Metodología
Documentación técnica completa de nuestros modelos de nowcasting y fuentes de datos.
Acerca de Nuestra Metodología
QHAWARINA utiliza técnicas avanzadas de nowcasting económico para predecir indicadores clave de la economía peruana antes de su publicación oficial. Nuestros modelos combinan:
- Modelos de Factores Dinámicos (DFM) que resumen decenas de indicadores de alta frecuencia en factores latentes
- Machine Learning (Gradient Boosting, Ridge regression) para capturar relaciones no-lineales
- Datos satelitales (luces nocturnas) para monitoreo en tiempo real de actividad económica
- Web scraping y NLP para precios de alta frecuencia y análisis de eventos políticos
- Validación rigurosa mediante backtests out-of-sample con datos vintage
Toda nuestra metodología está documentada con transparencia académica, incluyendo fórmulas matemáticas, desempeño histórico, limitaciones conocidas y referencias bibliográficas.
Nowcast de PBI
Modelo de Factores Dinámicos con 35+ indicadores mensuales, ecuación puente Ridge, manejo de COVID-19 y desagregación regional NTL.
Nowcast de Inflación
DFM con factores rezagados, target 3M-MA, precios de alta frecuencia (BPP), scraping de supermercados y MIDAGRI.
Nowcast de Pobreza
Panel departamental con Gradient Boosting, change-prediction approach, NTL satelital y desagregación Chow-Lin trimestral.
Índice de Inestabilidad Política
Índice compuesto 50% eventos NLP + 50% estrés financiero, clasificación BERT de ~2,500 noticias/mes, validación histórica.
📊 Principios Metodológicos
Transparencia
Documentamos completamente nuestros modelos con fórmulas matemáticas, código fuente abierto y validación histórica rigurosa.
Reproducibilidad
Todos los backtests usan datos vintage (punto-en-el-tiempo) para simular predicciones en tiempo real sin look-ahead bias.
Validación Out-of-Sample
Comparamos contra benchmarks naive (AR1, Random Walk) en ventanas expansivas para evaluar valor agregado real.
Limitaciones Honestas
Cada metodología documenta limitaciones conocidas, sesgos potenciales y áreas de mejora futura.
💻 Código Fuente Abierto
Todo el código está disponible públicamente en nuestro repositorio GitHub:
Ver repositorio NEXUSIncluye: modelos de nowcasting, scripts de ingesta de datos, backtesting, visualizaciones y tests.