Lab · macro-forecast-lab-latam
Pronostico el crecimiento de 20 economías de América Latina, y demuestro cuánto vale cada pronóstico.
Pronósticos 2026–2027 por economía, con bandas de confianza al 80 y al 95 % y su tasa de acierto medida en el backtest, año por año. Detrás, un laboratorio que puso a competir trece modelos —del AR(1) al LSTM— contra el pronóstico ingenuo, con cada ganancia sometida a su prueba. Fíltralo, compáralo y juega contra él.
Python · statsmodels · scikit-learn · PyTorch · origen móvil · Diebold-Mariano, Holm y Wilcoxon
v1.1.0 · septiembre de 2026 · código y resultados públicos
- 20economías bajo el mismo protocolo
19 con serie anual desde 1961 y ocho trimestrales
- 0,86error del AR(1) frente al ingenuo, en calma
mediana de 19 economías anuales · Wilcoxon p < 0,001
- 0 de 27mejores modelos por economía que sobreviven a Holm
en las 27 series de LATAM, trimestrales y anuales
- 17 de 20economías sin un solo año con las 33 variables
la frontera se mide antes de modelar
Panorama
Veinte economías, sesenta y cinco años y su pronóstico, en un solo tablero
Elige economías, una métrica y un período: todos los gráficos se mueven con el filtro, y sin filtro ves la región entera. Los marcadores señalan los choques detrás de las caídas —el corralito, el Tequila, las hiperinflaciones— y la zona sombreada a la derecha es el pronóstico 2026–2027 con sus bandas.
Cargando las series del laboratorio…
Tú contra el ingenuo
Antes de leer el resultado, intenta ganarle tú
Te enseño una economía hasta un año cualquiera. Arrastra el punto ámbar hasta donde crees que irá el crecimiento del período siguiente y revela. El ingenuo solo repite el último dato. Juega unas rondas, y prueba la de 2020.
Cargando las series del laboratorio…
Origen móvil
Cómo se evalúa sin hacer trampa: origen por origen
Cada modelo se reentrena con lo que había hasta el origen, pronostica un paso, anota su error y avanza. Nunca ve el dato que pronostica. Mueve el origen o dale a reproducir, y mira cómo el orden entre modelos cambia de golpe cuando entra 2020.
Cargando las series del laboratorio…
La región
La región entera, un veredicto que sí aguanta
Cada punto es una economía: su error dividido por el del ingenuo. A la izquierda de la línea, el modelo gana. La prueba que importa no es la de cada economía, sino si todas empujan hacia el mismo lado: esa es la columna de Wilcoxon.
Cargando las series del laboratorio…
Frecuencia
El mismo LSTM gana o pierde según la frecuencia. No es la red
En la ruptura de Colombia el LSTM perdía contra el ingenuo con datos mensuales y ganaba con trimestrales. Un experimento con predicciones registradas antes de correr separó frecuencia, ajuste y fuente. Cambia la frecuencia y mira qué barra se mueve.
Cargando las series del laboratorio…
Comparaciones múltiples
Prueba 18 modelos al 5 % y alguno ganará por azar
La calma del ISE mensual de Colombia es donde más modelos parecen ganarle al ingenuo. Activa la corrección de Holm, que exige más a quien se prueba junto a muchos otros, y cuenta cuántas estrellas sobreviven.
Cargando las series del laboratorio…
Veredicto
Lo que queda en pie, y lo que no
En calma, un AR(1) de un parámetro le gana al ingenuo en toda la región. Nada más resiste en toda la región.
0,861 · p < 0,001 · 19 economías
Es la mediana del error del AR(1) dividido por el del ingenuo en las 19 economías anuales, y todas empujan hacia el mismo lado. En las ocho trimestrales pasa lo mismo en las ocho. Dentro de cada economía, el mejor modelo no sobrevive a la corrección por comparaciones múltiples en ninguna de las 27 series. La excepción es la calma mensual de Colombia, con 246 meses: ahí cuatro modelos sí la resisten.
