Estudio estadístico del riesgo país

Abstract

Este Trabajo de Fin de Grado analiza el riesgo país desde una perspectiva estadística, con el objetivo de identificar las variables económicas, fiscales e institucionales que mejor explican y predicen su comportamiento. A partir de un conjunto de datos compuesto por indicadores de más de 160 países, se aplican técnicas de análisis multivariante como el Análisis de Componentes Principales (PCA), clústeres y correspondencias, junto con modelos predictivos como regresión múltiple o logit, árboles de decisión (CART) y Random Forest. Los resultados muestran que las variables más relevantes en la determinación del riesgo país son el PIB per cápita (PPA), la fragilidad institucional, el índice de democracia y los préstamos no productivos. El modelo Random Forest presentó el mejor desempeño predictivo (R² = 0.81 en test), seguido de la regresión múltiple y el modelo CART. Además, el análisis clasificatorio permitió segmentar a los países en perfiles de riesgo coherentes con las calificaciones internacionales. Se concluye que el riesgo país es un fenómeno multidimensional que no puede explicarse exclusivamente desde una óptica económica, sino que requiere incorporar factores institucionales y estructurales para su comprensión y seguimiento.

Abstract: This Final Degree Project analyzes country risk from a statistical perspective, aiming to identify the economic, fiscal, and institutional variables that best explain and predict its behavior. Using a dataset composed of indicators from over 160 countries, multivariate analysis techniques are applied, including Principal Component Analysis (PCA), cluster analysis, and correspondence analysis, alongside predictive models such as multiple regression or logit, decision trees (CART), and Random Forest. The results show that the most relevant variables in determining country risk are GDP per capita (PPP), institutional fragility, the democracy index, and non-performing loans. The Random Forest model achieved the best predictive performance (R² = 0.81 on the test set), followed by multiple regression and the CART model. Moreover, the classification analysis allowed countries to be grouped into coherent risk profiles consistent with international ratings. The study concludes that country risk is a multidimensional phenomenon that cannot be fully explained by economic factors alone, requiring the inclusion of institutional and structural variables for accurate analysis and monitoring.