Gragera, RodrigoPrieto, RufinoPoza, Carlos2026-09-282026-09-282026-08Gragera, R, Prieto, R & Poza, C 2026, 'Vehicle Registrations as a Leading Indicator of the Spanish Business Cycle : Machine Learning and Classical Forecasting Approaches', Economies, vol. 14, no. 8, 330. https://doi.org/10.3390/economies140803302227-7099https://hdl.handle.net/10641/8337Publisher Copyright: © 2026 by the authors.La identificación oportuna de los puntos de inflexión del ciclo económico es esencial para los responsables de políticas, las empresas y los inversores, pero los indicadores macroeconómicos tradicionales suelen publicarse con retrasos considerables. Este estudio examina si las matriculaciones de vehículos constituyen un Indicador Económico Adelantado (LEI) eficaz para la economía española y propone un marco integrado que combina el análisis del ciclo económico, la previsión mensual y el nowcasting diario. Las propiedades cíclicas de las matriculaciones se analizan mediante el filtro de banda pasante de Christiano–Fitzgerald, el análisis de correlación cruzada y el algoritmo de datación de Bry–Boschan. El rendimiento de la previsión mensual se evalúa comparando TBATS y Prophet mediante validación cruzada de origen móvil, mientras que se desarrolla un novedoso modelo de distribución inspirado en el aprendizaje automático (MD) para transformar las previsiones mensuales en estimaciones diarias. Los resultados muestran que las matriculaciones de turismos anticipan la producción industrial entre tres y cinco meses, con un intervalo bootstrap del noventa por ciento de uno a seis. TBATS supera de forma consistente a Prophet en la previsión a un paso. Una prueba fuera de muestra confirma que las matriculaciones rezagadas reducen el error de previsión de la producción industrial sin recurrir a un filtrado bidireccional, aunque la reducción es de magnitud modesta y no se observa para el PIB trimestral. El modelo MD-shallow propuesto alcanza la mayor precisión distribucional, superando tanto a Prophet como a un modelo de referencia de persistencia. Los hallazgos demuestran que las matriculaciones de vehículos son un Indicador Económico Adelantado autónomo valioso y que la integración de los indicadores económicos tradicionales con técnicas de previsión avanzadas mejora el seguimiento en tiempo real de la demanda automotriz y de la dinámica del ciclo económico. El marco propuesto ofrece una herramienta práctica para los responsables de políticas, los fabricantes y los investigadores que buscan evaluaciones más tempranas y fiables de la actividad económica. [Traducción automática al español; idioma original: inglés.]Timely identification of business-cycle turning points is essential for policymakers, firms and investors, yet traditional macroeconomic indicators are often published with considerable delays. This study examines whether vehicle registrations constitute an effective Leading Economic Indicator (LEI) for the Spanish economy and proposes an integrated framework combining business-cycle analysis, monthly forecasting and daily nowcasting. The cyclical properties of registrations are analyzed using the Christiano–Fitzgerald band-pass filter, cross-correlation analysis and the Bry–Boschan dating algorithm. Monthly forecasting performance is evaluated by comparing TBATS and Prophet through rolling-origin cross-validation, while a novel machine learning-inspired distribution model (MD) is developed to transform monthly forecasts into daily estimates. The results show that passenger-car registrations anticipate industrial production by three to five months, with a ninety per cent bootstrap interval of one to six. TBATS consistently outperforms Prophet in one-step-ahead forecasting. An out-of-sample test confirms that lagged registrations reduce the forecast error of industrial production without recourse to two-sided filtering, although the reduction is modest in magnitude and is not found for quarterly GDP. The proposed MD-shallow model achieves the highest distributional accuracy, surpassing both Prophet and a persistence benchmark. The findings demonstrate that vehicle registrations are a valuable standalone Leading Economic Indicator and that integrating traditional economic indicators with advanced forecasting techniques improves real-time monitoring of automotive demand and business-cycle dynamics. The proposed framework provides a practical tool for policymakers, manufacturers, and researchers seeking earlier and more reliable assessments of economic activity.294809291enghttp://creativecommons.org/licenses/by-nc-nd/4.0/forecastingLeading Economic Indicatorsmachine learningDevelopmentEconomics, Econometrics and Finance (miscellaneous)Yesjournal articleopen access10.3390/economies14080330https://www.scopus.com/pages/publications/105048408407https://www.scopus.com/pages/publications/105048408407#tab=citedBy