Posts Conectarse Eficientemente a las Estadísticas Generadas por el Banco Central de la República Dominicana (SDMX)
Post
Cancel

Conectarse Eficientemente a las Estadísticas Generadas por el Banco Central de la República Dominicana (SDMX)

Las estadísticas económicas publicadas por el Banco Central de la República Dominicana (BCRD) son de los datos más demandado y utilizados por economistas, investigadores, empresas, bancos, etc. Estas son publicadas a través de la página web del BCRD en formato Excel.

Si se desea desarrollar un servicio con estos datos con los fines de crear una base de datos o un aplicativo, leer los archivos Excel se hace bastante complejo debido al diseño de los mismos.

Por suerte, el BCRD está adherido a los estándares de publicación del Enhanced General Data Dissemination System (e-GDDS) promovido por el Fondo Monetario Internacional. Los datos publicados se encuentran en el formato Statistical Data and Metadata eXchange (SDMX) y pueden ser accedidos en el National Summary Data Page (NSDP) que esta colgado en la página web del BCRD, que también está diseñada de acuerdo a este mismo estándar . Bajo este estándar, los datos se actualizan con la misma frecuencia que los excel públicos y el calendario de publicación del Banco Central.

Lo bueno es que como es un estándar mundial, los indicadores económicos pueden ser cruzados con los de otros países, la información está adherida a buenos estándares de calidad y tiene buena documentación.

Por otra parte, el BCRD tiene una API que pudiera ser más oportuna, pero para lograr esta conexión se debe enviar una comunicación directa a las autoridades.

A continuación se comparte un breve tutorial en R para acceder a los datos de cuentas nacionales utilizando el paquete readsdmx, en el caso de python se puede utilizar la libreria pandaSDMX.

INDICATOR es la variable más importante de este set y debe ser definida cruzando con las definiciones de los indicadores provistas por el FMI. Los codelists de cada conjunto de datos se encuentra en el siguiente link.

Desktop View

Del conjunto de datos consultados existen 83 indicadores, de los que se tiene información histórica en diferentes periodicidades.

1
2
length(levels(as.factor(CuentasNacionales$INDICATOR)))
> 83

Luego de haber identificado las descripciones de los indicadores con los mencionados codelists consultamos al PIB real codificado como NGDP_R_XDC y graficamos.

1
2
3
4
5
6
7
8
9
10
11
12
grafico <- CuentasNacionales%>% filter(INDICATOR=="NGDP_R_XDC")
#Sustraemos el año de la variable TIME_PERIOD
grafico$ANO <- substr(grafico$TIME_PERIOD, 1,4)
#Agrupamos los datos
grafico <- grafico %>% filter(ANO>2000) %>%
  select(ANO, OBS_VALUE) %>% group_by(ANO) %>% summarise(PIB= mean(as.numeric(OBS_VALUE)))
#Graficamos
ggplot(data=grafico, aes(x=ANO,
                         y=as.numeric(PIB), group=1)) +
  geom_line() + 
  ggtitle("Producto Interno Bruto \n Índices de volumen encadenados, referenciados al año 2007 (Promedio Anual)") +
  ylab("PIB") + xlab("Año")

Desktop View

El indicador consultado vendría siendo el excel equivalente compartido aquí.

Desktop View

Como podemos ver, es bastante conveniente consultar la información a través de un estándar de formato abierto ya que permite la automatización efectiva de cualquier tarea que involucre la consulta de las estadísticas económicas del BCRD.

This post is licensed under CC BY 4.0 by the author.