Política Norteamericana, ciencia de datos y Economía en estos tiempos de pandemia
La Política norteamericana suele ser mas personalista de lo que la llamada “Cuna de la democracia” supone como ejemplo para el resto del mundo. Precisamente el dato de esta certeza lo produce la excepción.
Mitch McConnell declaró repetidamente que tenía una prueba de fuego para cualquier nuevo proyecto de ley de estímulo del coronavirus: tenía que proteger a las empresas de las demandas de los trabajadores o clientes que contrajeron el virus. "Tenemos una línea roja sobre la responsabilidad" , dijo en un momento . "No pondré un proyecto de ley en el piso que no tenga protección de responsabilidad" , dijo en otro . “Ningún proyecto de ley será aprobado por el Senado sin protección de responsabilidad para todos los relacionados con el coronavirus” , agregó .
Pero McConnell, el líder republicano en el Senado, ha borrado esa línea roja desde entonces. Los líderes del Congreso y Steven Mnuchin, el secretario del Tesoro, están a punto de llegar a un acuerdo sobre un proyecto de ley de $ 900 mil millones que no incluye protección de responsabilidad.
Entonces, ¿por qué McConnell, posiblemente el político más inteligente de Washington, se retiró?
La respuesta ofrece un recordatorio importante de cómo funciona realmente el Senado y cómo podría volverse menos disfuncional en el futuro cercano de lo que ha sido últimamente.
Cuando la gente habla del Senado, a menudo imagina que McConnell, como líder de la mayoría, es todopoderoso y puede evitar que cualquier proyecto de ley que no le guste se someta a votación. Ese no es el caso . Cualquier senador puede proponer que se vote un proyecto de ley. Si al menos otros 50 senadores quieren que reciba uno, lo hará.
En las últimas décadas, sin embargo, los senadores han cedido voluntariamente este poder al líder de su partido, dándole (y no, el Senado nunca ha tenido una líder femenina mayoritaria o minoritaria) un veto sobre lo que llega a la sala. La práctica ayuda a mantener las partes unidas.
Pero tiene una gran desventaja. Hace que el compromiso bipartidista sea más difícil de lograr. Las coaliciones que podrían aprobar un proyecto de ley, pero que no incluyen al líder de la mayoría, no tienen la oportunidad de formarse. "Al detener el proceso legislativo antes de que comience", me dijo James Wallner, un ex miembro del personal del Senado republicano, "hace que el compromiso sea más difícil".
En la última ronda de estímulos, un grupo bipartidista de senadores cambió la dinámica al dejar en claro que estaban a favor de la ayuda adicional. No amenazaron públicamente con rodear a McConnell, pero no tenían que hacerlo. Puede contar hasta 51, y también le preocupaba que los dos candidatos republicanos en la segunda vuelta del Senado de Georgia del próximo mes estuvieran "siendo golpeados" por la falta de un acuerdo.
(McConnell ganó una gran concesión como parte del abandono de su línea roja: el acuerdo propuesto no contiene ayuda para los gobiernos estatales y locales, a pesar de que el grupo bipartidista lo había incluido en su propuesta anterior y a pesar de que muchos economistas favorecían dicha ayuda).
Es posible que este acuerdo bipartidista termine siendo un evento único. Pero no tiene por qué ser así. Los senadores tienen en su poder encontrar otras áreas de compromiso el próximo año, durante la presidencia de Joe Biden, incluso si McConnell no está a favor de esos acuerdos.
“En política, la victoria engendra victoria”, me dijo ayer Rahm Emanuel, ex miembro demócrata de la Cámara y alcalde de Chicago. "La coalición gobernante de centro-afuera tiene una victoria en su haber". Es una "gran oportunidad para Biden", dijo Emanuel.
Quizás lo más intrigante es que los senadores tienen el poder de elaborar compromisos sin importar qué partido gane las elecciones de Georgia y controle el Senado.
Se acuerdo de estímulo propuesto espera que el incluya aproximadamente $ 300 por semana en beneficios de desempleo mejorados, aproximadamente la mitad del tamaño de los beneficios mejorados que el gobierno federal pagó durante la primavera.
Es muy probable que el proyecto de ley también incluya una ronda adicional de pagos directos a las personas; un nuevo programa de asistencia para el alquiler de emergencia; y financiación adicional para asistencia alimentaria, pequeñas empresas, escuelas, banda ancha y distribución de vacunas.