Queda establecido
- 1En calma, el AR(1) le gana al ingenuo en toda la región: 8 de 8 economías trimestrales y una mediana de 0,861 en las 19 anuales.
- 2La frontera de cobertura es regional: en 17 de 20 economías no hay un solo año con las 33 variables.
- 3La combinación por régimen que funcionaba en el ISE de Colombia no se replica fuera de él.
- 4La aparente inversión de Colombia entre frecuencias la produce la referencia: el ingenuo es mucho más difícil de batir a un mes vista que a un trimestre.
No queda establecido
- 1Un ranking de modelos dentro de una economía de LATAM: tras Holm, ningún mejor modelo queda en pie en las 27 series.
- 2Nada sobre la habilidad de los modelos en la ruptura anual: dos observaciones por economía y un ingenuo que pierde por construcción.
- 3Que las redes sirvan o no en la ruptura trimestral: ganan en 5 de 8 economías y ninguna victoria es significativa.
Protocolo
Las reglas que hacen que un número valga
Nada ve el futuro
Origen móvil con ventana expansiva: cada modelo se reentrena en cada origen con lo que había hasta ahí. Los escaladores se ajustan con el tramo de entrenamiento y las redes paran temprano contra una validación recortada del propio entrenamiento.
Ninguna frecuencia se rellena
Si una variable es anual, se queda anual. Y una serie no salta años: se usa el tramo contiguo más largo, porque un modelo de rezagos trataría 1985 → 1987 como un solo año.
Un fallo no es una victoria
Un modelo que no pronostica en más del 10 % de los orígenes queda fuera del ranking. Una vez, uno pareció ganar porque solo había competido en los orígenes fáciles.
Ninguna ganancia sin su prueba
Diebold-Mariano contra el ingenuo, con la p ajustada por Holm. Entre economías, Wilcoxon. Una diferencia de error sin p no distingue una mejora del ruido.
El régimen se asigna por lo que se pronostica
La calma y la ruptura se definen por el período pronosticado, no por el origen. La versión 0.1.0 lo hacía al revés y la caída de 2020 quedaba en la calma: lo encontró la auditoría.
Lo que se eligió mirando, es hipótesis
La ruptura 2020–2021 se eligió después de ver los datos. Todo lo que dependa de ella se publica como hipótesis. Las predicciones del experimento de frecuencia se escribieron antes de correrlo.
Reproducir
Todo corre sin red, desde el repositorio
uv syncEl entorno exacto desde uv.lock, torch incluido.
uv run python -m macro_lab.lab_latamLas pistas C y D: 8 economías trimestrales y 20 anuales.
uv run python -m macro_lab.lab_frecuenciaEl experimento de frecuencia, ajuste y fuente, con su regla pre-registrada.
uv run python -m macro_lab.exportar_webLos JSON que lee esta página. Nada se recalcula aquí: se lee.
Los datos del Banco Mundial y del FMI van versionados en el repositorio. Las series trimestrales del FMI están ajustadas estacionalmente, porque el IFS no publica la versión sin ajustar para esas economías, y eso se declara. Los errores encontrados y su causa están en la bitácora del repositorio.
Estado
Un experimento cerrado, publicado con lo que no funcionó
- 1v1.1.0 publicada: cuatro pistas, un experimento de frecuencia con pre-registro y 17 pruebas del protocolo en CI.
- 2La auditoría de la v1.0.0 corrigió ocho errores, y dos titulares de la versión anterior no sobrevivieron. Está todo en la bitácora.
- 3Fuera de alcance, y dicho: horizontes de más de un paso, una combinación 50/50 fija y datos en tiempo real para las variables anuales.
Deja de elegir entre el que entiende el negocio y el que construye los datos.
Si tu equipo necesita a alguien que lea el P&L y construya el pipeline que lo alimenta, hablemos esta semana. Respondo en menos de un día hábil.