univariante de diversas variables económicas ,tasa de desempleo, el tipo de cambio USD/EUR, la balanza de pagos, la encuesta de confianza del consumidor, la emisión de deuda, la demanda de energía eléctrica, el Euribor, el mercado de la vivienda, el índice de precios de consumo armonizado, la producción industrial, el comercio internacional, bonos a 2 y 10 años, el balance general (MFI) y las ventas minoristas, evaluando la relación de cada una con el PIB a través de modelos de regresión lineal, Random Forest y XGBoost. Cada variable fue sometida a un proceso metodológico que incluyó la integración de series temporales, análisis exploratorio, modelado y evaluación de desempeño mediante métricas como el RMSE y el coeficiente de determinación (R²), además de proyecciones a futuro comparadas con el PIB real del cuarto trimestre de 2024. Dichos análisis permitieron identificar tanto la capacidad predictiva individual de cada indicador como las limitaciones de aquellos que, pese a su relevancia teórica, presentaron bajo poder explicativo (por ejemplo, el euríbor, el tipo de cambio y la emisión de deuda). Posteriormente, se procedió a la selección de las variables más significativas según criterios de error de predicción, robustez de los modelos y consistencia en el comportamiento de las series, optando por incorporar indicadores relacionados con los bonos a 10 años, el balance general, el comercio internacional, la confianza del consumidor, el índice de precios de consumo armonizado, las ventas minoristas, los bonos a 2 años, el mercado de la vivienda, la balanza de pagos, la producción industrial, el desempleo y, en algunos casos, variables complementarias derivadas de la desagregación de componentes macroeconómicos. La fase multivariante combinó las variables seleccionadas utilizando diversos enfoques de modelización: - Regresión lineal y su versión stepwise, que alcanzaron un R² ajustado superior al 96 % con diferencias mínimas entre entrenamiento y test. - Modelos de ensamble basados en Random Forest y XGBoost, que demostraron una alta capacidad explicativa, aunque en algunos casos con indicios de sobreajuste que se corrigieron mediante técnicas de validación. - Modelos de machine learning avanzados, incluyendo redes neuronales (tanto un modelo nnet convencional como un MLP optimizado mediante avNNet), Gradient Boosting Machine, Cubist, Ranger y Elastic Net, cuya comparación a través de métricas de RMSE y R² evidenció que los enfoques basados en MLP y Cubist, así 7 como algunos ensambles (por ejemplo, la combinación de Cubist y Ranger), lograron las predicciones más precisas del PIB. Una etapa clave fue la optimización del modelo MLP (avNNet), el cual se afinó mediante un grid de hiperparámetros (variando el tamaño de la capa oculta y el parámetro de regularización) y validación cruzada repetida, lo que permitió alcanzar un rendimiento excepcional con un RMSE extremadamente bajo y una varianza explicada superior al 99 % tanto en entrenamiento como en test. El análisis de sensibilidad mediante Partial Dependence Plots ofreció además una visión detallada del efecto marginal de cada predictor, destacando que variables como las importaciones no energéticas de bienes de consumo, las exportaciones totales, indicadores financieros (componentes del balance general) y ciertos índices de confianza y precios, ejercen una influencia determinante en la predicción del PIB. Finalmente, a partir de los hallazgos empíricos se plantearon recomendaciones de políticas económicas dirigidas a fortalecer el crecimiento: se enfatiza la importancia de promover la apertura comercial y la competitividad, optimizar la estructura de importaciones y exportaciones, impulsar el sector servicios y turismo, y mejorar la salud financiera de las instituciones a través de medidas que faciliten la inversión y el financiamiento. Estas propuestas se fundamentan en la evidencia de que la dinámica comercial y la integración de variables financieras y de consumo son determinantes clave en la evolución del PIB español. En conclusión, este trabajo no solo establece un marco metodológico riguroso para la integración y modelización de datos macroeconómicos, sino que también demuestra la viabilidad de emplear técnicas de Machine Learning y modelos de series temporales para la predicción del PIB. Los resultados obtenidos ofrecen una herramienta sólida para el análisis económico y la formulación de estrategias de política pública basadas en evidencia cuantitativa.

The main objective of this Final Degree Project is to develop a predictive model of Spanish Gross Domestic Product (GDP) through a comprehensive analysis of macroeconomic variables, integrating Machine Learning techniques and time series modeling. To this end, a database was compiled covering the period from January 1993 to September 2024. In the first phase, a univariate analysis was performed on various economic variables,unemployment rate, USD/EUR exchange rate, balance of payments, consumer confidence survey, debt issuance, electricity demand, Euribor, the housing market, the harmonized consumer price index, industrial production, international trade, 2-year and 10-year bonds, the main financial institution (MFI) balance sheet, and retail sales,evaluating each variable’s relationship with GDP through linear regression, Random Forest, and XGBoost models. Each variable underwent a methodological process that included the integration of time series, exploratory analysis, modeling, and performance evaluation using metrics such as RMSE and the coefficient of determination (R²), in addition to future projections compared with real GDP for the fourth quarter of 2024. These analyses helped identify both the individual predictive capacity of each indicator and the limitations of those which, despite their theoretical relevance, showed low explanatory power (for example, Euribor, the exchange rate, and debt issuance). Subsequently, the most significant variables were selected based on prediction error criteria, model robustness, and consistency in the behavior of the series, opting to include indicators related to 10-year bonds, the general balance sheet, international trade, consumer confidence, the harmonized consumer price index, retail sales, 2-year bonds, the housing market, the balance of payments, industrial production, unemployment, and in some cases, additional complementary variables derived from the disaggregation of macroeconomic components. The multivariate phase combined the selected variables using various modeling approaches: - Linear regression and its stepwise version, which achieved an adjusted R² above 96% with minimal differences between training and test sets. - Ensemble models based on Random Forest and XGBoost, which demonstrated high explanatory power, although in some cases with signs of overfitting that were corrected using validation techniques. - Advanced machine learning models, including neural networks (both a conventional nnet model and an MLP optimized via avNNet), Gradient Boosting Machine, Cubist, Ranger, and Elastic Net. A comparison of these models through RMSE and R² metrics revealed that MLP- and Cubist-based approaches, as well as certain ensembles (for example, a combination of Cubist and Ranger), achieved the most accurate GDP predictions. A key step was optimizing the MLP (avNNet) model, which was refined through a hyperparameter grid search (varying hidden layer size and regularization parameter) and repeated cross-validation. This process enabled the model to achieve outstanding performance, with an extremely low RMSE and over 99% of variance explained in both 9 training and test sets. Sensitivity analysis using Partial Dependence Plots also provided a detailed view of the marginal effect of each predictor, highlighting that variables such as non-energy imports of consumer goods, total exports, financial indicators (components of the general balance sheet), and certain confidence and price indices exert a decisive influence on GDP prediction. Finally, based on the empirical findings, economic policy recommendations were proposed to bolster growth: emphasizing the importance of promoting trade openness and competitiveness, optimizing the structure of imports and exports, boosting the services and tourism sector, and improving the financial health of institutions through measures that facilitate investment and financing. These proposals are grounded in evidence that commercial dynamics and the integration of financial and consumption variables are key determinants in the evolution of Spanish GDP. In conclusion, this work not only establishes a rigorous methodological framework for the integration and modeling of macroeconomic data, but also demonstrates the feasibility of employing Machine Learning techniques and time series models for GDP forecasting. The results obtained offer a robust tool for economic analysis and the formulation of public policy strategies based on quantitative evidence.