Publicaciones en Español

El presente estudio evalúa el uso de métodos de machine learning para predecir la pobreza en Bolivia a partir de variables no monetarias obtenidas de las Encuestas de Hogares. Se entrenaron cinco modelos (Regresión Logística, Bosques Aleatorios, XGBoost, Maquinas de Soporte Vectorial y Redes Neuronales), utilizando técnicas de remuestreo ante el desequilibrio de clases, de optimización bayesiana para ajustar los hiperparámetros y validación cruzada estratificada. XGBoost se perfila como una opción prometedora con un accuracy del 84.6 %.

Este estudio presenta un análisis integral del comercio exterior boliviano entre 1992 y 2025, mediante técnicas avanzadas de aprendizaje automático aplicadas a series temporales. Se desarrolla un pipeline reproducible que incluye la extracción, transformación y modelado de datos oficiales de importaciones y exportaciones, a nivel de productos (NANDINA) y actividades económicas (CIIU). Se implementa un clustering no supervisado basado en características temporales para segmentar más de diez mil series de tiempo, identificando patrones relevantes en el comportamiento de sectores y productos.

El presente documento aborda inicialmente el Pensamiento Económico Estructuralista, a través de la cual, se ve las diferencias entre los bloques económicos al interior de Bolivia, mediante la cual se clasificó en tres, como ser el tradicional (informales), el moderno (formales) y la incorporación del agrícola, este análisis se efectuará mediante la aplicación de modelos econométricos que capture esa relación entre grupos y poder determinar el Índice de Theil-T, donde esta metodología permite descomponer los efectos de la efectos dentro y fuera de las estructuras, asimismo se complementó a e