Escribe tu primer paper de economía

¡Felicidades! Has decidido entrar en el mundo de los datos. Seguramente estás muy emocionada(o) y con muchas ganas de aprender. Pero probablemente en ocasiones también te sientas abrumada(o) al ver tantas opciones de lenguajes de programación y entornos de trabajo. Lo sé, así me he sentido antes.

Este post es tu guía de entornos de trabajo, independientemente del lenguaje de programación que elijas, que sobre ese tema hablamos un poco más adelante.

Navegador vs Local

La primera decisión que debes de tomar es si vas a trabajar en un entorno local o vas a usar tu navegador con algún servicio que te ayude a correr el código en la nube.

Si estás empezando, entonces la respuesta es sencilla: comienza en un entorno desde el navegador. Yo personalmente te recomiendo Google Colab, donde puedes usar un notebook en la nube que corre Python.

Una gran ventaja que tiene esta opción es que no necesitas abrumarte en un inicio con conocer cómo funcionan los módulos o en entender sobre entornos virtuales ni nada de eso. Simplemente comienzas a escribir y cómo magia empiezas a ver los resultados. Últimamente he estado utilizando mucho esta opción para enseñar estos temas, con muy buenos resultados.

Por otro lado, si ya tienes un poco más de experiencia, puedes comenzar a probar descargar el lenguaje en tu computadora y trabajar en un entorno local. Si trabajas en R, generalmente es buena idea usar RStudio para complementar el ambiente de desarrollo, pues este permite trabajar de una manera muy dinámica y experimentar con los resultados de un script conforme lo vas creando. Como veremos más adelante, esto es algo que es muy deseable en un ambiente de experimentación.

¿Qué sistema operativo necesito?

En realidad, cualquier sistema operativo es bueno para trabajar en ciencia de datos, pero si tu quieres llegar a un nivel profesional, los ambientes preferidos son los ambientes basados en Unix: Linux o Mac.

La razón principal de esto es la terminal, que es el mismo sistema en ambos casos. Antes esto era un problema para quienes usaban Windows, problema que encontró solución con WSL, que permite usar la consola de manera natural.

La consola es importante porque muchos paquetes, lenguajes y sub-sistemas operan desde esta. Si quieres llegar a un nivel alto en tu camino como científica o científico de datos, es necesario que aprendas a usar la terminal. Esto lo veremos en posts futuros.

¿Por donde empiezo?

Ahora que hemos identificado los sistemas operativos y algunos entornos, hablemos sobre cómo comenzar. En esta sección hablaremos de los lenguajes de programación, pero también este tema lo tocaremos con más profundidad en publicaciones posteriores

¿Qué lenguage de programación es mejor?

Nuevamente, te tengo que decepcionar y no te podré dar una única respuesta definitiva. En cambio, te daré algunas opciones que podrían ser útiles para ti según tu perfil y objetivos a largo plazo.

• R. Uno de los mejores lenguajes para trabajar ciencia de datos es R. R fue creado especialmente para trabajar con estadística y trabaja muy bien con bases de datos. También tiene acceso a librerías especializadas en el área que permiten aplicar los modelos más nuevos inmediatamente. Si alguna librería no está en el CRAN (el catálogo oficial de librerías para R) puedes descargarlas de algún repositorio de GitHub sin problemas. Otra de las ventajas que tiene R son sus paqueterías para visualización nativas, que en mi opinión son muy superiores a las disponibles en casi todos los lenguajes. Una desventaja de R es que no es muy escalable ni se integra de una manera sencilla con procesos automatizados de análisis.
• Python. Este es sin duda uno de los lenguajes de mayor crecimiento en los últimos años. Al igual que R, Python es open source y tiene librerías fantásticas especializadas en el análisis y visualización de datos. Una de las mayores ventajas de Python es que es un lenguaje general con el que se puede hacer muchas cosas además de ciencia de datos. Por ejemplo, es posible hacer una API con Flask o Django que se integre con el análisis de datos.
• SQL. Independientemente de los lenguajes anteriores, siempre es buena idea tener bases sólidas de las estructuras de bases de datos. Esto incluye el uso de bases de datos relacionales como SQL. Si tus proyectos son más grandes y requieren de uso de Big Data, probablemente ahí se tenga que llegar a bases de datos en grafos o NoSQL.

