Prefacio

A quién está dirigido

A quien ya tomó un curso de econometría y quiere usar series de tiempo macroeconómicas para responder preguntas de política: estudiantes de maestría y de doctorado, y economistas de bancos centrales, ministerios y organismos internacionales.

Se asume econometría de pregrado, álgebra matricial, probabilidad y algo de Python. No se asume experiencia previa con métodos bayesianos: el Apéndice B — Repaso bayesiano reúne lo necesario.

Por qué otro libro

Hay manuales excelentes de teoría y hay repositorios de código. Lo que escasea es el puente: el paso del supuesto de identificación al algoritmo, y del algoritmo a la figura que termina en un informe de política. Este libro ocupa ese espacio, con una deuda explícita con Applied Bayesian Econometrics for Central Bankers de Blake y Mumtaz (2017), que sigue siendo la referencia más cercana a este espíritu, aquí en Python, con notación uniforme y algo más de formalidad.

Cómo está escrito cada capítulo

  1. Una pregunta económica.
  2. La motivación: por qué el modelo anterior no alcanza.
  3. El modelo y sus supuestos estadísticos.
  4. La estimación y su algoritmo.
  5. La interpretación económica.
  6. La implementación en Python.
  7. Una aplicación empírica.
  8. Diagnósticos, límites y extensiones.
  9. Ejercicios.

La progresión es siempre la misma: modelo simple, límite del modelo simple, modelo más rico.

Convenciones

Los vectores van en negrita (\(\mathbf{y}_t\), \(\mathbf{u}_t\)) para no confundirlos con el PBI (\(y_t\)); las matrices en mayúscula (\(A_\ell\), \(\Sigma\)). Los bloques marcados Supuesto contienen restricciones de identificación: son el lugar donde el modelo deja de hablar de los datos y empieza a hablar de economía. El Apéndice A — Notación reúne la notación completa.

El código privilegia la transparencia sobre la eficiencia: primero el algoritmo escrito a mano, luego la versión de biblioteca.

Reproducibilidad

Todo lo que aparece en el libro se regenera con quarto render. Los datos crudos no se editan nunca a mano; lo que se descarga vive en data/raw/ y lo construido en data/processed/. Las figuras usan una sola hoja de estilo, styles/matplotlib.mplstyle.

Licencia

El texto se publica bajo CC BY-NC-SA 4.0 y el código bajo licencia MIT.