Esta tesis es un compendio de tres artículos que exploran las complejas dinámicas de los mercados de vivienda y la inflación. El denominador común de la tesis es el uso de técnicas macroeconométricas aplicadas, que son herramientas esenciales para evaluar una variedad de aspectos relacionados con las fluctuaciones macroeconómicas, tanto existentes como futuras. El primer capítulo confronta empíricamente dos canales diferentes que impulsan el auge y la caída de los años 2000 y la reciente fuerte apreciación de los precios de la vivienda en Europa. El primer canal, la visión fundamental, se caracteriza por los ingresos y el crédito, mientras que la visión de las expectativas se basa en las expectativas de los hogares y las empresas constructoras. Propongo un modelo Panel FAVAR que puede determinar la importancia de estas visiones. Primero, los resultados muestran que las expectativas juegan un papel significativo en las fluctuaciones a corto y mediano plazo de los precios de la vivienda, explicando un 30% y un 20% respectivamente. Segundo, el efecto de un choque en las creencias de los hogares sobre los precios de la vivienda depende del nivel de liberalización del crédito hipotecario. Específicamente, en países con condiciones de crédito más laxas, las creencias de los hogares impactan significativamente los precios de la vivienda, mientras que en países con condiciones de crédito más estrictas, el impacto no es significativo. En general, el artículo subraya la importancia de considerar tanto los factores fundamentales como las expectativas de los agentes para comprender los movimientos de los precios de la vivienda, incorporando datos de encuestas y un enfoque de modelización integral. El estudio proporciona valiosos conocimientos sobre las complejas dinámicas de los mercados de vivienda, en particular, cuando se tienen en cuenta las dinámicas conjuntas de las condiciones de crédito y las expectativas de los hogares. El segundo capítulo analiza por qué la inflación en la zona euro ha alcanzado un máximo de 40 años después de la reapertura económica tras la COVID-19. Para ello, el capítulo introduce un marco novedoso que captura en una única configuración: 1. La anatomía de una economía, caracterizada por variables a largo plazo y del ciclo económico (por ejemplo, PIB potencial, tendencia de la inflación y brecha de producción, brecha de inflación). 2. Volatilidades variables en el tiempo, que se incorporan específicamente para acomodar observaciones extremas que pueden tener una fuerte influencia en las estimaciones de los parámetros. 3. Diagnosticar los choques estructurales en juego, centrándose en su naturaleza (transitorios y permanentes) y canales (globales y domésticos -desde el lado de la oferta y la demanda-, y choques de oferta de energía). Los resultados muestran que en 2022, la tendencia de la inflación ha aumentado drásticamente al 3-4% debido a una reducción en la capacidad de producción -choques negativos de oferta desde el lado global y doméstico. La brecha de inflación (parte transitoria) está en el 6-7%, explicando alrededor del 85% del aumento total en la inflación general, impulsada principalmente por choques de oferta de energía y demanda global y doméstica. Con estos resultados, a corto plazo, se espera que la inflación general de la zona euro disminuya rápidamente; mientras que, a mediano plazo, se anticipa que se mantendrá por encima del objetivo de inflación del BCE. En general, este artículo ofrece nuevos conocimientos sobre los impulsores de la inflación en la zona euro después del COVID-19. El tercer capítulo utiliza técnicas de series temporales para estimar la importancia de varios canales que podrían estar impulsando el comportamiento exuberante de los precios de la vivienda en EE.UU. Las técnicas estándar para detectar episodios de exuberancia se limitan a identificar sus puntos de inicio y fin, careciendo del potencial para estimar y comprender los impulsores estructurales de estos períodos de exuberancia. Abordamos esta cuestión utilizando la metodología de prueba de raíz unitaria recursiva (cola derecha) propuesta por \cite{phillips2015testinga, phillips2015testing}, sobre un VAR estructural bayesiano de parámetros variables en el tiempo con volatilidad estocástica para monitorizar el comportamiento exuberante de los precios de la vivienda. Este nuevo enfoque nos permite monitorizar el comportamiento de los precios de la vivienda condicionado a factores fundamentales o de expectativas. Si bien la detección de la exuberancia a menudo se atribuye a factores no fundamentales, nuestros hallazgos indican que los episodios de comportamiento exuberante también pueden ocurrir cuando los precios de la vivienda están impulsados únicamente por factores fundamentales, como choques de demanda o oferta de crédito. Además, nuestro enfoque revela nuevos períodos de exuberancia que emergen cuando los precios de la vivienda están condicionados por choques estructurales. Estos períodos no se detectan al analizar solo la serie principal de precios de la vivienda.

