Juan Carlos  Escanciano

Biografía

Juan Carlos Escanciano es Investigador Distinguido y Catedrático de Economía en la Universidad Carlos III de Madrid, institución donde obtuvo su doctorado con Premio Extraordinario en 2004. A lo largo de su carrera, ha ocupado puestos académicos en la Universidad de Navarra (2004-2006) y en la Universidad de Indiana (2006-2018, donde fue catedrático con plaza permanente o full professor). Asimismo, ha sido profesor visitante en el MIT y en las universidades de Yale, Cornell, Rochester y Fudan.

Su actividad docente e investigadora abarca la teoría econométrica (identificación, estimación, inferencia y contrastes de hipótesis) y sus aplicaciones en finanzas, gestión de riesgos, aprendizaje automático (machine learning) e inferencia causal. Sus principales contribuciones se centran en la econometría semiparamétrica y no paramétrica, la estimación localmente robusta/insesgada (debiased), la inferencia predictiva, los efectos heterogéneos y la medición de la desigualdad.

Es miembro (Fellow) del Journal of Econometrics y de la IAAE, y ha publicado más de 50 artículos en revistas académicas de primer nivel como Econometrica, JASA, JoE, Quantitative Economics, Management Science, JBES y The Annals of Statistics. Asimismo, se desempeña como editor asociado de Econometric Reviews y JBES, y como coeditor sénior de Advances in Econometrics.

Publicaciones Destacadas

Escanciano, J.C. (2024). “A Gaussian Process Approach to Model Checks.” The Annals of Statistics, 52(5), 2456–2481.

Chernozhukov, V., Escanciano, J.C., Ichimura, H., Newey, W.K., and Robins, J.M. (2022). “Locally Robust Semiparametric Estimation.” Econometrica, 90(4), 1501–1535.

Bravo, F., Escanciano, J.C., and Van Keilegom, I. (2020). “Two-Step Semiparametric Empirical Likelihood Inference.” The Annals of Statistics, 48(1), 1–26.

Du, Z., and Escanciano, J.C. (2017). “Backtesting Expected Shortfall: Accounting for Tail Risk.” Management Science, 63(4), 940–958.

Escanciano, J.C., (2006). “Goodness-of-Fit Tests for Linear and Nonlinear Time Series Models.” Journal of the American Statistical Association, 101(474), 531–541.

Investigación Reciente

Escanciano, J.C., and Parra, R. (2026). “Extending the Scope of Inference About Predictive Ability to Machine Learning Methods.” Forthcoming in Journal of Business and Economic Statistics.

Caetano, C., Caetano, G., and Escanciano, J.C. (2025). “Robust Estimation and Inference in Regression Discontinuity Designs with Covariates.” Conditionally accepted at Review of Economics and Statistics.

Escanciano, J.C., and Terschuur, J.R. (2025). “Debiased Machine Learning U-Statistics.” Revise and Resubmit at Review of Economic Studies.

Escanciano, J.C., and Pérez-Izquierdo, T.(2025). “Automatic Locally Robust GMM for ML-Generated Regressors.”

De Uña-Álvarez, J, and Escanciano, J.C. (2025). “Goodness-of-Fit Tests for Censored and Truncated Data: Maximum Mean Discrepancy Over Regular Functionals.”

Docencia

Econometrics I (Master in Economic Analysis)