Jerome Powell, presidente de la Reserva Federal, enfatizó la necesidad de más estímulo . "El caso de la política fiscal en este momento es muy, muy sólido", dijo.
El presidente electo Joe Biden eligió a Brenda Mallory , una abogada ambientalista, para dirigir el Consejo de Calidad Ambiental, que coordina la política ambiental. Se espera que Mallory concentre la oficina en temas de justicia ambiental.
La vacuna ha comenzado a llegar a los hogares de ancianos , cuyos residentes y miembros del personal representan al menos un tercio de las muertes relacionadas con Covid en los EE. UU. Patricia John, una de 93 años residente en West Virginia, dijo: "Fue una inyección tan rápida que nadie debería tener miedo"
El vicepresidente Mike Pence dice que recibirá la vacuna mañana en cámara. Biden dijo que es probable que también lo reciba en público, para "demostrarle al pueblo estadounidense que es seguro".
El presidente Emmanuel Macron de Francia dio positivo . En Estados Unidos, David Bernhardt , el secretario del Interior, dio positivo, el último funcionario de la administración Trump en hacerlo.
Algunos hospitales de EE. UU. Encontraron una sorpresa en la entrega de vacunas: algunos de los viales de vidrio que supuestamente contienen cinco dosis contenían suficiente para una sexta, o incluso una séptima, persona.
Los estadounidenses de 25 a 44 años murieron a tasas históricamente altas entre marzo y julio, lo que sugiere que el virus puede ser más dañino para los adultos más jóvenes de lo que se pensaba anteriormente, encontró un nuevo estudio académico.
La mayor carga de Covid-19, sin duda, ha recaído sobre las personas mayores de 65 años, lo que representa alrededor del 80 por ciento de las muertes en los Estados Unidos. Pero si eclipsamos momentáneamente eso del ojo de nuestra mente, algo más se vuelve visible: la corona de este virus.
Los adultos jóvenes están muriendo a un ritmo histórico. En una investigación publicada el miércoles en el Journal of the American Medical Association, encontramos que entre los adultos estadounidenses de 25 a 44 años, desde marzo hasta finales de julio, hubo casi 12,000 muertes más de las esperadas según las normas históricas.
De hecho, julio parece haber sido el mes más mortífero entre este grupo de edad en la historia moderna de Estados Unidos. Durante los últimos 20 años, un promedio de 11,000 adultos jóvenes estadounidenses murieron cada julio. Este año, ese número aumentó a más de 16.000.
Las tendencias continuaron este otoño. Según las tendencias anteriores, se había proyectado que alrededor de 154.000 en este grupo demográfico morirían en 2020. Sobrepasamos ese total a mediados de noviembre. Incluso si las tasas de mortalidad repentinamente vuelven a la normalidad en diciembre, y sabemos que no lo han hecho, anticipamos más de 170,000 muertes entre los adultos estadounidenses en este grupo demográfico para fines de 2020.
En el ámbito de las ciencias, las disrupciones producto de la invación algoritmica en cualquier ámbito de investigación que se presuma de seria y los fuertes condicionamientos de agenda que responden a políticas de Estados o principalmente a las “fuentes de financiación” que son en definitiva las que deciden que investigar, atrviezan encrucijadas y anudamientos propios de estos tiempos inciertos.
Uno de los términos importantes con los que se encontrará como científico de datos o desarrollador es "notación Big O". Big O es una notación que se utiliza para expresar la complejidad de cualquier algoritmo informático en términos de tiempo y espacio. , Big O se refiere a cómo escala un algoritmo con respecto a su entrada.
Esto es particularmente esencial para las aplicaciones de ciencia de datos. La mayoría de los conjuntos de datos que utilizamos para entrenar y desarrollar modelos de aprendizaje automático son de tamaño mediano. Por lo tanto, es muy importante que el científico de datos comprenda completamente cómo cambia el comportamiento del modelo al aplicarle conjuntos de datos más grandes.
T h e mejor y más eficiente manera de probar este comportamiento está utilizando la notación O grande. Si está ingresando a la ciencia de datos con una formación técnica, estudió informática, ingeniería o cualquier campo relacionado, entonces puede estar familiarizado con la notación Big O. Sin embargo, si está cambiando a la ciencia de datos desde un campo no técnico, es posible que la nación Big O sea algo compleja.