Notebooks

En 2001, Fernando Pérez, un físico, programador y promotor del software libre sacó al público una innovación que cambiaría la forma de trabajar datos para siempre.

Uno de los problemas de los scripts de código es que el análisis de datos requiere de mucha experimentación. Los scripts generalmente se suelen correr completos, pero en ocasiones sólo necesitas correr pequeños bloques de código.

Para esto IPython y las notebooks son una solución que permiten correr bloques del lenguaje de manera interactiva. El proyecto ha evolucionado a libretas de Jupyter, que permiten hacer justamente eso en un ciclo REPL (Read Evaluate Print Loop).

Comienza tu camino en la ciencia de datos

Has aprendido las bases y ahora tienes las herramientas para comenzar a trabajar en tu entorno de ciencia de datos. Comienza hoy mismo a realizar tu primer proyecto de ciencia de datos y cuéntame cómo te fue.

En mayo de 2021 comenzó el brote de una nueva variante del virus Sars-Cov-2. El nombre de la variante Delta penetró tanto en nuestras mentes que la aerolínea con el mismo nombre evitaba a toda costa usar ese nombre para evitar asociaciones con su marca.

La variante Delta desplazó de inmediato al resto de variantes del virus, dominando por completo la pandemia. Se consideraba un evento de baja probabilidad que otra sepa tomara el control en adelante, por lo eficiente que era Delta. Pero en eso llega la variante Omicron.

¿Que es la variante Omicron?

La variante Ómicron es la quinta variante de preocupación que la Organización Mundial de la Salud (OMS) designa. Las variantes de preocupación se designan ya sea porque tienen mayor capacidad de contagio o porque resultan en síntomas más severos.

En el caso de ómicron, se considera de preocupación por presentar mutaciones que jamás habían sido observadas con anterioridad, con más de 30 solamente en la espícula (La proteína pico que ayuda al virus a volverse contagioso).

¿Que significa todo esto?

Profundicemos un poco para poder pensar en las posibles implicaciones de esta nueva variante. Hay muy pocas certezas hasta el momento, pero sabemos que esta variante fue encontrada en Sudáfrica, que es muy diferente a las demás y que se puede aún detectar con las pruebas PCR disponibles en la actualidad para detectar las otras variantes del coronavirus.

No sabemos aún si las vacunas serán efectivas contra esta nueva variante. Sudáfrica tiene una tasa muy baja de vacunación, por lo que la distribución de esta variante en este país podría deberse a esto. En cualquier caso, la vacunación se vuelve aún más un asunto de urgencia en el mundo.

Efectos en los mercados

Hubo una fuerte caída en todas las bolsas de valores en el mundo debido a las noticias relacionadas a esta nueva variante. Los sectores de energía, las empresas y los FTEs, entre tantos, tuvieron un Black Friday de rebajas catastróficas. Incluso las criptomonedas sufrieron una fuerte caída hoy. Aún es muy pronto para determinar si estos efectos son a largo plazo o si el mercado se recuperará. Todo depende de la información que surja respecto a esta nueva variante y sus posibles efectos a nivel de contagio o de severidad.

Mientras tanto, las empresas que si se espera que sigan subiendo serían las encargadas de la producción de vacunas. Moderna, Pfizer y todas las empresas que están involucradas en los procesos de vacuna presentaron un alza importante y seguirán creciendo mientras se mantenga la incertidumbre.

¿Por qué se llama Omicron?

