Análisis predictivo de corto y largo plazo del riesgo país para economías latinoamericanas

Abstract

La presente investigación propone la aplicación de métodos cuantitativos computacionales de aprendizaje automático en las ciencias sociales, en este caso particular se apunta a la predicción del comportamiento del riesgo país. El indicador seleccionado de riesgo país utilizado es el EMBI implementado por el Banco JP Morgan desde 1999 para monitorear el riesgo financiero y el retorno requerido de los mercados emergentes vs mercados seguros. El método de aprendizaje se aplica a la lectura subyacente del patrón/patrones de comportamiento histórico del índice durante el periodo 1999 a 2018 con el objetivo de elaborar un algoritmo que permita proyectar el valor diario del índice con distintos horizontes de tiempo usando el método de redes neuronales no lineales. Dado que cada mercado /país tiene su patrón de comportamiento, su volatilidad histórica, se proyectaron los escenarios de Argentina, Brasil, Chile, Colombia y México. En esta investigación se proyectaron dos horizontes de tiempo mensual Dic 2018- Enero 2019 y luego Diciembre Enero 2020. Los escenarios planteados permiten el desarrollo de análisis predictivos asociados al concepto de riesgo en la toma de decisiones, y análisis de escenarios económicos y políticos. Para ello el algoritmo permite pronosticar la tendencia del índice y valor diario. Adicionalmente se presentan medidas de performance de las series de datos proyectados vs la realidad. Se busca abrir el debate sobre la aplicación de estos métodos en las relaciones económicas internacionales. El modelo ha sido entrenado revisando el patrón del EMBI de los últimos 10 años, para aprender cual será en el largo plazo (12 meses) y en cada momento (diario) el rango del costo de financiamiento de cada economía, de cuáles serán los momentos de volatilidad, y cuál será la tendencia del costo financiero del país y cuál será el valor promedio del mismo.