La buena noticia es que incluso aquellos con experiencia técnica a veces encuentran que Big O es confuso. Eso no se debe a que sea difícil de entender, sino a que a veces aplicarlo puede no ser sencillo.
de datos o desarrollador es "notación Big O". Big O es una notación que se utiliza para expresar la complejidad de cualquier algoritmo informático en términos de tiempo y espacio. , Big O se refiere a cómo escala un algoritmo con respecto a su entrada.
Esto es particularmente esencial para las aplicaciones de ciencia de datos. La mayoría de los conjuntos de datos que utilizamos para entrenar y desarrollar modelos de aprendizaje automático son de tamaño mediano. Por lo tanto, es muy importante que el científico de datos comprenda completamente cómo cambia el comportamiento del modelo al aplicarle conjuntos de datos más grandes.
T h e mejor y más eficiente manera de probar este comportamiento está utilizando la notación O grande. Si está ingresando a la ciencia de datos con una formación técnica, estudió informática, ingeniería o cualquier campo relacionado, entonces puede estar familiarizado con la notación Big O. Sin embargo, si está cambiando a la ciencia de datos desde un campo no técnico, es posible que la nación Big O sea algo compleja.
La buena noticia es que incluso aquellos con experiencia técnica a veces encuentran que Big O es confuso. Eso no se debe a que sea difícil de entender, sino a que a veces aplicarlo puede no ser sencillo.
Este artículo proporcionará una introducción simple a Big O y cómo puede impulsar el Big O de su código. Para explicar las diferentes complejidades, usaré código Python. Sin embargo, la misma lógica se puede implementar en cualquier otro lenguaje de programación.
Sara A. Metwalli es doctora y trabaja en Computación Cuántica. Viajera, amante de la escritura, entusiasta de la ciencia e instructora de informática. Es autora de este texto públicado en la revista “Towards Data Science” Una publicación mediana que comparte conceptos, ideas y códigos.
Comencemos las cosas de manera simple y trabajemos nuestro camino. Supongamos que tenemos algunas entradas de datos almacenadas en forma de lista (en C ++, Java y otros lenguajes, se llama matriz) y quiero obtener el quinto elemento de esta lista.
Este es un problema simple de resolver en Python; necesitamos acceder a la quinta dirección de la lista y leer su contenido.
dataEntries = [53,71,40,11,23,10,-7,32]
print(dataEntries[4])
Acceder a una dirección específica (índice) en una lista requiere O (1) , leído como orden 1, lo que significa que el tamaño de la lista no importa. Ya sea que tenga 7 entradas o 1000000 entradas, solo accederé a la ubicación 4 para obtener el quinto elemento.
La complejidad O (1) es la mejor, no siempre se puede lograr, pero si lo es, entonces su código es independiente del tamaño de entrada.
Otras operaciones que tienen complejidad O (1) son la función de impresión, aritmética simple: suma, resta y multiplicación y división en el caso de números enteros. La multiplicación tiende a volverse más compleja cuando se trata de matrices.
La siguiente función tiene una complejidad O (1) . Si quiero generalizarlo para sumar / restar un número arbitrario de entradas, entonces la complejidad se convierte en O (n) .
if op == "+":
return a+b
elif op == "-":
return a-b
else:
print("invalid op")
Los códigos que hemos tratado hasta ahora no incluían bucles ni iteraciones. Allí las complejidades tendemos a aumentar.
Volviendo
a la lista dataEntrie,
en lugar de obtener el quinto elemento, quiero imprimir todas las
entradas de la lista. Para hacer eso, necesitaré usar un bucle para
hacerlo. Esto significa que tendré que repetir el mismo proceso que
el número de veces es igual a la cantidad de elementos que tengo en
la lista. En nuestro caso, 8 veces.
dataEntries = [53,71,40,11,23,10,-7,32]
for i in dataEntries:
print(i)
La
complejidad de un bucle depende de cuántas veces se active este
bucle. Si tenemos una lista de 5 elementos, el ciclo se repetirá 5
veces; si tiene 1000 elementos, iteraremos 1000 veces y así
sucesivamente. Como habrá notado, a diferencia de los ejemplos
anteriores, este código depende en gran medida del tamaño de la
entrada ( dataEntries).
