Identificando con “Machine Learning” los Determinantes Variables en el Tiempo del Riesgo Soberano

El riesgo soberano es un elemento crítico para comprender los flujos de capital internacional. Los inversores consideran cuidadosamente el riesgo de incumplimiento al realizar inversiones a corto y largo plazo en un país extranjero, especialmente cuando se trata de países emergentes o de bajos ingresos donde la información es opaca y el préstamo está sujeto a asimetrías informativas más significativas. Por esta razón, los determinantes del riesgo soberano han sido ampliamente estudiados.

Varios artículos examinan este tema a través de diferentes enfoques. Sin embargo, una característica compartida entre estos estudios previos es el uso de modelos lineales para identificar los principales promotores del riesgo país. Si bien algunos han incorporado el impacto no lineal de variables específicas o grupos de variables, asumiendo formas funcionales particulares, los modelos subyacentes siguen siendo lineales, sin lograr capturar completamente las posibles relaciones no lineales que podrían ser críticas para entender los determinantes del riesgo soberano a lo largo del tiempo.

En nuestro estudio reciente, “Un Enfoque de Reforzamiento de Gradiente Extremo Explicado para Identificar los Determinantes Variables en el Tiempo del Riesgo Soberano”, que se publicará como un documento de trabajo de FLAR en los próximos días, estudiamos los determinantes del riesgo soberano (5 y 10 años), medido por los diferenciales de rendimiento de los bonos gubernamentales, utilizando el Reforzamiento de Gradiente Extremo (XGBoots)[1]. Esta metodología permite considerar un gran conjunto de variables explicativas, junto con no linealidades no especificadas en los efectos estimados. Para interpretar los resultados de nuestros modelos, utilizamos las Explicaciones Aditivas SHAP (Valores SHAP)[2]. Los valores SHAP son una de las herramientas más populares en ciencias de la computación para realizar Inteligencia Artificial Explicable. Esta técnica permite la identificación de factores que determinan el riesgo de un país en relación con su liquidez (es decir, 5 años) y solvencia (10 años), mientras se monitorean los cambios en el impacto de estos factores a lo largo del tiempo. Esto incluye comparar años normales con años de crisis.

Nuestro marco analítico incluye un conjunto considerablemente mayor de variables que la literatura anterior. Las covariables seleccionadas reflejan la situación de la deuda de los gobiernos, el estado de la economía incluyendo variables del sector externo, reservas internacionales, y variables institucionales, incluyendo el estado de derecho e índices de independencia del banco central.

Nuestros hallazgos revelan que el efecto relativo de las diversas variables incluidas en el modelo experimenta cambios a lo largo del periodo de estudio de 2002 a 2021. Si bien solo un número limitado de variables emergen como determinantes consistentes a lo largo de todo el período, se alinean con los indicadores convencionales de riesgo soberano. Estas variables son la cuenta corriente, apertura, crecimiento de la producción, inversión extranjera directa, y deuda externa.

Nuestros resultados muestran que las variables que explican el comportamiento del riesgo soberano son relativamente estables en el tiempo y similares para los componentes de liquidez (spread de 5 años) y solvencia (spread de 10 años). Entre las variables más relevantes se encuentran varios fundamentales macroeconómicos, como la cuenta corriente, el tipo de cambio real, el crecimiento del PIB y del PIB per cápita. Las reservas internacionales y las variables institucionales como la independencia del banco central y el estado de derecho también resultan ser relevantes.

Tanto en el caso del rendimiento a 5 años como a 10 años, antes de la crisis financiera global, las variables macroeconómicas eran las más importantes, especialmente la cuenta corriente (Ver Figura 1 en el lado izquierdo para un ejemplo). Sin embargo, la importancia relativa de estas variables disminuyó después de la crisis financiera global, dando paso a las variables institucionales, especialmente el estado de derecho (Ver Figura 1 en el lado derecho para un ejemplo). Este efecto es más pronunciado en los spreads a largo plazo que en los spreads a corto plazo.