Existe una enorme literatura advirtiendo sobre los problemas del AUC como instrumento para comparar modelos. La combinación de los dos siguientes hechos empíricos impide que sea efectiva: El AUC es una medida simple cuya aplicación solo exige conocimientos básicos de aritmética: saber identificar el mayor de entre dos números. Las habilidades matemáticas de muchos de quienes lo utilizan para comparar modelos tampoco dan para mucho más. La literatura plantea argumentos que tienen, como en Measuring Classifier Performance: A Coherent Alternative to the Area Under the ROC curve, esta esotérica forma: ...

Rohit Krishnan compara una economía centralizada con otra basada en reglas de mercado. La centralizada es una en la que un LLM coordina a otros en los que delega tareas; la de mercado es otra donde distintos LLMs buscan soluciones a problemas parciales y lanzan ofertas para implementarlas. Para tareas complejas, una de las dos aproximaciones —véase el enlace— parece vencer a la otra. Nicholas Decker discute sobre el valor del tiempo y, por extensión, el de una vida, que es algo de lo que ya ha tratado el blog en más de una ocasión. ...

Hace casi diez años escribí sobre esa cosa que el INE llama proyecciones poblacionales sugiriendo que tomasen nota de lo que hacía la ONU e incorporasen algún tipo de información sobre rangos probables en las cifras proyectadas. Las predicciones (estas sí) de la ONU para España a largo plazo se resumían allá en 2017 en el gráfico Pero como ya habrán advertido los lectores más atentos, en el gráfico anterior, el rango superior de las predicciones solo supera los 50 millones de habitantes en el último cuarto de siglo. Sin embargo, se trata de un hito que se espera alcanzar este mismo año (2026). La realidad está completamente fuera de rango. ...

Joseph Rickert se queja de la malísima calidad de muchos de los nuevos paquetes subidos a CRAN, particularmente cuando carecen de la documentación mínima para hacerse una idea de su funcionamiento, considerándolos puro ruido. Que es un tema del que estas páginas ya se han ocupado antes. Hannah Ritchie analiza la relación entre stock y flujo cuando se pregunta por la velocidad a la que los coches eléctricos que se venden reemplazarán a los de combustión interna que circulan actualmente. No dice nada sobre el método que utiliza, pero sospecho que tiene que ser un proceso markoviano. ...

Un reciente artículo de The Economist, Europe buys the future, America builds it, cierra con una escena estupenda: después de varios párrafos discutiendo sobre el PIB en sus distintas manifestaciones, la productividad, la renta per cápita y el nivel de vida relativo entre Europa y EEUU, los dos protagonistas del debate, Paul Krugman y Luis Garicano, acaban proponiendo (variantes de) un experimento manifiestamente precientífico: Krugman, el test del paseo: si Europa se está empobreciendo tanto como algunos dicen, ¿por qué resulta tan agradable pasear por sus ciudades? Garicano, el del viaje en coche: las ciudades europeas podrán ser más bonitas, pero basta conducir por un suburbio americano para comprobar dónde está realmente la riqueza. Es decir, después de siglos de desarrollo de la estadística pública, dos economistas de primer nivel acaban sugiriendo zanjar el debate mirando por la ventanilla. ...

En Trendy trends In Time Series, William M. Briggs insiste en los peligros de trazar de forma mecánica líneas de tendencia sobre series de datos temporales, argumentando que a menudo se cae en la falacia de asumir una fuerza causal subyacente que no existe. A propósito de un estudio sobre las causas de la inflación pos-COVID, Scott Sumner reflexiona en Fiscal shocks, inflation and the Lucas Critique sobre la complejidad del concepto de causalidad en macroeconomía. Haciendo uso de la crítica de Lucas, Sumner señala que calificar el estímulo fiscal como la causa principal de la inflación es insuficiente: la política monetaria de la Reserva Federal podría haber neutralizado dicho impacto. Del artículo rescato: ...