Para representar esto, asumiremos que el tamaño de la lista es n, por lo que la complejidad del código será O (n) . Otro ejemplo es asumir todos los elementos de una lista.
dataEntries = [53,71,40,11,23,10,-7,32]
sum = 0
for i in dataEntries:
sum += i
print(sum)
Esta complejidad a menudo se denomina complejidad lineal. Piénselo así, ya que la relación entre el tamaño y el número de iteraciones es constante, se puede describir en términos y = ax , entonces la complejidad es lineal.
Entonces, un bucle es O (n) , ¿qué sucede si los bucles están anidados?
Si nuestro código contiene bucles anidados, por ejemplo, sumar los números en una matriz: lista 2D, encontrar duplicados en una lista o básicamente cualquier código que tenga bucles anidados.
Centrémonos en sumar los elementos de una lista 2D:
sum = 0
for row in range (len(list2D)):
for col in range(len(list2D[0])):
sum = sum + input[row][col]
Como cada bucle tiene una complejidad O (2) y están anidados, multiplicamos sus complejidades para convertirlos en O (4) . Eso es O (n²) .
Es
importante decir que cuando calculamos la complejidad, estamos
tratando de descubrir el peor de los casos. Para una matriz, el
tiempo necesario para la suma sigue un polinomio an²+bn+c.
Por eso también O
(n²) se
llama complejidad polinomial.
Antes de entrar en la explicación, log here es log base 2 y no cómo se usa en matemáticas, que es log base 10.
Por ejemplo, suponga que queremos sumar los números pares desde 1 hasta cierto límite superior n. Entonces podríamos hacer algo como esto:
sum = 0
n = 100
while(i < n):
i = i * 2
sum += i
La diferencia aquí es que nuestro bucle omite algunos números y solo se activa log (n) veces. Por tanto, la complejidad aquí se convierte en O (log (n)).
La O (log (n)) complejidad es a menudo la complejidad de la mayoría de los algoritmos de tipo dividir y concurrir, como la búsqueda binaria, árboles de búsqueda binaria balanceada, muchos algoritmos recursivos y colas de prioridad.
Si tenemos un código o un algoritmo con complejidad O (log (n)) que se repite varias veces, entonces se convierte en O (n log (n)) . Ejemplos famosos de esto son la ordenación por combinación y ordenación rápida.
Al revisar los ejemplos anteriores, es posible que haya descubierto algunas reglas para calcular Big O, pero resumámoslas:
Leer, escribir un elemento en una lista o un diccionario tiene O (1) .
Cualquier enfoque o bucle de división y concurrencia que maneje números binarios tiene una O (n log (n)) complejidad .
Resumimos la complejidad de los bucles secuenciales y multiplicamos la complejidad de los bucles anidados.
Aunque la mayor parte de la atención recae en la recopilación, lectura y análisis de datos en el campo de la ciencia de datos, sentirse cómodo con las complejidades del tiempo y el espacio (Big O) puede llevar su conjunto de habilidades al siguiente nivel.
Creo que todo científico de datos debería conocer los conceptos básicos de la notación Big O. Saber cómo se comporta el algoritmo que eligió para implementar una aplicación con diferentes tamaños y formas de conjuntos de datos de entrada puede hacer o deshacer su proyecto.
Algunos algoritmos funcionan perfectamente en conjuntos de datos pequeños, pero fallan en mantenerse al día con conjuntos de datos más grandes. La notación Big O representa una forma sencilla para que los científicos de datos sepan qué esperar del algoritmo y cómo usarlo de manera eficiente.
Los conceptos básicos de Big O son bastante simples y directos, por lo que aprenderlos será mucho más fácil que aprender otros aspectos de la ciencia de datos. Sin embargo, dominarlo requerirá mucha práctica. En el lado positivo, como científico de datos, construyes muchos proyectos, lo que significa muchas oportunidades de perfeccionar tus habilidades de Big O.
La Teoría de la complejidad aplicada a las ciencias informáticas produce novedades verdaderamente disruptivas ( Artículo original en Inglés)
Facebook y Google trabajan juntos
Texas y otros nueve estados norteamericanos demandaron a Google por trabajar junto a Facebook de manera ilegal, al violar las leyes antimonopolio para mejorar su posición dominante en el negocio de la publicidad online.
La demanda acusa a Google de abusar de su posición dominante en el mercado de anuncios digitales. Entre otras prácticas, lo acusa de permitir que sus propios anuncios ganen subastas de anuncios aún cuando otros pujan más alto y favorecer su motor de búsqueda contra posibles competidores.
