Proyección condicionada a escenarios de variables explicativas

Qué es

Una proyección condicionada a escenarios responde a una pregunta del tipo "si ocurre esto, ¿qué pasa con aquello?". No intenta adivinar el futuro sin más. Primero fija supuestos explícitos sobre las variables que explican el fenómeno (las variables explicativas o condicionantes) y luego estima cómo se comportaría la variable de interés bajo cada conjunto de supuestos.

La idea parte de una distinción básica en la econometría de pronósticos:

• Una proyección incondicional estima el valor futuro de una variable usando solo la información disponible hoy. El modelo proyecta simultáneamente todo lo que necesita, incluidos los determinantes.
• Una proyección condicional impone una trayectoria para algunas variables, por ejemplo "el petróleo baja a tal nivel" o "la tasa de política sube una vez más", y deriva lo que implica para el resto.

Formalmente, si una variable Y depende de un conjunto de variables X (tasas de interés, tipo de cambio, precios de materias primas, inflación), la proyección condicionada estima algo como E[Y | X = escenario]: el valor esperado de Y dado que X sigue un camino determinado. Cada escenario es un conjunto coherente de supuestos sobre X. Lo usual es construir un escenario central o base, que se considera el más probable, y uno o más escenarios alternativos, ya sean optimistas, pesimistas o de estrés.

En la literatura de series de tiempo, esta técnica se formalizó sobre todo en los modelos de vectores autorregresivos (VAR). Doan, Litterman y Sims (1984) mostraron cómo usar estos modelos para hacer "proyección condicional". Waggoner y Zha (1999) desarrollaron métodos para calcular pronósticos condicionados a trayectorias de ciertas variables y para cuantificar su incertidumbre. En textos más aplicados, como Hyndman y Athanasopoulos (2021), esta práctica se denomina scenario-based forecasting. Esos autores distinguen entre pronósticos ex ante, que usan solo información disponible al momento de proyectar, y pronósticos ex post, que usan los valores efectivos de los predictores.

Hay tres advertencias clave para leer bien una proyección de este tipo:

1. El resultado vale tanto como sus supuestos. Si el escenario de las variables explicativas no se cumple, la proyección de la variable de interés tampoco tiene por qué cumplirse. Eso no significa que el modelo esté mal.
2. Los escenarios deben ser internamente coherentes. Combinar supuestos que difícilmente ocurren juntos, como inflación alta con tasas de interés cayendo fuerte, produce proyecciones poco útiles.
3. Un rango no es una probabilidad. Que un analista entregue un rango central no implica que los extremos sean imposibles. Solo indica dónde se concentra el escenario que considera más probable.

Los bancos centrales usan este enfoque de forma habitual. Sus informes de política monetaria suelen presentar un escenario base acompañado de escenarios de riesgo. También lo usan los reguladores financieros en las pruebas de tensión (stress tests), donde se pregunta cómo resistiría un banco ante un escenario macroeconómico adverso predefinido.

Cómo lo explicó el programa

En el episodio del 26 de octubre de 2026 (bdm-2026-10-26), a propósito de las proyecciones del oro, el programa entregó un ejemplo de manual de proyección condicionada a escenarios.

Según se comentó, la banca internacional proyecta el oro en un rango central de US$4.000 a 4.700 por onza hacia fines del próximo año. Lo relevante es que ese rango no se presentó como una predicción "a secas", sino amarrado a supuestos explícitos: que el petróleo ceda, que la Reserva Federal haga como máximo un alza más y que el dólar siga fuerte. En palabras de un panelista no identificado:

"se mueva en este rango central entre los 4.000 que está hoy día y los 4.700 el petróleo tiene que ceder"

El programa también describió un escenario alternativo. Con inflación persistente y menos compras de oro por parte de los bancos centrales, el metal caería a US$3.500–3.600.

El ejemplo ilustra los elementos del concepto:

• Variable de interés (Y): precio del oro.
• Variables explicativas (X): precio del petróleo, trayectoria de la tasa de la Fed, fortaleza del dólar, inflación y demanda de los bancos centrales.
• Escenario central: petróleo a la baja y Fed casi terminando su ciclo de alzas, con un rango de US$4.000–4.700.
• Escenario alternativo: inflación persistente y menor demanda oficial, con un rango de US$3.500–3.600.

La lectura correcta para el auditor es que el número depende del escenario. Si el petróleo no cede, el rango central deja de ser la referencia pertinente.

Relación con otros conceptos

La proyección condicionada se apoya en los modelos econométricos de series de tiempo, en particular en los vectores autorregresivos (VAR). Estos modelos capturan cómo se influyen mutuamente varias variables a lo largo del tiempo, en la tradición que inauguró Sims (1980).

Está muy ligada al análisis de sensibilidad y a las pruebas de tensión, que exploran cómo cambia un resultado ante variaciones en sus supuestos. También se relaciona con la distinción entre escenario base y balance de riesgos, típica de la comunicación de los bancos centrales.

En el caso del oro, el ejemplo conecta con la tasa de interés real. Una Fed con tasas altas por más tiempo eleva el costo de oportunidad de mantener un activo que no paga intereses. También conecta con el tipo de cambio del dólar, en el que se cotiza el oro, y con la inflación, cuyo efecto depende de cómo responda la política monetaria. Por último, se vincula con la demanda de reservas internacionales por parte de los bancos centrales.

Fuentes y lecturas

• Doan, T., Litterman, R. y Sims, C. (1984), Forecasting and Conditional Projection Using Realistic Prior Distributions, Econometric Reviews, 3(1).
• Waggoner, D. y Zha, T. (1999), Conditional Forecasts in Dynamic Multivariate Models, The Review of Economics and Statistics, 81(4).
• Sims, C. (1980), Macroeconomics and Reality, Econometrica, 48(1).
• Hamilton, J. (1994), Time Series Analysis, Princeton University Press.
• Hyndman, R. y Athanasopoulos, G. (2021), Forecasting: Principles and Practice (3.ª ed.), OTexts. https://otexts.com/fpp3/