Cuadernos de Investigación Económica Boliviana

NÚMERO ESPECIAL - CALL FOR PAPERS
“MACHINE LEARNING PARA POLÍTICAS ECONÓMICAS EN ECONOMÍAS EN DESARROLLO Y MERCADOS EMERGENTES”
Introducción
La rápida evolución de las técnicas de machine learning (ML) ha revolucionado el diseño, evaluación y monitoreo de políticas económicas, particularmente en economías en desarrollo y mercados emergentes. Estas regiones enfrentan desafíos únicos, como restricciones estructurales, disponibilidad limitada de datos y vulnerabilidades institucionales, que exigen enfoques innovadores para la formulación de políticas basadas en evidencia. Este número especial de los Cuadernos de Investigación Económica Boliviana (CIEB), organizado conjuntamente por el Ministerio de Economía y Finanzas Públicas (MEFP) de Bolivia y el Banco Interamericano de Desarrollo (BID), tiene como objetivo avanzar en la investigación sobre la intersección entre ML y políticas económicas, con un enfoque en las necesidades específicas de estas economías.
Aportes del Machine Learning a la Política Económica
El ML ofrece herramientas avanzadas para abordar problemas económicos complejos, aprovechando fuentes de datos novedosas—como indicadores de alta frecuencia, imágenes satelitales y textos en formatos de datos no estructurados—e identificando patrones ocultos que los métodos tradicionales podrían pasar por alto. Técnicas como deep learning, aprendizaje por refuerzo y procesamiento de lenguaje natural (NLP) han demostrado su potencial para mejorar la precisión de pronósticos macroeconómicos, optimizar programas sociales y proporcionar información en tiempo real. Sin embargo, la naturaleza de caja negra de muchos modelos de ML plantea desafíos significativos en términos de interpretabilidad y transparencia, aspectos cruciales para generar confianza y rendición de cuentas en la toma de decisiones. Para ello es importante fomentar el desarrollo de modelos explicativos de ML.
Temas de Interés
Este número especial invita a la presentación de trabajos que exploren aplicaciones de ML en políticas económicas relevantes para economías en desarrollo y mercados emergentes. Los temas de interés incluyen, pero no se limitan a:
- Monitoreo y pronóstico macroeconómico: Aplicaciones de ML para nowcasting y pronósticos de variables clave como PIB, inflación y desempleo.
- Análisis microeconómico: Uso de ML en el análisis de encuestas de hogares, datos empresariales o dinámicas del mercado laboral para diseñar intervenciones focalizadas.
- Análisis de textos y NLP: Aprovechamiento de datos no estructurados (por ejemplo, noticias, redes sociales, comunicaciones de bancos centrales) para evaluar el sentimiento económico o los impactos de políticas con base a modelos de procesamiento de lenguaje natural u otras tecnologías.
- Identificación de choques y evaluación de políticas: Enfoques de ML para identificar choques exógenos y/o evaluar los efectos causales de políticas económicas.
- Política social y desigualdad: Aplicaciones de ML en el diseño y focalización de programas sociales, como transferencias de efectivo o iniciativas de alivio de la pobreza.
- Interpretabilidad e inferencia en modelos: Contribuciones metodológicas que mejoren la transparencia y aplicabilidad de modelos de ML en el ámbito de las políticas económicas.
Premios y Reconocimientos
Para reconocer contribuciones destacadas, se otorgarán premios monetarios a los tres mejores artículos y otros aceptados para publicación. Estos incentivos buscan fomentar investigaciones de alta calidad y reconocer el trabajo de investigadores en la vanguardia de ML y políticas económicas.
- Primer Premio: Bs 14.000 o USD 2.000 para no residentes.
- Segundo Premio: Bs 10.500 o USD 1.500 para no residentes.
- Tercer Premio: Bs 7.000 o USD 1.000 para no residentes.
- Otros artículos seleccionados para publicación: Bs 1.400 o USD 200 para no residentes.
Esta convocatoria cuenta con el apoyo del BID, en el marco de la Cooperación Técnica BID-MEFP, cuyo objetivo es fortalecer las capacidades del MEFP en la implementación del Laboratorio de Inteligencia Artificial (Lab-IA).
Exclusión de premios monetarios para afiliados al MEFP o BID: Los estudios cuyos autores estén afiliados al Ministerio de Economía y Finanzas Públicas o al Banco Interamericano de Desarrollo al momento de la notificación de resultados no serán elegibles para recibir los premios monetarios. No obstante, se otorgará una certificación de reconocimiento por su contribución destacada.
Cronograma e Información
- Fecha límite para el envío de trabajos: 31 de julio de 2025.
- Se aceptan manuscritos en inglés o español.
- Los trabajos deben seguir las normas de publicación de la revista CIEB (click para más detalle) y sujetarse a un proceso de revisión por pares (externos).
- Enviar trabajos, en su versión final, a: cieb.mefp@economiayfinanzas.gob.bo
- Notificación de resultados: 10 de octubre de 2025.
- Publicación del número especial: 10 - 20 de noviembre de 2025.
Ganadores y manuscritos seleccionados para publicación
- Primer Lugar:
- Título: Equidad normativa en modelos predictivos: una arquitectura basada en economía del bienestar
- Autores: Herlan André Argandoña Zubieta & Martín Esteban Seoane Salazar
- Segundo Lugar:
- Título: Predicción de la pobreza en Bolivia usando Machine Learning
- Autores: John Eddy Cordero Villca
- Tercer Lugar:
- Título: Clustering y Redes Neuronales: Una Aplicación para el Comercio Exterior de Bolivia
- Autores: Fabián Barba Uría & Álvaro Chirino Gutiérrez
- Para Publicación:
- Título: Forecasting del Precio del Gas Natural Usando Métodos Tradicionales y de Machine Learning: Evidencia del Caso
- Autores: Libertad Bolivia Jazmín Martínez Sangueza & Luis Antonio Villarroel
- Para Publicación:
- Título: Artificial Intelligence for Macroeconomic Stability: An Interpretable Machine Learning Approach for the Real Exchange Rate in Bolivia
- Autores: Julio Cesar Nava León
- Para Publicación:
- Título: Making Communications Talk: Construcción de un Índice de Sentimiento Monetario (ISM) para Bolivia
- Autores: Iván Jesús Romero Mamani
- Para Publicación:
- Título: Desigualdad Salarial y Heterogeneidad Productiva en Bolivia: Un Análisis Estructuralista con Enfoque Predictivo de Machine Learning
- Autores: Luis Rubén López Guachalla & Fabricio Alejandro Machicado Borja