## Pronosticar el presente en las economías en desarrollo ## Source details **Canonical URL:** [Pronosticar el presente en las economías en desarrollo](https://www.imf.org/es/publications/fandd/issues/2025/12/forecasting-the-present-in-developing-economies-jeff-kearns) ## Other formats - [Markdown version](/es/publications/fandd/issues/2025/12/forecasting-the-present-in-developing-economies-jeff-kearns/index.md) - [Structured JSON version](/es/publications/fandd/issues/2025/12/forecasting-the-present-in-developing-economies-jeff-kearns/index.json) - [Bundle manifest](/es/publications/fandd/issues/2025/12/forecasting-the-present-in-developing-economies-jeff-kearns/bundle-manifest.json) ## Bibliographic details - Authors: Jeff Kearns - Published: December 3, 2025 --- ### Resumen y hallazgos principales - Los pronósticos inmediatos (nowcasting) y las nuevas fuentes de datos pueden aportar indicadores más frecuentes y puntuales que complementen los datos oficiales en economías en desarrollo. - La pandemia demostró que los indicadores oficiales se vuelven obsoletos con rapidez y resaltó la importancia de mediciones en tiempo real para la toma de decisiones de política. - El nowcasting permite “predecir el presente, y el pasado y futuro muy cercanos” según la definición académica citada en el texto. ### Deficiencias de datos y desafíos estructurales - Alrededor de la tercera parte de los países del mundo publican su PIB solo de manera anual, dejando largos periodos sin información. - En economías avanzadas, la primera estimación del PIB suele publicarse más o menos un mes después del cierre del trimestre; en algunas de las principales economías de mercados emergentes, dos meses; en economías en desarrollo, la espera puede superar los tres meses. - Limitaciones presupuestarias y escasez de personal cualificado dificultan la implementación de sistemas de nowcasting en países de ingreso bajo. - Datos nuevos pueden ser ruidosos o no representativos; también plantean inquietudes sobre privacidad, transparencia, legitimidad y gobernanza. ### Nowcasting: origen, metodología y aportes - El término nowcasting proviene de la década de 1980 (meteorología) y en economía se popularizó con el estudio de Giannone, Reichlin y Small (2008). - Giannone y Reichlin desarrollaron un modelo de pronósticos a corto plazo desde 2002 para integrar macrodatos y leer, en tiempo real, múltiples publicaciones de series temporales. - En países con datos escasos, el nowcasting combina indicadores tradicionales de alta frecuencia con datos no tradicionales (por ejemplo, intensidad de luz nocturna satelital, tendencias de búsquedas en Google) y puede usar el comovimiento con vecinos y socios comerciales para interpolar información. - Los grandes modelos de lenguaje y la inteligencia artificial amplían las posibilidades de aprovechar textos como fuentes de datos e integrar datos y metadatos. ### Evidencia práctica y casos de país (seleccionados) - Rwanda - Grupo conjunto del ministerio de Hacienda y el banco central elaboró un índice semanal de la actividad económica basado en un indicador del banco central que incluía exportaciones, importaciones y gasto de consumo en tiempo real obtenido de máquinas de facturación electrónica de la autoridad tributaria. - El Banco Central de Rwanda ahora incluye pronósticos inmediatos en las sesiones informativas previas a las reuniones del Comité de Política Monetaria. - Kenya - La Oficina Nacional de Estadística publica el PIB unos tres meses después del cierre del trimestre, pero el banco central evalúa el trimestre apenas una semana después usando datos sobre el gasto de consumo privado; más tarde incorpora datos sobre remesas disponibles dos semanas después del cierre. - Datos sobre comercio, oferta de dinero, turismo y electricidad, disponibles alrededor de 40 días después, ayudan a clarificar el desempeño del trimestre. - Sudáfrica - Investigadores del banco central usan datos del comercio de productos agropecuarios y fuentes de alta frecuencia (ventas mayoristas y minoristas, subastas de ganado, mercados de productos) para estimar la inflación de los alimentos con anticipación al IPC. - Análisis estadísticos muestran que los indicadores comerciales se anticipan al IPC entre uno y tres meses según el componente. - República Democrática del Congo - El Banco Central del Congo combina volúmenes de producción, precios del cobre y el cobalto, oferta monetaria, intensidad de luz nocturna y tendencias de búsquedas en Google en pronósticos inmediatos que se incorporan a un modelo de proyecciones trimestrales. - El sector minero aporta alrededor de un tercio del PIB del país. - Guinea-Bissau - En mayo de 2024 se implantó una plataforma de cadena de bloques para gestionar la masa salarial del sector público; resultado: el gasto salarial disminuyó hasta situarse en la mitad de los ingresos tributarios de 2024. - La plataforma se ampliará para incluir a la totalidad de los 26.600 funcionarios públicos y los 8.100 pensionistas del país. - Madagascar - En octubre, las autoridades aduaneras comenzaron a adoptar herramientas de inteligencia artificial agéntica para detectar incongruencias en declaraciones aduaneras, facturas y manifiestos, automatizando tareas manuales y centrando expertos en casos complejos. - Samoa - Con alrededor de 220.000 habitantes y un banco central con menos de 90 funcionarios, Samoa adoptó hace dos años un sistema formal de pronósticos inmediatos con asistencia técnica del FMI; el gerente del departamento de economía espera ampliar su equipo de 8 a 10 personas. ### Aplicaciones y beneficios de los pronósticos inmediatos - Ayudan a: - Revisar proyecciones de crecimiento y ajustar marcos macroeconómicos en tiempo útil. - Adoptar medidas de política oportunas durante crisis. - Detectar puntos de inflexión en el crecimiento y calibrar respuestas de política con mayor eficacia. - Proveer lecturas semanales o incluso diarias del desempeño de categorías específicas (por ejemplo, alimentos). - En países de ingreso bajo, los datos de transacciones pueden ser “extremadamente útiles” y más informativos que en economías avanzadas donde ya existen indicadores frecuentes. ### Recomendaciones de política y buenas prácticas - Priorizar la identificación y uso de “datos de alta calidad” nacionales o de datos representativos antes de adoptar técnicas sofisticadas: “Lo primero son los datos, luego viene la técnica.” - Empezar con modelos simples y en variedad de frecuencias, combinando publicaciones de distinta periodicidad para obtener señales oportunas. - Fortalecer capacidades: invertir en equipos de economistas, estadísticos y científicos de datos y en herramientas informáticas. - Complementar la recopilación rigurosa de datos oficiales con fuentes alternativas de alta frecuencia, pero reconocer que nada reemplaza la labor de ampliar y mejorar los indicadores oficiales. - Atender preocupaciones sobre privacidad, transparencia, legitimidad y gobernanza al incorporar datos nuevos y técnicas basadas en inteligencia artificial. *Fuente: FINANZAS & DESARROLLO — "Pronosticar el presente en las economías en desarrollo", JEFF KEARNS, Diciembre de 2025.* --- _Source: https://www.imf.org/es/publications/fandd/issues/2025/12/forecasting-the-present-in-developing-economies-jeff-kearns_