🇪🇸 Español · 🇬🇧 English

puremacro

Macroeconometría y modelos estructurales sobre el núcleo científico de Python.

¿Qué es puremacro?

Flujos de investigación: evidencia independiente y estimación estructural.

puremacro reúne estimadores econométricos y modelos macroeconómicos cuantitativos sobre NumPy, SciPy, pandas y Matplotlib, sin extensiones compiladas propias. El destino soportado es una instalación local en una estación de trabajo. El núcleo numérico también funciona bajo Pyodide / WebAssembly; los flujos en navegadores y tabletas tienen soporte limitado por los formatos de archivo, el acceso a la red y la capacidad de cómputo. Consulte la guía de ejecución y el estado de validación estructural para conocer el alcance de la evidencia.

Subsistemas Clave

Modelos DSGE Estructurales y Paridad con Dynare (3.0 – 3.2):
Analizador Nativo de Archivos .mod de Dynare y CLI puremacro-dynare: Carga y resolución de archivos .mod estándar directamente en Python puro.
Recursiones Analíticas Exactas del Gradiente (Score): Diferenciación simbólica sobre el AST y solucionador generalizado de Sylvester que evalúa \(\nabla_\theta \ln L\) en una sola pasada hacia adelante sin diferencias finitas.
HMC y NUTS en Python Puro: Monte Carlo Hamiltoniano con adaptación dual averaging de tamaño de paso, adaptación de masa diagonal y diagnósticos de convergencia \(\hat{R}\) normalizados por rangos.
Política Discrecional Óptima vs Compromiso: Iteraciones matriciales de Riccati de Dennis (2007) para política discrecional perfecta en el sentido de Markov frente a compromiso en perspectiva atemporal, descomponiendo los sesgos de inflación y estabilización.
Modelado Híbrido DSGE-VAR: Optimización de previas e identificación estructural DSGE-VAR(\(\lambda\)) de Del Negro y Schorfheide (2004).
Choques Anticipados de Noticias: Aumento del espacio de estados con operadores nilpotentes que preservan la determinancia de Blanchard-Kahn.
Filtrado No Lineal de Partículas y MS-DSGE: Filtros de partículas bootstrap y auxiliares con volatilidad estocástica, OccBin diferenciable para NUTS y soluciones racionales con cambio de régimen de Markov de Foerster et al. (2016) con GIRFs analíticas cerradas.
Perturbación Podada de Segundo Orden y OccBin: Derivadas cruzadas de Schmitt-Grohé y Uribe (2004) con poda de Kim et al. (2008), y algoritmo lineal por partes de Guerrieri e Iacoviello (2015) para límites inferiores cero (ZLB).
Modelos de Agentes Heterogéneos (HANK y VFI):
HANK en el Espacio de Secuencias (Auclert, Bardóczy, Rognlie y Straub 2021, Econometrica): Modelos de equilibrio general con mercados incompletos resueltos en \(\mathcal{O}(T^3)\).
Algoritmo de Noticias Falsas (Fake News): Cálculo acelerado \(\mathcal{O}(T^2)\) de jacobianos de consumo en el espacio de secuencias mediante vectores de expectativa e identidades de acumulación.
Puente HANK en Espacio de Secuencias: Declaración directa del bloque hetagent_block en archivos .mod estándar de Dynare.
Transferencias Fiscales Focalizadas: Respuestas dinámicas de consumo y multiplicadores acumulados por deciles de riqueza.
HJB en Tiempo Continuo: Esquemas implícitos de M-matriz upwind en diferencias finitas de Achdou et al. (2022), la ecuación de Kolmogorov hacia adelante adjunta para la densidad estacionaria y el equilibrio general de Aiyagari en tiempo continuo.
Motores Econométricos y Proyecciones Locales:
LPResult Unificado: Proyecciones locales estandarizadas (lp_hac, lp_iv, lp_state_dep, panel_lp) con errores estándar Newey-West HAC, fixed-\(b\) y Driscoll-Kraay.
SVAR y FAVAR: Cholesky, Blanchard-Quah, restricciones de signo, restricciones narrativas de signo, instrumentos externos/proxy, max-share/noticias y VAR aumentado por factores.
Diferencias en Diferencias Modernas: Estimadores con adopción escalonada robustos a heterogeneidad en el tratamiento (Callaway y Sant'Anna, Sun y Abraham, Borusyak-Jaravel-Spiess, SDID, Honest DiD).
Econometría Espacial y VAR Global: Errores estándar Conley HAC, modelos autorregresivos espaciales (sar, sem, sdm), proyecciones locales espaciales y VAR Global de Pesaran (var.gvar).
