Publicaciones en Español

Este trabajo presenta la arquitectura WB-MLC (Welfare-Based Machine Learning Classifier), diseñada para integrar criterios de equidad y bienestar en el entrenamiento, evaluación y selección de clasificadores. La propuesta incorpora un parámetro normativo en la ponderación muestral, evalúa el desempeño mediante precisión global, equidad intergrupal (TRP-gap2) y un índce de bienestar W, y selecciona modelos de Pareto bajo un umbral estricto de equidad.

Este estudio compara el rendimiento predictivo de tres modelos —ARIMA(2,2), Random Forest y LSTM— aplicados al pronóstico del precio spot del gas natural referenciado en el índice Henry Hub, con base en datos comprendidos entre 2017 y 2025. Mediante métricas estándar de regresión, se evalúa la precisión de cada enfoque en contextos de alta volatilidad, como el del mercado energético.

Se propone la construcción de un Índice de Sentimiento Monetario (ISM) para Bolivia, a partir del análisis textual de comunicados oficiales del BCB entre 2005 y 2025. Utilizando herramientas de procesamiento de lenguaje natural y enfoques complementarios (uno basado en diccionarios y otro semántico), el ISM cuantifica el tono comunicacional de la política monetaria. El documento demuestra que el tono de los comunicados refleja patrones coherentes con el contexto macroeconómico y la orientación de la política monetaria.