Oficialmente, la variante se llama B.1.1.529, pero les fueron designadas conforme al alfabeto griego para permitir que se pueda comunicar y discutir por medios y perfiles no-técnicos. Muchos suponían que esta nueva variante sería nombrada Nu ($\nu$), sin embargo, la OMS decidió nombrar a la variante “Omicron” ($\omicron$) saltándose la letra nu y xi ($\xi$). Algunos especulan que esta decisión es para evitar confusión con la palabra New (nueva en inglés) y Xi podría ser para evitar una relación con el nombre del presidente Chino Xi Jinpin.

Desde que entré al Doctorado en 2014 empecé a poner atención en los ganadores del premio Nobel. Parte del interés entre mis compañeros era ver quien ya conocía lo que había escrito el galardonado del año. Otra parte es que da la sensación de ser algo parecido a los Óscares o algún otro premio de alfombra roja con el que me podía sentir un poco más identificado.

Cuando empecé a dar clases empecé a dar una sesión especial en la semana en la que se nombraba al Nobel de Economía. Ahí aclaraba algunas dudas sobre cómo funcionaba el Nobel y además preparaba una clase para enseñar sobre el trabajo de los ganadores.

Igual que con los Óscar, me gusta especular sobre quienes ganarán esta prestigiosa presea, así que te voy a dejar mis predicciones para los ganadores de este año.

En primer lugar postulo a Claudia Goldin, por su monumental trabajo en témas de género. Creo que este Nobel tendrá que pasar algún día y espero que este sea el año que tengamos a la tercera mujer en ganar el Nobel de Economía: sería apropiado con la discusión actual y daría una buena señal a las mujeres economistas para que vean en esta profesión una opción viable.

En segundo lugar tengo a Angrist y Card. Hay quienes mencionan en el stack a Pischke, pero me gustó lo que sugirió Scott Cunninghamm sobre dejar el espacio libre para Alan Krueger, como una especie de silla vacía en su honor. Esto, o que cambien las reglas y le den de una vez un premio póstumo.

Hasta 2016, había una broma de que Leonardo DiCaprio siempre estaba nominado, pero nunca ganaba un Óscar. En ese año, ganó premio por su actuación en The Revenant y el chiste se terminó, pero yo sigo llamándole DiCaprio a las situaciones similares.

El DiCaprio de Los economistas a mi parecer es Daron Acemoglu. Probablemente su trabajo más influyente es el relacionado a la influencia de las instituciones en el crecimiento económico. Muchos lo conocen únicamente por eso, pues se ve reflejado en su libro Why nations fail, pero Acemoglu tiene muchísimo trabajo en otras áreas, como la influencia de la inteligencia Artificial en el mercado laboral.

El año pasado, siendo un año tan fuerte y controversial en muchos aspectos, le dieron el Nobel a un área que no generó mayores controversias, como es el diseño de subastas. Pero este año si tiene espacio para un poco más de controversia, me parece.

Otro posible candidato podría ser Susan Athey. Creo que su uso de Machine Learning es suficientemente innovador y está para quedarse.

¿Quién me falta incluir en la quiniela? ¿A quién incluirían en esta lista? También me llama la atención saber si tal vez hay autores hispanohablantes que valga la pena mencionar.

Sistemas Complejos

Por lo pronto, el premio de Física ya se otorgó a los sistemas complejos. Algo interesante es que Giorgio Parisi es también muy conocido por su trabajo en mecánica cuántica. En particular el modelo DGLAP (la P es por Parisi. De verdad).

Los sistemas complejos son súper útiles y extremadamente interesante. Por lo que he visto de conversación entre físicos, había algunos que no consideraban al área como física de verdad. Es buena noticia que este Nobel le de validez dentro del área a estos modelos.

Otro aspecto positivo es que también pone en la agenda al estudio de los efectos a largo plazo en el clima, algo que sin duda vale la pena mantener en la mente.

La próxima semana hablaremos sobre la/las ganadoras(es). Así que no olvides suscribirte, si no lo has hecho aún.