Felipe Roldán F

Economist | Master's student in applied economics @UnivalleCol. Curiosity for econometrics, macroeconomics, monetary policy and its comunication.

[Banco República 🇨🇴 @BancoRepublica]

El #BorradorDeEconomía muestra que los modelos LLM (GPT-4º y Gemini 2.5 Pro) generan mejores pronósticos de inflación cuando, además de los datos históricos, incorporan información sobre lo que está ocurriendo en la economía en tiempo real. Al combinar gradualmente más datos, contexto económico y eventos recientes, las proyecciones se vuelven más realistas, consistentes y alineadas con la realidad económica en tiempo real.

Consulte el documento completo 👉 https://t.co/uxwHz4P6Q7

[Andrea Otero @acocotero]

Junto con el creador del Curso de Banca Central, @japuneco79, les queremos contar a los estudiantes de economía sobre cuáles son esas ideas de Hall y Woodford, que hoy ganaron el Nobel de Economía, que se enseñan en el Curso de Banca Central del Banco de la República. 🏅 1/8

[Julián Parra-Polanía @japuneco79]

¡COLOMBIA ESTÁ ENVEJECIENDO!
¿Cómo debemos prepararnos económicamente?

!Evento presencial!
Próximo miércoles (14 de octubre), 9:00 a.m.
Centro de Eventos - Biblioteca Luis Ángel Arango
Entrada Libre (con inscripción previa)

[Felipe Roldán F @Felo_1509]

@Juan_DavidG15 ❌

[Felipe Roldán F @Felo_1509]

@jjramirez_429 Que tusa tan hp 😔

[Julián Parra-Polanía @japuneco79]

New article published in the LATINAER journal!
With @Felo_1509, we combine Random Forests + Google Trends to nowcast monthly inflation in Colombia. Our model matches professional forecasts while generating estimates about 1.5 weeks earlier.
Open access 👇https://t.co/X8Sc0mJKfh

[Federico Forte @FedeeForte]

TIPS PARA HACER PRONÓSTICOS MACROECONÓMICOS
Se me ocurrió que podía ser útil una pequeña guía de consejos para aquellos que estén empezando a trabajar en esto (y tal vez para los que tienen alguna experiencia también). Son cosas que quizás están en los libros y quizás no, pero que considero útiles para el oficio y las aprendí de mi experiencia personal (hace 15 años que hago estas cosas). No son “reglas” ni ahí, pero sí consejos:
1- No enloquecerse por predecir perfectamente bien la muestra sobre la que estás estimando el modelo. Hay que concentrarse en minimizar el error de pronóstico FUERA de muestra. Si estimas muy bien la muestra, corres riesgo de sobreajustarte a esos datos y perder capacidad predictiva/de generalización.
2- Intentar que el modelo sea lo más parsimonioso posible. Usar la menor cantidad de variables que sean necesarias para captar adecuadamente lo que buscas predecir. Cuántas más variables se agreguen, se corre riesgo de meter solo ruido y poca información valiosa (y a la vez hacer más tedioso el proceso de estimación e inferencia).
2bis- Hay técnicas de aprendizaje automático (machine learning) y econométricas tradicionales que ayudan a achicar/jerarquizar el número de variables relevantes y separar el ruido de lo que no lo es, pero también existe la necesidad de tener cierto criterio experto/marco teórico que el pronosticador debe usar para terminar de decidir qué queda afuera y qué no.
3- Si te interesa pronosticar una variable que tiene “sub-componentes”, recomiendo pronosticar el agregado primero, no pronosticar las partes y después sumarlas. Si se pronostica cada parte y luego las sumas, estarás sumando los errores de pronóstico de cada sub-componente. Por ejemplo, si queres predecir el PIB, comenzaría primero por pronosticar el agregado, y en todo caso luego hacer los subcomponentes por otra parte y al final chequear consistencia entre los dos ejercicios. En general, es más preciso pronosticar derecho el agregado.
4- No todo modelo es un martillo y no todo pronóstico es un clavo. En general, se usan técnicas distintas para pronosticar a corto plazo y a largo plazo, o a distintas frecuencias temporales (diaria, mensual, trimestral, anual). Necesitas distintas herramientas. Y siempre salen nuevas, es importante mantenerse actualizado. Aunque es verdad también que "lo viejo funciona" dentro de todo bien.
5- Siempre chequear/limpiar estacionalidad de las variables, fundamentalmente cuando las variables que incluis en el modelo tienen patrones estacionales distintos (casi siempre).
6- Los modelos pifian, obviamente, pero deben pifiar en promedio tanto por arriba como por abajo. Si siempre sobre(sub)estiman para el mismo lado, entonces el modelo tiene un sesgo (y se debería corregir).
7- La vida cambia, los modelos cambian. Cuando cambia el entorno, es altamente probable que los parámetros del modelo que tanto te costó calcular queden obsoletos, por lo que es necesario re-estimarlo cada cierto tiempo o cuando hay grandes cambios de contextos. Las elasticidades/relaciones entre variables no son completamente estáticas ni están escritas en piedra.
Espero que sean útiles estos consejos. Si se les ocurre alguna otra cosa valiosa escríbanme.

[Robert Youssef @rryssf]

MIT researchers just mass-published evidence that the next paradigm after reasoning models isn't bigger context windows ☠️

Recursive Language Models (RLMs) let the model write code to examine, decompose, and recursively call itself over its own input.

the results are genuinely wild. here's the full breakdown:

[@mrajiabdulwasiu, Ph.D @mrajiabdulwasiu]

What Makes a PhD Degree Harder and Different From Other Degrees (Bachelor’s, Master’s, etc.).

