TIPS PARA HACER PRONÓSTICOS MACROECONÓMICOS Se me ocurrió que podía ser útil una pequeña guía de consejos para aquellos que estén empezando a trabajar en esto (y tal vez para los que tienen alguna experiencia también). Son cosas que quizás están en los libros y quizás no, pero que considero útiles para el oficio y las aprendí de mi experiencia personal (hace 15 años que hago estas cosas). No son “reglas” ni ahí, pero sí consejos: 1- No enloquecerse por predecir perfectamente bien la muestra sobre la que estás estimando el modelo. Hay que concentrarse en minimizar el error de pronóstico FUERA de muestra. Si estimas muy bien la muestra, corres riesgo de sobreajustarte a esos datos y perder capacidad predictiva/de generalización. 2- Intentar que el modelo sea lo más parsimonioso posible. Usar la menor cantidad de variables que sean necesarias para captar adecuadamente lo que buscas predecir. Cuántas más variables se agreguen, se corre riesgo de meter solo ruido y poca información valiosa (y a la vez hacer más tedioso el proceso de estimación e inferencia). 2bis- Hay técnicas de aprendizaje automático (machine learning) y econométricas tradicionales que ayudan a achicar/jerarquizar el número de variables relevantes y separar el ruido de lo que no lo es, pero también existe la necesidad de tener cierto criterio experto/marco teórico que el pronosticador debe usar para terminar de decidir qué queda afuera y qué no. 3- Si te interesa pronosticar una variable que tiene “sub-componentes”, recomiendo pronosticar el agregado primero, no pronosticar las partes y después sumarlas. Si se pronostica cada parte y luego las sumas, estarás sumando los errores de pronóstico de cada sub-componente. Por ejemplo, si queres predecir el PIB, comenzaría primero por pronosticar el agregado, y en todo caso luego hacer los subcomponentes por otra parte y al final chequear consistencia entre los dos ejercicios. En general, es más preciso pronosticar derecho el agregado. 4- No todo modelo es un martillo y no todo pronóstico es un clavo. En general, se usan técnicas distintas para pronosticar a corto plazo y a largo plazo, o a distintas frecuencias temporales (diaria, mensual, trimestral, anual). Necesitas distintas herramientas. Y siempre salen nuevas, es importante mantenerse actualizado. Aunque es verdad también que "lo viejo funciona" dentro de todo bien. 5- Siempre chequear/limpiar estacionalidad de las variables, fundamentalmente cuando las variables que incluis en el modelo tienen patrones estacionales distintos (casi siempre). 6- Los modelos pifian, obviamente, pero deben pifiar en promedio tanto por arriba como por abajo. Si siempre sobre(sub)estiman para el mismo lado, entonces el modelo tiene un sesgo (y se debería corregir). 7- La vida cambia, los modelos cambian. Cuando cambia el entorno, es altamente probable que los parámetros del modelo que tanto te costó calcular queden obsoletos, por lo que es necesario re-estimarlo cada cierto tiempo o cuando hay grandes cambios de contextos. Las elasticidades/relaciones entre variables no son completamente estáticas ni están escritas en piedra. Espero que sean útiles estos consejos. Si se les ocurre alguna otra cosa valiosa escríbanme.

Terrible como estas ""pausas de hidratación"" destruyen el ritmo del partido eh. A quién se le ocurrió esta aberración

Interesante artículo en el blog de la CAF sobre cuánto subieron los precios domésticos de los combustibles tras el inicio de la guerra en Irán. Estados Unidos es en donde más subió ( 46%) y luego en Perú ( 43%). La diferencia entre esos casos y el resto de Latinoamérica supera los 20pp. Lo loco es que EEUU es también el principal productor de petróleo del mundo. caf.com/es/blog/el-eco-del-e…

LLM model matrix

🇦🇷 S&P le sube la nota a Argentina: de CCC a B- Así queda el ranking crediticio de la región: 🟢 A: Chile 🟢 BBB : Uruguay 🟢 BBB: México 🟡 BBB-: Paraguay, Perú 🟡 BB : Guatemala 🟡 BB: Colombia, Brasil 🟠 BB-: Honduras 🟠 B : Nicaragua 🟠 B-: Argentina ⬆️, Ecuador 🔴 CCC : Surinam 🔴 CCC-: Bolivia ⚫ Sin rating: Venezuela, Cuba Fuente: S&P Global Ratings / 10 de junio de 2026

Muy bueno! Tomaron los datos de tripadvisor y en base a eso mapearon las opiniones de los turistas sobre las distintas regiones de Argentina.