Suites de Política Macroeconómica Aplicada (puremacro 3.2):
Postura Monetaria y Gráficos de Abanico: Evaluación de la postura monetaria en tiempo real frente a reglas de Taylor contrafactuales, proyecciones en abanico y sentimiento textual en comunicados de bancos centrales (Guía).
Nowcasting en Tiempo Real y Descomposición de Noticias: Modelos de factores dinámicos (DFM) de frecuencia mixta (Giannone, Reichlin y Small), tratamiento de extremos irregulares (ragged edges) y atribución de sorpresas de datos (Guía).
Riesgo Macroprudencial y Estabilidad Financiera: Densidades condicionales skew-\(t\) de Growth-at-Risk (GaR) y redes de desbordamiento de riesgo sistémico de Diebold-Yilmaz (Guía).
Política Fiscal y DSA Soberano: Multiplicadores fiscales trimétodo y análisis estocástico de sostenibilidad de la deuda pública ante escenarios de estrés macroeconómico y climático.
Ecosistema de Datos Globales y Paneles Modulares (puremacro 3.2):
Emisiones y Datos Climáticos: Cuentas de emisiones y gases de efecto invernadero del Banco Mundial WDI y la OCDE SDMX a nivel internacional y sectorial (Guía).
Balances Energéticos y Materias Primas: Consumo de energía primaria, cuotas de generación limpia y suites ampliadas de precios de materias primas del Pink Sheet del Banco Mundial (Guía).
Estabilidad Financiera Internacional: Curvas de rendimiento soberano (10Y/2Y), tasas de política monetaria, brechas de crédito del BPI (BIS) y precios reales de vivienda (Guía).
Constructores Modulares de Paneles: Funciones de alto nivel build_climate_panel y build_financial_panel con armonización temporal automatizada (M\(\to\)Q, A\(\to\)Q).
ML Causal, Agentes Heterogéneos en Tiempo Continuo y Tiempo Real Regional (puremacro 3.4):
Aprendizaje Automático Doble / Desesgado: Regresión parcialmente lineal de Chernozhukov et al. (2018) con puntajes ortogonales de Neyman-Robinson, validación cruzada por \(K\) bloques y aprendices penalizados en NumPy puro: únicamente lasso y ridge, sin red elástica.
HJB Implícito, KFE Adjunta y EG de Aiyagari Continuo: Iteración de política sobre una M-matriz dispersa, una densidad estacionaria normalizada con pesos de cuadratura trapezoidal que integra a uno también en mallas no uniformes, y un bucle de equilibrio general cuyo indicador converged significa \(|K^s - K^d| \le\) tol_ge.
OccBin Multirrestricción: \(M \ge 2\) restricciones ocasionalmente activas simultáneas, con máscara de bits de régimen (el bit \(k\) se activa cuando la restricción \(k\) está activa) y no convergencia reportada como converged=False más una advertencia que nombra cada motivo (Guía).
Inferencia con Instrumentos Débiles de Montiel Olea-Pflueger: Valores críticos del estadístico \(F\) efectivo a partir de la forma cerrada \(\chi^2_{K,\,1-\alpha}(K/\tau)/K\), y conjuntos de Anderson-Rubin multiinstrumentales invertidos de forma exacta y no sobre una malla (Guía).
Conectores en Tiempo Real de América Latina: Banco de México, INEGI, Banco Central do Brasil y Banco Central de Chile. Estas cuatro fuentes publican únicamente la edición vigente, así que su fecha de añada es la fecha de captura local y el historial de revisiones sólo se acumula con capturas repetidas en días distintos.
Generación de Informes y Publicación:
Exportación de tablas con calidad de imprenta directamente a LaTeX (.to_latex()), Typst (.to_typst()) y Markdown (.to_markdown()), con errores estándar y estrellas de significancia (Guía).
Ejecución en Cualquier Dispositivo:
Núcleo numérico compatible con Pyodide para cuadernos en el navegador, con soporte limitado en tabletas y navegadores (Guía), herramientas para descargar cómputo a Google Colab (runtime.colab), ejecución segmentada (longrun) y cartuchos portátiles .pmz (pocket).

Instalación

pip install puremacro

Los lectores de parquet y Excel (las lecciones ENOE del curso, build_all, el atlas de choques) necesitan los motores opcionales de formato de archivo:

pip install "puremacro[io]"

O con herramientas completas para cuadernos interactivos:

pip install "puremacro[notebooks]"