People often say a PhD is “just more school.” In reality, it is a different type of training. The main difference is this: as you move from high school to university and then to graduate school, you take more ownership of what you are doing. By the time you reach a PhD, you are expected to lead the work, not simply follow instructions.

1. In high school, learning is mostly about following a clear path. You take the classes you are told to take, study what you are given, and reproduce it in tests. A bachelor’s degree is similar, but with more choice and complexity. You choose courses that meet requirements, learn more advanced ideas, and show your understanding in exams and essays. You also learn how to work with others, manage deadlines, and complete projects. The tasks are challenging, but the destination is usually clear: study the material, meet the assessment criteria, and graduate.

2. In a terminal professional master’s degree, like an MBA, the workload and pressure increases. You may have many assignments, group projects, presentations, and tight timelines. It can be intense, but the goals are still structured. You are usually applying known tools to known problems, such as using finance concepts to evaluate a company or using strategy frameworks to make a business plan.

3. A research-based master’s degree moves closer to a PhD. You still take some classes, but you focus on writing a thesis based on an original idea or an extension of someone else’s idea. For example, you might test an existing method on a new dataset, improve a laboratory procedure, or examine a problem in a new location. You are learning research skills, but the scope is often smaller and more guided.

4. A PhD goes further. You must research something new and make an original contribution to your field. This is hard because “new” is not always obvious. You may read many papers and still feel unsure about what has not been done. You also write a lot, revise a lot, and defend your choices. In many programs, you must also demonstrate mastery of the field through rigorous qualifying or comprehensive exams (US and Canada model) before you can fully focus on the dissertation.

One of the hardest parts of the PhD is that your supervisor cannot answer every key question for you. At some point, the conversation changes from “Here is what to do” to “What do you think?” That can feel uncomfortable because it places responsibility on you. Remember, in earlier degrees, you are rewarded for correct answers. In a PhD, you are rewarded for asking good questions, building a logical argument, and showing why your contribution matters.

A simple example is cooking. In early learning, you follow a recipe step by step. In a master’s programme, you might improve the recipe by reducing sugar or changing the cooking time. In a PhD, you are expected to create a new recipe, explain why it works, and show that it fills a real need. That combination of independence, uncertainty, and the demand for meaningful originality is what makes a PhD degree harder and fundamentally different from other degrees.

I trust you are better informed now.

[Felipe Roldán F @Felo_1509]

@wsosaescudero A la expectativa de otra gran obra del maestro Sosa 🥳

[Julián Parra-Polanía @japuneco79]

Para estudiantes de Economía y público interesado: el viernes de la próxima semana (10 a.m.) estaremos con @acocotero presentando Notas de Política Monetaria y Banca Central en la Feria Internacional del Libro de Cali (Bulevar del Río). ¡Evento abierto al público, pasen la voz!

[Felipe Roldán F @Felo_1509]

Después de mucho trabajo y dedicarle, nacen los frutos. Es un placer compartirles este trabajo que desarrollamos con @japuneco79; denle una mirada 🤓🥳🥳

[Banco República 🇨🇴 @BancoRepublica]

Ya está disponible el #BorradorDeEconomía, este trabajo propone la construcción de un indicador simple para hacer pronósticos de muy corto plazo (lo que se conoce también como nowcasting) de la inflación mensual en Colombia.

Consulte el documento 👉 https://t.co/1zOzRvJ5mw

[Felipe Roldán F @Felo_1509]

📢 New paper with my colleague and mentor @japuneco79!

We nowcast 🇨🇴 inflation using GT + Random Forests. Our model beats traditional models & provides nowcasts 1.5 weeks earlier.

📈 Shows the value of alt-data & ML in emerging economies.

#Nowcasting

https://t.co/MJ9NaySEa4

[Felipe Roldán F @Felo_1509]

@lissrot 0 dudas, el mejor!

[Felipe Roldán F @Felo_1509]

@Juan_DavidG15 Hablele bonito y verá que funciona.

[Felipe Roldán F @Felo_1509]

@Juansv16th Qué prompt usaste ?

[Felipe Roldán F @Felo_1509]

Luego de un año y medio de duro trabajo, concluye un capítulo maravilloso en mi vida académica y que mejor forma de concluir que con una mención meritoria en trabajo de grado. No tengo palabras para agradecer a mi tutor @japuneco79, su apoyo y compromiso fue clave para lograrlo🥳

[Socioeconomía UV @UVsocioeconomia]

La Coordinación del Programa de Maestría en Economía Aplicada, hace extensiva la invitación a la Sustentación del Trabajo de Investigación del estudiante Felipe Roldán Ferrín.

Detalles del evento:

🔗 Ingresa a la sesión aquí: https://t.co/yyOAdQdSIP

#UnivalleEsParaTi

[Felipe Roldán F @Felo_1509]

@Juansv16th Simplemente ZambraGod

[Banco República 🇨🇴 @BancoRepublica]

Los Boletines Económicos Regionales #BER contienen información de la actividad económica de ocho regiones del país: Bogotá, Centro, Costa Caribe, Eje Cafetero, Noroccidente, Nororiente, Suroccidente y Suroriente.

Boletines del II trimestre de 2024 👉 https://t.co/Al5uPFtwiX