Además, la demanda establece que Google realizó un acuerdo ilegal con Facebook, con quien compite en la venta de anuncios y captan más de la mitad del mercado mundial. Según publicó The Washington Post , habría habido un acuerdo entre ambas compañías por las cuales Google obtuvo acceso a millones de mensajes de WhatsApp cifrados de extremo a extremo, con fotos, videos y audios.
No es la primera demanda de este tipo que se presenta contra ambas compañías, que ya enfrentan una investigación del Departamento de Justicia junto a once estados por prácticas similares. Hoy, además, podría presentarse una tercera demanda.
Digital economy: Bruselas en pie de guerra con las grandes tecnológicas
Hace un tiempo que Bruselas está buscando la forma de frenar el monopolio de las grandes tecnológicas sin encontrar la mejor forma para lograrlo…..hasta ahora.
La Comisión Europea propuso cargar a los gigantes con la responsabilidad de cuanto difunden, obligándoles a eliminar el contenido que sea ilegal y dando acceso a sus datos a los poderes públicos para comprobar que cumplen con la ley. El Ejecutivo comunitario quiere poner punto y final a que esos gigantes impongan su ley al resto, para lo que se valdrá de multas multimillonarias y, en última instancia, incluso la obligación de vender unidades de negocio.
La Comisión Europea lanzó los proyectos de Ley de Servicios Digitales (DSA, por sus siglas en inglés) y de Mercados Digitales (DMA). Los textos van más allá de ser una mera actualización de la norma de comercio electrónico aprobada en el año 2000. Como prueba, fuentes comunitarias señalan que en las últimas semanas el activismo de los lobbies se ha multiplicado ante la que se erige como una de las normas más estrictas del mundo. Y esas presiones no han hecho más que empezar, puesto que esos reglamentos deben viajar ahora a las capitales y al Parlamento Europeo, donde se prevé una intensa batalla entre los partidarios de endurecer o relajar el control a las grandes tecnológicas. La UE no está sola en esa batalla. El Reino Unido presentó también su ley para poner coto al poder de esas corporaciones.
Las plataformas serán castigadas con multas multimillonarias –que pueden llegar al 6% de su facturación global– en caso de que incumplan con el ejercicio de transparencia que les demanda la Comisión.
Las reglas impulsadas por la vicepresidenta Margrethe Vestager y el comisario Thierry Breton también estipulan que las empresas deben garantizar que el usuario sepa “de forma clara e inequívoca y en tiempo real” si la información que recibe es un anuncio, quién o cuál es la persona o empresa que está detrás de él e “información significativa” sobre “los parámetros utilizados para determinar” el destinatario a quien se muestra el anuncio. El control de que se cumplen las normas recaerá sobre la figura del coordinador nacional de servicios digitales, que será quien acceda a los datos de la plataforma y trabaje en cooperación con el resto de los responsables europeos.
Un alto funcionario comunitario ha destacado que la norma afecta a todas las empresas, si bien las grandes corporaciones –aquellas con al menos 45 millones de usuarios (aproximadamente el 10% de la población europea)– tendrán mayores obligaciones. Entre otras cosas, estarán sometidas anualmente a una auditoría anual independiente. En ella, se les someterá a una evaluación sobre derechos fundamentales, discriminación, libertad de expresión o manipulación para, a continuación, adoptar medidas para mitigarlos, ya sea con códigos de conducta o la moderación de los contenidos.
Bruselas lleva años batallando contra el dominio del mercado de gigantes tecnológicos como Facebook, Google, Apple, Amazon o Microsoft. Por ello, la Comisión Europea ha decidido introducir reglas para los gigantes que sean considerados gatekeepers [actores con control de acceso al mercado], que según Bruselas pueden acabar convirtiéndose en “legisladores privados” dentro del mundo digital.
La propuesta de la Comisión fija que serán consideradas gatekeepers empresas afianzadas que cumplan varios requisitos, como una capitalización de al menos 65.000 millones. Aparte de las cinco empresas antes citadas, AFP estimó que hay otras cinco compañías que entrarían dentro de esa categoría: Booking, Alibaba, Bytedance, Snapchat y Samsung. “No es una propuesta en contra de nadie, sino a favor. A favor de los ciudadanos, la democracia, la innovación y la competencia justa”, afirmó el comisario de Mercado Interior, Thierry Breton.
