Compañias

Servicios

Síguenos en nuestras redes sociales

La inferencia causal podría usarse en el sector solidario y ayudar a las áreas de planeación y estrategias.

Se ha hablado de las bondades y beneficios de la correlación, en LA/FT por ejemplo la correlación se debe tomar con precaución si no se tienen unas buenas variables de control. Sin embargo, en la mayoría de los casos, lo que se debe de encontrar en los datos sería más que una correlación, es el efecto causal. La inferencia causal, es un enfoque para estimar el efecto causal de una intervención diseñada por el área gerencial en una serie de tiempo. Por ejemplo, ¿Cuántos Asociados nuevos diarios adicionales generaron una campaña publicitaria? o ¿Cómo mejora el indicador de cartera a una estrategia de incentivos en la factura? o ¿Cómo mejoran las principales variables de la entidad frente a la capacitación de su personal? Responder una pregunta como estas puede resultar un poco difícil cuando no se dispone de un experimento aleatorio.

Dada una serie de tiempo de respuesta (por ejemplo, nuevos asociados) y un conjunto de series de tiempo de control (por ejemplo, asociados en otras entidades). Estos modelos se utilizan para intentar predecir el contrafactual, es decir, cómo habría evolucionado la métrica de respuesta después de la intervención, si la intervención nunca hubiera ocurrido. Como ocurre con todos los enfoques no experimentales de la inferencia causal, las conclusiones válidas requieren supuestos sólidos. Se asume que hay unos escenarios que no se vieron afectados por la intervención. El modelo también asume que la relación entre las variables de control y las series de tiempo tratadas, tal como se estableció durante el pre período, permanece estable a lo largo del post período. Por último, es importante conocer los antecedentes que forman parte del modelo, esta sería la desviación estándar de la variable en particular en el pre período.

Para ilustrar este método, se toma la tasa representativa del mercado TRM y se mira el contrafactual en caso de que no hubiese ocurrido el paro nacional y así determinar el efecto causal de este. El paro inició el 28 de abril de 2021 y hoy estamos a más de un mes de paro y los bloqueos ya le cuestan a la economía más de $15 billones. Sin embargo, el crecimiento sigue siendo positivo en el segundo trimestre del año y, por otro lado, algunos analistas resaltan que el alza en los precios de los commodities en el mercado internacional siguen favoreciendo a la economía colombiana y podrían hacerlo más si se mejora la situación de orden público, sobre todo por los bloqueos en puertos tan importantes como el de Buenaventura, además de la imposibilidad de recibir insumos para la operación.

Figura 1: Inicio del paro nacional.

Figura 2: Salida contrafactual.

Figura 3: Salida y análisis contrafactual en la TRM en el post período del paro nacional.

NOTA: En la ultimas 2 semana la TRM ha perdido entre [$0 y $150 pesos]

Los resultados sugieren que el paro nacional afectó a la TRM solo en la fecha del 30 abril al 10 mayo, de allí en adelante esta variable retorna al valor normal del pre período, e inclusive empieza un descenso por debajo de este. El tema en general que se observa es que, si no hubiese sucedido estas protestas, los problemas de orden público y el cierre de vías, la TRM estaría posiblemente por debajo de los $3.600.
Si deseas utilizar este modelo para tu entidad escríbenos a info@gcbloomrisk.comanalitica@garantiascomunitarias.com o al WhatsApp 3005449894.

Califica este artículo
No hay comentarios

Deja tu comentario

This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

En nuestra plataforma GCBloomrisk encontrarás