Saquenle la organizacion del mundial a esta gente

Se está hablando muchísimo en los mercados globales de las mega IPOs que se vienen de Anthropic, Openai y SpaceX, sumadas a las ruedas de capital y deuda que están tomando las Big Tech para invertir en IA. Este boom de emisiones de acciones me dispara dos reflexiones, una más "cíclica" y otra más "estructural": 1) Cíclica/cortoplacista: usualmente cuando florecen las IPOs son señal de que se está llegando a un techo en las valorizaciones de mercado, al menos de corto plazo. Yo miraría con cuidado el terreno de los próximos meses de euforia/FOMO (va abajo un gráfico de Goldman Sachs de la oferta esperada de acciones que se volcará al mercado en 2026). 2) Estructural/medio-largoplacista: las grandes necesidades de inversión en la revolución de la IA cambian radicalmente el mercado al que nos fuimos acostumbrando desde la crisis de 2008. Estábamos acostumbrados al "savings glut": mucho ahorro/fondeo disponible a tasas baratas y pocos lugares donde hacer rendir el capital. Y me parece que podemos ir a un mundo con mayor "escasez relativa de capital", ya que estas enormes absorciones de fondos por parte de las megacaps tecnológicas le generarán cierto crowding out al resto del mercado. Eso debería implicar mayores tasas de interés en dólares a largo plazo en todo el mundo (y eso corre tanto para privados como para Estados soberanos). Se vienen meses interesantes.

Nuestros modelos de machine learning en @BBVAResearch nos están dando la inflación de mayo en 2.37% /- 0.13 pp. Este mes bajó sustancialmente la dispersión que veníamos viendo en nuestras estimaciones durante los 3 meses anteriores.

¿Cómo se va a medir el impacto de la IA en las estadísticas de PIB de los países? Es una pregunta con respuesta aún abierta a debate, obviamente, y dependerá de cómo vaya avanzando la aplicación de esta tecnología. Pero me gustó este paper del PIIE que postula algunas propuestas interesantes piie.com/publications/workin… Por ahora, el impacto de la IA en las cuentas nacionales es básicamente a través del concepto de "inversión" (=consumo de bienes de capital) y/o consumo de bienes de intermedios. Es decir, el capex de los que desarrollan chips, modelos, data centers los gastos de otras empresas que usan ese tipo de servicios como insumos. Pero podría empezar a incorporarse cierto concepto de producción de bienes finales/valor agregado por parte de la propia IA, que podría ser o no luego input de otra industria. Por ello, estos autores plantean que podría pensarse en un "PIB-IA" versus el resto del "PIB humano" como lo conocemos ahora, donde los inputs sean los data centers, chips, electricidad, y el output pueda ser medido por ejemplo vía ingresos derivados de servicios de IA o capacidad computacional de entrenamiento -vía alguna medida de creación eficiente de tokens, por ejemplo- (va el esquemita que plantean para graficar esta idea abajo). No sé cuán consistente es este enfoque con tooodo el resto de las cuentas nacionales y no tengo una opinión definida acerca de si está del todo bien pensado o no. Se me ocurre que los autores hacen varios puntos muy certeros y otros más discutibles, pero la verdad que me disparó la chispa de un montón de debates filosóficos que se nos van a ir abriendo en los próximos años, a medida que la IA vaya irrumpiendo más profundamente en distintas aristas de la sociedad y la producción. Este va a ser uno más.

Nuestros modelos de machine learning en @BBVAResearch nos están dando una estimación para la inflación de abril en 3.0% /- 0.2 pp.

Que impresionante el short squeeze de Intel $INTC

Chronos-2: "El ChatGPT" de los modelos de pronóstico para series de tiempo Hace unos meses se publicó el modelo Chronos-2 de Amazon (arxiv.org/pdf/2510.15821) y creo que probablemente se transformará en un nuevo "modelo benchmark/base" a comparar con otros, al menos cuando un analista deba poner a competir varios modelos para decidir cuál es el más adecuado para predecir ciertas variables macroeconómicas específicas. Explicado lo más simplificado posible, hace básicamente lo mismo que chatGPT (o cualquier LLM) pero para anticipar el próximo valor de una serie de tiempo. ChatGPT es lo que se llama técnicamente un transformer, que está entrenado para anticipar probabilísticamente cada próxima palabra de una frase, en función de la estimación de miles de millones de parámetros. Bueno, en lugar de anticipar palabras, Chronos-2 anticipa el próximo valor de una serie de tiempo con un pipeline de entrenamiento que tiene una lógica similar (tiene 120 millones de parámetros, i.e., es más chico que los LLMs más famosos). Ya está entrenado y es accesible para poner cualquier serie de tiempo de base para predecir sus valores futuros. Los autores encuentran que tiene bastante más precisión que otros modelos benchmark estándar como ARIMAs, ETS, etc. Obviamente me parece que va a ser más útil para predecir el corto plazo que para el largo plazo, y no sustituye para nada los modelos causales o estructurales. Pero sí creo que se va a empezar a estandarizar de a poco su uso como un "modelo base" al cual ganarle para demostrar el valor de un modelo propio más personalizado al problema de estudio que cada uno tenga que abordar. En fin, bienvenido al nuevo integrante de "la carrera de caballos"! (como se dice en la jerga a la comparación de modelos de pronósticos🤣)