Otra medida que preocupa a corporaciones como Google es la prohibición de vincular negocios, que ha sido una de las claves para crecer de muchas de esas plataformas. La Comisión prevé un régimen de sanciones que va desde multas económicas del 10% de la facturación global hasta, en el caso de reincidencia, el desmantelamiento de la empresa en Europa mediante desinversiones o la separación de unidades de negocio.
“Nos proponemos que las empresas que operan en Europa puedan competir libre y justamente de forma online del mismo modo que lo hacen offline. Esto es un solo mundo. Debemos poder hacer nuestras compras de una forma segura y creer las noticias que leemos. Porque lo que es ilegal lo es tanto online como offline”, expuso Vestager.
La nota fúe publicada en la edición de Hoy del informe de “TyN Magazine”
El valor del bitcoin viene dándonos sorpresas todos los días. Luego de una estabilidad observada en los días anteriores, hoy muestra un pico pre anunciado.
El precio del bitcoin supera los 20.000 dólares por primera vez este miércoles, minutos después de un informe de ventas minoristas de Estados Unidos sorprendentemente débil suscitara más especulaciones en torno a las agresivas políticas de recuperación de la nueva administración y la Reserva Federal de cara al próximo año.
A las 14:48 horas (CET), la moneda digital más valiosa del mundo cotizaba a 20.283,49 dólares en la bolsa Bitfinex, con un alza del 4,8% en el conjunto de la jornada, según Bloomberg.
Desde principios de año el bitcoin ha subido cerca de un 190%, impulsado por el interés de inversores tradicionales que desconfiaban antes de esta criptomoneda.
Pero el precio empezó realmente a dispararse a fines de octubre por el lanzamiento de un servicio de compra, venta y pago por criptomoneda del gigante de pagos Paypal. Desde entonces esta criptomoneda ha ganado más de un 40%
El bitcoin se había mantenido estable justo por debajo del nivel de 20.000 dólares durante la mayor parte de las últimas tres semanas, ya que el progreso de las vacunas para tratar el Covid-19 mediante el proceso de autorización alentó la creencia de que la recuperación —y con ella un aumento de los rendimientos de las monedas fiduciarias— está pre-programada ya para 2021.
Sin embargo, la propagación del coronavirus en Estados Unidos y Europa ha llevado a medidas de confinamiento más amplias y estrictas, aumentando gradualmente la presión para la implementación de estímulos —algo que los inversores en criptomonedas prefieren llamar desvalorización de divisas.
“La utilización del bitcoin por parte de inversores tradicionales apenas está empezando” advierten los analistas de JPMorgan.
Otros reputados bancos de Wall Street, como Citi, también han empezado a seguir la cotización de la criptomoneda.
Y ya que estamos hablando de economía, una buena para nuestro país.
Tal como lo habían anticipado los análisis privados, durante el tercer trimestre del año, en línea con la flexibilización de los controles a la movilidad y la reapertura progresiva de gran parte de los sectores productivos, la economía del país mostró un rebote significativo en comparación con la variación registrada durante el trimestre anterior, cuando se verificó un desplome de 19,1% interanual en medio la cuarentena estricta.
Así lo confirmó ayer el Instituto Nacional de Estadística y Censos (Indec), que precisó que entre julio y septiembre el Producto Interno Bruto (PIB) presentó una recuperación de 12,8% en relación al trimestre anterior en la medición desestacionalizada. No obstante, la variación tendencia-ciclo respecto al trimestre anterior siguió siendo negativa en 2,7%.
Asimismo, a pesar del rebote intertrimestral, el PIB registró una caída de 10,2% en comparación con el mismo trimestre del año pasado. De esta manera, durante los primeros tres trimestre del año la economía del país acumuló una contracción de 11,8%, según el informe del organismo oficial de estadística.
Según detalló el Indec, de los 16 sectores que conforman el PIB, en 14 de ellos durante el tercer trimestre se observó una caída de su actividad respecto al mismo período del año pasado. En la apertura por el lado de la demanda, se observaron también bajas en todos los componentes en la comparación interanual. En relación al segundo trimestre del año, entre julio y septiembre todos los componentes mostraron un rebote, excepto las exportaciones.
