Es de conocimiento general que los economistas, financistas e incluso el público en general tienden a evaluar con cierto grado de escepticismo las proyecciones de variables macroeconómicas. Dentro de las fuentes locales comunes, se encuentran los informes económicos del Banco Central, los del Ministerio de Planificación y Economía y los de economistas independientes. Sin embargo, estos son generalmente publicados dentro de textos y formatos limitantes a la automatización de consulta y actualizaciones.
Una alternativa eficiente y confiable sería utilizar los datos del Fondo Monetario Internacional que son publicados a través del World Economic Outlook (WEO) en formato SDMX en donde se encuentran proyecciones de las principales variables económicas hasta el 2025.
Estos datos son publicados y actualizados dos veces al año. En octubre y en abril. Además, si se desean evaluar las proyecciones anteriores de las variables estudiadas se pueden consultar en este enlace.
Este conjunto de datos está estandarizados bajo el formato SDMX y posee un listado de códigos que puede ser consultado aquí.
Para la República Dominicana el WEO provee 31 indicadores económicos distintos para los que se tienen proyecciones al 2025.
Algunos de estos son:
- Crecimiento real del PIB
- Inflación
- Deuda bruta como porcentaje del PIB y en moneda nacional
- Deuda neta como porcentaje del PIB y en moneda nacional
- Exportaciones/Importaciones en moneda nacional
- Déficit corriente
Para consultar los datos, primero llamamos a la base de datos del World Economic Outlook en formato SDMX que se encuentra colgadas en un zip file en el link utilizado debajo.
1
2
3
4
5
6
7
8
9
10
11
12
pacman::p_load(readsdmx,readxl,tidyverse, scales,
data.table, stringr, lubridate, zoo,
parsedate,httr,readxl,rsdmx, utils)
tf <- tempfile(tmpdir = tdir <- tempdir())
download.file("https://www.imf.org/~/media/Files/Publications/WEO/WEO-Database/2020/02/weooct2020-sdmxdata.ashx", tf)
sdmx_files <- unzip(tf, exdir = tdir)
sdmx <- readSDMX(sdmx_files[1], isURL = FALSE)
stats <- as.data.frame(sdmx) #Esto puede durar algunos minutos
View(stats)
Esta base de datos se compone de 480,792 registros y 13 columnas. De donde existen datos para 208 países o grupos de países, por ejemplo, economías avanzadas, Latinoamerica y el Caribe, Economías Emergentes, etc.
En este conjunto de datos, las variables más importante son REF_AREA y CONCEPT que hacen referencia a los países o grupos de países y a las definiciones de las variables, respectivamente.
Para obtener las definiciones de estas referencias consultamos la lista de códigos provista por el FMI en formato Excel, hacemos algunas transformaciones y cruzamos las descripciones con la base de datos grande.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
## Descargamos la base con los codelist que nos permitirán traducir los códigos, esta viene en excel
CodelistsFMIURL <- "https://www.imf.org/~/media/Files/Publications/WEO/WEO-Database/2020/02/weooct2020-sdmxdsd.ashx"
GET(CodelistsFMIURL, write_disk(tf <- tempfile(fileext = ".xlsx")))
##Consultamos las hojas de los excel con la informacion
CodelistRefArea <- read_excel(tf, sheet = "REF_AREA")
CodelistCONCEPT <- read_excel(tf, sheet = "CONCEPT")
##Limpiamos un poco los excel para cruzar la información
##Para el codelist de ubicaciones de Referencia
CodelistRefArea <- CodelistRefArea[8:nrow(CodelistRefArea),]
colnames(CodelistRefArea) <- c("REF_AREA", "PAISoGRUPO")
##Para el codelist de las variables
CodelistCONCEPT <- CodelistCONCEPT[8:155, 1:2]
colnames(CodelistCONCEPT) <- c("CONCEPT", "INDICADOR")
Unimos las descripciones con la base grande.
1
2
stats <- left_join(stats, CodelistCONCEPT, by="CONCEPT")
stats <- left_join(stats, CodelistRefArea, by="REF_AREA")
Listo. Ya tenemos la base completa con las descripciones. Consultemos algunos indicadores para la República Dominicana.
1
2
3
4
5
6
RepublicaDominicana <- stats %>%
filter(REF_AREA=="243" #Codigo de referencia de RD
& CONCEPT %in% c("GGXWDG_NGDP", #Deuda bruta como %del PIB
"GGR_NGDP", #Ingresos del gobierno como % del PIB
"GGX_NGDP") #Gastos del gobierno como % del PIB
& OBS_VALUE !="n/a") #Los valores nulos en este formato son n/a
Como podemos ver, es bastante conveniente consultar simultáneamente las proyecciones de varios indicadores económicos si deseamos crear un aplicativo que consuma la información o la creación de una base de datos.