En este trabajo analizamos cómo la información proveniente de varios indicadores económicos puede utilizarse en un modelo de factores dinámicos con estructura de cadenas de Markov para identificar puntos de giro del ciclo económico. Primero comparamos cómo un modelo con una completa especificación no lineal (una sola etapa) predice los puntos de giro en comparación con un modelo donde se estima un modelo de factores dinámicos lineal y luego se computan las probabilidades de cambio de régimen usando un modelo estándar univariante al factor (dos etapas). Segundo, analizamos el hecho de incrementar nuestro conjunto de información y de dónde proviene la ganancia de incrementar el número de las variables consideradas en el modelo. Nuestros resultados sugieren que, pese a que estimar el modelo en un solo paso es mejor que estimarlo en varias etapas, la ganancia marginal disminuye cuanto mejor sean los indicadores utilizados y más variables se utilicen en la estimación del signo no lineal. Usando las cuatro series que constituyen el índice coincidente de Stock y Watson, ilustramos este resultado para la economía de EEUU.