“El dato está dentro de lo esperado, en línea con lo adelantado por el EMAE. Corrige un poco, pero nada que cambie fundamentalmente. Es el trimestre de la reapertura después del ASPO duro y muestra la recuperación desde el décimo subsuelo. Una suba muy fuerte que se dio con la vuelta a la producción de muchos sectores y que al final del período ya no se sostuvo, se desaceleró, como también era esperable”, señaló Gabriel Caamaño, director de la Consultora Ledesma, en diálogo con El Economista.
El especialista agrega que, para ser exactos, la suba fuerte ya había empezado entre mayo y junio, pero en el PIB trimestral recién se refleja en el tercer trimestre. “Lo más preocupante de la variación del tercer trimestre es lo de las exportaciones, que ya lo sabíamos de antemano, que caen en la serie con ajuste estacional. No despegan. Esto es producto de la brecha cambiaria y de las restricciones que rigen actualmente”, destacó.
La consultora LCG indicó en un informe que “la recuperación del tercer trimestre no alcanzó para retornar a los niveles prepandemia, y la actividad cerró 5,3% por debajo del primer trimestre del año (impactado también por el mal desempeño de marzo)”. En ese sentido, señaló que la actividad, que ya venía muy afectada tras dos años consecutivos de caída, se encuentra actualmente en niveles de 2009 y con un PIB per cápita que rondaría niveles de mediados de los años ‘70 para fin de año.
El PIB, hacia adelante
Para el cuarto trimestre del año, Caamaño estima que la recuperación respecto al tercer trimestre continuará desacelerándose y que el ritmo de la caída interanual seguirá reduciéndose, que espera que sea de un dígito. “Por dos razones: continúa recuperándose contra el trimestre anterior y el punto de comparación es menos exigente. El último trimestre del año pasado fue malo”, explicó, y señaló que probablemente 2020 termine con una caída del 11% si no hay correcciones en la serie pasada.
Por su parte, LCG coincide en que espera que el PIB de este año se contraiga alrededor del 11%. No obstante, si bien la contracción más fuerte ya pasó, la consultora no prevé una marcada reactivación en los últimos meses del año, con “un mercado interno aún deprimido y aceleración inflacionaria que podría seguir afectando el poder adquisitivo en un contexto de salarios reales en baja”.
Hacia 2021, LCG proyecta un rebote del PIB superior al 4%, aunque impulsado principalmente por bajas bases de comparación y una actividad operando en niveles mínimos. “Será importante la evolución de los precios, considerando la inercia inflacionaria actual, para consolidar la recuperación del consumo privado”, destacó. “Por el lado de las exportaciones, no esperamos una fuerte tracción, aunque la recuperación de China y un viento a favor en los precios de commodities podrían tener alguna incidencia positiva”, agregó.
(https://eleconomista.com.ar/2020-12-el-pib-per-capita-retrocede-hasta-niveles-de-mediados-de-los-70/)
La recuperación de la actividad y las mejoras reales de la economía Nacional podrían verificarse en los primeros meses del año próximo … Pese al escenario de alta incertidumbre global y dependiendo de la efectividad que resulte de las vacunas que se están desarrollando y comenzando a aplicar, de modo de reducir al máximo el impacto de la pandemia y gradualmente recuperar el nivel de “intercambios” de productos y servicios a lo largo y ancho del planeta y al interior de las economías nacionales y regionales … cosa que no implicaría cambios tan profundos como los que se percibían posibles al comienzo de la crisis sanitaria. Al parecer no se busca cambiar sino hacer las mismas cosas de modos diferentes mediante la imposición de algoritmos digitales y de suplantar para reducir lo presencial de modo digital. Pero esto ya se venía dando en el mundo antes del Covid19.
Daniel Roberto Távora Mac Cormack
Imágenes: Algunas historias son tan interesantes e inspiradoras que merecen ser compartidas.
Uno de ellos es el del artista digital Shimhaq, que hace un tiempo había renunciado al dibujo porque vivía sin inspiración y pensaba que nunca podría evolucionar.
Un día, le pidió prestada una tableta gráfica a un amigo a cambio de sus auriculares. Y fue jugando con ella (y viendo muchos tutoriales) que se descubrió a sí mismo como un artista digital, creando hermosos dibujos.
Prueba de que, aunque hoy te sientas sin motivación e inspiración, ¡todavía hay esperanza!
Comentarios
Publicar un comentario