Los mercados de predicciones tienen sus defensores y sus detractores. Los argumentos de unos y otros son sobradamente conocidos y son, con frecuencia, muy apriorísticos. Yo, ni entro ni salgo porque nada en lo relativo a esta cuestión depende de mi opinión. Sí que me divierte, en cambio, coleccionar casos concretos en el lado incorrecto de las barreras deontológicas que algunos, desde la distancia, proponen. Uno es este: El 4 de junio de 2026, el medio estadounidense Semafor publicó en exclusiva que un equipo de la primera división española había colocado una apuesta multimillonaria contra sí mismo en Kalshi, una plataforma regulada de mercados de predicción, para cubrirse ante un posible descenso. Semafor no identificó al club, pero la operación se hizo pública con suficiente detalle como para que el nombre de Osasuna circulara de inmediato. Osasuna admitió haber contratado una póliza con Howden, aseguradora especializada en el mundo del deporte, por un importe de 1,2 millones de euros como cobertura ante un posible descenso, pero negó que eso constituyera una “apuesta”: se trata, según el club, de un seguro cuya función es paliar las pérdidas económicas que habría supuesto perder la plaza en Primera División. El riesgo fue asumido finalmente por Susquehanna, una firma de trading cuantitativo que, según las fuentes consultadas por Semafor, se llevó más de un millón de dólares. No se sabe exactamente qué ruta tomaron estos riesgos, pero se especula que Howden los reaseguró con Game Point Capital, este con Greenlight Commodities y, finalmente, este con Susquehanna usando un contrato OTC a través de Kalshi. Game Point Capital es una empresa especializada en ayudar a las organizaciones deportivas a gestionar el riesgo financiero asociado tanto al éxito excesivo (p.e., bonus de entrenadores por llegar a playoffs) como al fracaso (pérdida de ingresos televisivos por descenso). Game Point suele transferir esos riesgos a reaseguradoras como Lloyd’s, pero en este caso probó los mercados de predicción, contratando a Greenlight Commodities, una intermediaria especializada, que ejecutó la operación en Kalshi. Al otro lado de la operación estaba Susquehanna, una firma de trading cuantitativo que, según las fuentes consultadas por Semafor, se llevó más de un millón de dólares. Susquehanna fue en 2023 la primera firma de trading cuantitativo en crear una mesa dedicada exclusivamente a los mercados de predicción y actualmente opera como «market maker principal» en Kalshi. ...

Un artículo sobre «clientes sintéticos» para la realización de estudios de mercado (contratar clientes no sintéticos, por si no es evidente, resulta muy caro). Otro sobre un posible futuro de los papers mediado por el uso masivo de LLMs. Mucho se ha escrito sobre el desigual impacto de la IA en las distintas disciplinas y de cómo los sectores más inasequibles a ellas podrían convertirse en cuellos de botella. Jordan Dworkin traslada ese argumento al mundo de la investigación científica. ...

En 2008, Chris Anderson publicó en Wired un famoso artículo —mencionado en más de una ocasión en estas páginas—, The End of Theory: The Data Deluge Makes the Scientific Method Obsolete, cuyo argumento no voy a glosar porque es ya cultura general. Tyler Cowen ha escrito un pequeño libro, The Marginal Revolution, con argumentos como: El libro de Tyler Cowen examina críticamente la revolución marginalista —la que estableció los principios teóricos de la economía moderna (¿o clásica ya?)— y observa el declive de su influencia. Según Cowen, el auge de la IA en economía guarda paralelismos con la aparición del marginalismo en la década de 1870: en ambos casos, nuevos métodos demuestran ser superiores a las intuiciones y enfoques previamente dominantes, transformando el panorama intelectual. En ámbitos como la economía financiera, el marginalismo está siendo desplazado por métodos cuantitativos y algoritmos capaces de extraer conocimiento de los datos sin apoyarse explícitamente en principios económicos marginalistas. En particular, los modelos de aprendizaje automático están identificando patrones complejos que el razonamiento marginalista no podía detectar, poniendo de manifiesto las limitaciones de las teorías económicas. El libro sugiere que muchas de las intuiciones microeconómicas del siglo XX pudieron haber actuado como un sustituto provisional de conocimientos que simplemente no estaban disponibles, y que la IA está revelando la magnitud de aquello que el marginalismo nunca estuvo en condiciones de observar.

El día 24 de junio de 2026 doy una charla en el PyData de Madrid. El anuncio, que me ha llegado vía Guild, reza: PyData Madrid vuelve en junio para hablar de Python, Datos, Visualización, Inteligencia Artificial, ¡Y lo que surja! Nuestra última reunión antes del parón veraniego se realizará en las instalaciones de Informática del Ayuntamiento de Madrid (calle Albarracín 33), quienes generosamente nos ceden el espacio. Tendremos el placer de contar con tres charlas: ...