LLEGAMOS A LAS 500 EMPRESAS EN EL MAPA 🚀. Abajo pongo las 5 del día. Pero antes, una reflexión: Lo primero que sorprende es la profundidad del tiempo. Hay empresas que llevan más de un siglo produciendo sin parar. Familias que sostuvieron un oficio a través de guerras, crisis e hiperinflaciones. Familias que se profesionalizaron y hoy su 3era, 4ta o 5ta generación tiene empresas de alta sofisticación y competitividad global. Eso es algo increible que hay que valorar. Lo segundo es la geografía. El mapa desmiente el mito de que la Argentina productiva es Buenos Aires, Córdoba, Santa Fe más algún corredor agroexportador. Argentina produce en todo el territorio y en todas las provincias hay ejemplos de empresas que hacen cosas increíbles (seguimos buscando algun ejemplo de Formosa para quien pueda aportar). Lo tercero, es que Argentina produce y exporta cosas que muchos no imaginamos: Helicópteros, reactores nucleares, satélites, cosechadoras, tractores, silobolsas, petróleo, gas natural, energía eólica, energía solar, cables de comando automotriz, puentes grúa, transformadores eléctricos, filtros industriales, bombas de vacío, compresores, válvulas, lubricantes industriales, hardboard de eucalipto, langostino salvaje, centolla, calamar, raya, trucha, mate, yerba, vino, aceite de oliva, quesos, leche, leche en polvo, golosinas, alimentos sin tacc, mani y derivados del mani, helados, snacks, popcorn, legumbres, embutidos, pastas, dispositivos implantables, lentes oftálmicas, antiparasitarios para acuicultura, bioinsumos agrícolas, fitosanitarios, software ERP agroindustrial, fintech, crypto, centralitas, kiwi, peras, manzanas, cítricos, madera industrial, papel, genética bovina de élite, balines para pistolas de aire comprimido, y mucho mucho mucho más. Argentina tiene densidad productiva, capital, talento y energía como para hacer cada vez más cosas de calidad mundial. Necesitamos estabilidad de largo plazo, menos impuestos distorsivos, mas financiamiento y más confianza en el que busca emprender. Pero este listado de empresas, geografias y productos demuestra que tenemos con que. Por último, estas 500 empresas no las encontré yo. Las aportaron personas que conocen su zona, su rubro, su ciudad, y se tomaron el tiempo de compartirlo. Ese también es un activo enorme que tiene Argentina. Hay mucha gente que conoce las virtudes de nuestro sector privado y mientras mas gente se sume a esa ola mejor va a ser el imaginario colectivo de lo que podemos hacer juntos. Gracias a: @RickyNegri · @Andy_Santarelli · @horaupereira · @fgbernini · @vamossalgado · @juancahallak · @camilanizzo · @SartorDm · @romina_gaya · @fcassia · @marcosbustosf · @DarioColombatto · @equaltrash · @Rodry_lucas · @acisterna · @arieloe_17 · @gatoechague · @dievalen · @ElJavi_G · @JavierOppedisa1 · @AndresFarinazzo · @santiagoreba · @marcasarg_ · @Ximterio · @eduar_aguilar · @flavio_roc38855 · @trytechsrl · @hrrixzuws · @mat___geo · @BoschRober · @itarko · @AVerocay · @cmalass · @Ezek1el__ · @Municipalidad3f · @andressimonelli · @JorgeScian · @botindepunta12 · @schneidermania · @agustinkle · @juancoronel3 · @acisterna · @pablostehli · @PazzGonzaloo · @alfiemart · @damiantestori · @fcassia · @PabloStehli1987 y muchos más. Por eso 500 es mucho y es poco a la vez. Es mucho porque detrás de cada ejemplo está la demostración de que se puede hacer algo increíble desde acá. Es poco porque hay miles de empresas como estas que nadie conoce todavía. Así que vamos seguir buscandolas 💪 👉 mapa-empresas-argentinas.ver… Van las 5 de hoy: 🧀 Cassini y Cesaratto — San Carlos Sud, Santa Fe. Fábrica de quesos estacionados, rallados y procesados. Planta propia desde 1991, tecnología robotizada y certificación Triple Impacto Nivel 3 de CAME. Exporta. 🍬 Lheritier Argentina — San Carlos Centro, Santa Fe. Fábrica de caramelos y golosinas fundada el 1° de mayo de 1896. 130 años de historia familiar. Produce caramelos, chupetines, turrones y golosinas sin TACC. Exporta. 🔮 Cristalería San Carlos — San Carlos Centro, Santa Fe Una de las pocas fábricas de cristalería artesanal del mundo. Desde 1949, cuarta generación familiar. 110 operarios. Cada pieza se sopla a mano. 14.000 artículos distintos. Exporta. Todas las de San Carlos son de @arieloe_17 — ¡gracias! 🔩 Juntamas — Villa María, Córdoba. Juntas plásticas para cañerías desde 1988. Catálogo de 13mm a 2.000mm. Fundición propia. Exporta a toda Latinoamérica. Recomendada por @PabloStehli1987 🥜 CTA — Centro Tecnológico Agropecuario — Hernando, Córdoba Tres familias agropecuarias cordobesas fundaron esta empresa en 2007 en la Capital Nacional del Maní. 30.000 tn de capacidad. Exporta a 35 países. BRC certified.