[ES] La presente tesis doctoral propone la arquitectura de un sistema de Geo-visualización Espaciotemporal de actividad delictiva y criminal, para ser aplicada a Sistemas de Comando y Control (C2S) específicamente dentro de sus Sistemas de Información de Comando y Control (C2IS). El sistema de Geo-visualización Espaciotemporal se basa en el análisis masivo de datos reales de actividad delictiva, proporcionado por la Policía Nacional Colombiana (PONAL) y está compuesto por dos aplicaciones diferentes: la primera permite al usuario geo-visualizar espaciotemporalmente de forma dinámica, las concentraciones, tendencias y patrones de movilidad de esta actividad dentro de la extensión de área geográfica y el rango de fechas y horas que se precise, lo cual permite al usuario realizar análisis e interpretaciones y tomar decisiones estratégicas de acción más acertadas; la segunda aplicación permite al usuario geo-visualizar espaciotemporalmente las predicciones de la actividad delictiva en periodos continuos y cortos a modo de tiempo real, esto también dentro de la extensión de área geográfica y el rango de fechas y horas de elección del usuario. Para estas predicciones se usaron técnicas clásicas y técnicas de Machine Learning (incluido el Deep Learning), adecuadas para el pronóstico en multiparalelo de varios pasos de series temporales multivariantes con datos escasos. Las dos aplicaciones del sistema, cuyo desarrollo se muestra en esta tesis, están realizadas con métodos novedosos que permitieron lograr estos objetivos de efectividad a la hora de detectar el volumen y los patrones y tendencias en el desplazamiento de dicha actividad, mejorando así la conciencia situacional, la proyección futura y la agilidad y eficiencia en los procesos de toma de decisiones, particularmente en la gestión de los recursos destinados a la disuasión, prevención y control del delito, lo cual contribuye a los objetivos de ciudad segura y por consiguiente de ciudad inteligente, dentro de arquitecturas de Sistemas de Comando y Control (C2S) como en el caso de los Centros de Comando y Control de Seguridad Ciudadana de la PONAL. / [CA] Aquesta tesi doctoral proposa l'arquitectura d'un sistema de Geo-visualització Espaitemporal d'activitat delictiva i criminal, per ser aplicada a Sistemes de Comandament i Control (C2S) específicament dins dels seus Sistemes d'informació de Comandament i Control (C2IS). El sistema de Geo-visualització Espaitemporal es basa en l'anàlisi massiva de dades reals d'activitat delictiva, proporcionada per la Policia Nacional Colombiana (PONAL) i està composta per dues aplicacions diferents: la primera permet a l'usuari geo-visualitzar espaitemporalment de forma dinàmica, les concentracions, les tendències i els patrons de mobilitat d'aquesta activitat dins de l'extensió d'àrea geogràfica i el rang de dates i hores que calgui, la qual cosa permet a l'usuari fer anàlisis i interpretacions i prendre decisions estratègiques d'acció més encertades; la segona aplicació permet a l'usuari geovisualitzar espaciotemporalment les prediccions de l'activitat delictiva en períodes continus i curts a mode de temps real, això també dins l'extensió d'àrea geogràfica i el rang de dates i hores d'elecció de l'usuari. Per a aquestes prediccions es van usar tècniques clàssiques i tècniques de Machine Learning (inclòs el Deep Learning), adequades per al pronòstic en multiparal·lel de diversos passos de sèries temporals multivariants amb dades escasses. Les dues aplicacions del sistema, el desenvolupament de les quals es mostra en aquesta tesi, estan realitzades amb mètodes nous que van permetre assolir aquests objectius d'efectivitat a l'hora de detectar el volum i els patrons i les tendències en el desplaçament d'aquesta activitat, millorant així la consciència situacional , la projecció futura i l'agilitat i eficiència en els processos de presa de decisions, particularment en la gestió dels recursos destinats a la dissuasió, prevenció i control del delicte, la qual cosa contribueix als objectius de ciutat segura i per tant de ciutat intel·ligent , dins arquitectures de Sistemes de Comandament i Control (C2S) com en el cas dels Centres de Comandament i Control de Seguretat Ciutadana de la PONAL. / [EN] This doctoral thesis proposes the architecture of a Spatiotemporal Geo-visualization system of criminal activity, to be applied to Command and Control Systems (C2S) specifically within their Command and Control Information Systems (C2IS). The Spatiotemporal Geo-visualization system is based on the massive analysis of real data of criminal activity, provided by the Colombian National Police (PONAL) and is made up of two different applications: the first allows the user to dynamically geo-visualize spatiotemporally, the concentrations, trends and patterns of mobility of this activity within the extension of the geographic area and the range of dates and times that are required, which allows the user to carry out analyses and interpretations and make more accurate strategic action decisions; the second application allows the user to spatially visualize the predictions of criminal activity in continuous and short periods like in real time, this also within the extension of the geographic area and the range of dates and times of the user's choice. For these predictions, classical techniques and Machine Learning techniques (including Deep Learning) were used, suitable for multistep multiparallel forecasting of multivariate time series with sparse data. The two applications of the system, whose development is shown in this thesis, are carried out with innovative methods that allowed achieving these effectiveness objectives when detecting the volume and patterns and trends in the movement of said activity, thus improving situational awareness, the future projection and the agility and efficiency in the decision-making processes, particularly in the management of the resources destined to the dissuasion, prevention and control of crime, which contributes to the objectives of a safe city and therefore of a smart city, within architectures of Command and Control Systems (C2S) as in the case of the Citizen Security Command and Control Centers of the PONAL. / Salcedo González, ML. (2023). Arquitectura de un sistema de geo-visualización espacio-temporal de actividad delictiva, basada en el análisis masivo de datos, aplicada a sistemas de información de comando y control (C2IS) [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/192685