En el post anterior vimos cómo la predicción cuantitativa analítica parte de una estructura estimada y la proyecta hacia el futuro. Funciona especialmente bien cuando el fenómeno es relativamente estable y las relaciones pueden formalizarse mediante una ecuación o función. Pero no todos los sistemas se comportan así.
Hay contextos donde:
Las interacciones entre elementos generan dinámicas emergentes.
La incertidumbre es central y acumulativa.
Los resultados no dependen de una única trayectoria, sino de muchas posibles.
El comportamiento futuro depende de decisiones que se retroalimentan.
En estos casos, en lugar de resolver un modelo, necesitamos simular un sistema. Eso nos lleva a la segunda gran familia de la predicción cuantitativa: la predicción basada en simulación.
En el post anterior vimos que la predicción no siempre empieza con datos y modelos: a veces lo más razonable es recurrir a estrategias cualitativas. Pero cuando el fenómeno es lo bastante estable, repetible y medible, la predicción cuantitativa ofrece algo muy valioso: un lenguaje común para comparar, evaluar y mejorar.
Ahora bien, dentro de la predicción cuantitativa conviene hacer una distinción fundamental porque no todos los modelos numéricos funcionan igual.
Algunos resuelven una estructura matemática estimada a partir de los datos y producen una predicción directa.
Otros, en cambio, recrean el sistema múltiples veces mediante simulación, generando dinámicas posibles y distribuciones emergentes.
Este post se centra en la primera familia: la predicción cuantitativa analítica.
Cuando se habla de predicción, la conversación suele girar rápidamente hacia modelos cuantitativos, datos y algoritmos. Sin embargo, en muchos contextos reales, la mejor estrategia predictiva no es cuantitativa, ni tampoco una simulación formal.
Antes de números, a menudo solo hay experiencia, analogías, narrativas plausibles y/o juicios informados.
A eso lo llamamos predicción cualitativa y lejos de ser un recurso “menor”, es una estrategia legítima y, en muchos casos, necesaria.
1. ¿Cuándo conviene usar predicción cualitativa?
La predicción cualitativa es especialmente útil cuando forzar una predicción cuantitativa sería artificial o engañoso. No siempre faltan datos; a veces lo que falta es estructura, comparabilidad o estabilidad.
Hablar de predicción suele llevarnos demasiado rápido a los modelos: regresión, clasificación, redes neuronales, machine learning. Pero empezar por ahí es como aprender geografía memorizando capitales sin haber visto nunca un mapa.
Antes de entrar en técnicas concretas, algoritmos o librerías, conviene dar un paso atrás y responder a una pregunta más básica:
¿De cuántas formas distintas intentamos predecir el futuro?
Este post es el primero de una serie extensa dedicada a recorrer, con calma, las distintas estrategias de predicción. No empieza por el cómo se calcula, sino por el cómo se piensa un problema predictivo.
La imagen que encabeza este post resume ese mapa general. A lo largo de la serie volveremos a ella muchas veces.
En la última semana he introducido algunos cambios importantes en la estructura del blog. No son solo ajustes estéticos: responden a una idea más clara de para qué sirve cada parte del proyecto y de cómo quiero que se utilice este espacio para aprender a pensar mejor sobre datos, incertidumbre y decisiones.
A partir de ahora, el blog se organiza en dos grandes ejes complementarios: Predicciones y Blog.
Una nueva página de Predicciones
He creado una página específica donde se recogen todas las predicciones que voy formulando. No como opiniones sueltas, sino como ejercicios explícitos de predicción probabilística.
Tipo de evento: Evento político binario (aprobación vs prórroga presupuestaria).
Predicción: 76% probabilidad de NO aprobación.
Evento
La aprobación de los Presupuestos Generales del Estado (PGE) correspondientes a 2026 antes de que finalice el año 2026.
El evento se considerará ocurrido si los PGE de 2026 son aprobados por las Cortes Generales y publicados oficialmente antes del 31 de diciembre de 2026. En caso contrario, se considerará que el resultado es una prórroga presupuestaria.
Tasa base
En contextos de alta fragmentación parlamentaria, la probabilidad de aprobar nuevos presupuestos suele situarse por debajo del 50 %, siendo la prórroga un resultado frecuente.
No obstante, en el caso español reciente concurren dos elementos relevantes:
Venimos de dos ejercicios consecutivos con presupuestos prorrogados (2024 y 2025) sin consecuencias políticas significativas.
El marco constitucional y legal permite gobernar de forma funcional con presupuestos prorrogados, reduciendo la presión institucional para aprobar unos nuevos.
Estos factores aconsejan ajustar la tasa base estructural a una tasa base operativa más baja, que refleje mejor el equilibrio real de incentivos.
En este contexto, se adopta una tasa base operativa del 33 % para la aprobación de los PGE de 2026.
Ajustes cualitativos
Motores de aprobación (de mayor a menor relevancia)
Capacidad de articular acuerdos parciales y concesiones específicas Impacto estimado: 30 % – 55 %
Necesidad de estabilidad institucional y señalización externa Impacto estimado: 25 % – 45 %
Coste político y reputacional de una nueva prórroga presupuestaria Impacto estimado: 20 % – 40 %
Frenos a la aprobación (de mayor a menor relevancia)
Fragmentación del arco parlamentario y dependencia de múltiples apoyos Impacto estimado: 45 % – 70 %
Incentivos estratégicos al bloqueo o a la negociación prolongada Impacto estimado: 50 % – 75 %
La prórroga como alternativa funcional que reduce la urgencia Impacto estimado: 55 % – 80 %
Predicción probabilística
Distribución subjetiva de probabilidad para el resultado antes de finalizar 2026:
Presupuestos aprobados → 24 %
Prórroga presupuestaria → 76 %
La probabilidad de prórroga se sitúa como escenario claramente dominante, reflejando que, en el equilibrio actual de incentivos, la no aprobación no conlleva un coste suficiente como para forzar acuerdos amplios.
Metodología y reproducibilidad
El cálculo completo de probabilidades y escenarios está disponible en un archivo Excel adjunto, editable y reproducible, que documenta:
La tasa base estructural y la tasa base operativa
Los motores y frenos considerados
La combinación de escenarios políticos plausibles
La normalización final de probabilidades
Revisiones periódicas (protocolo)
Esta predicción será revisada de forma trimestral, o antes si se producen eventos relevantes, tales como:
Cambios significativos en la aritmética parlamentaria
Anuncios de acuerdos marco o pactos presupuestarios
Alteraciones en el contexto político o económico que modifiquen los incentivos
En cada revisión se documentará:
Fecha de la revisión
Nueva probabilidad de aprobación
Cambios respecto a la versión anterior
Evidencia o hechos que motivan la actualización
Las revisiones se añadirán cronológicamente en esta misma ficha para mantener un registro público y auditable del razonamiento.
Evaluación final (pendiente)
La evaluación se realizará al cierre de 2026.
En ese momento se documentará:
Resultado observado (aprobación o prórroga)
Error de predicción (Brier score para evento binario)
Principales lecciones aprendidas sobre incentivos políticos y gobernanza presupuestaria
Tipo de evento: La inflación media anual (IPC) registrada en 2026 en España.
Predicción: un 77% de probabilidad que suba más de un 7%.
Evento
La variación anual media del precio de compra de la vivienda en España durante el año 2026.
El evento se considerará evaluado una vez disponibles los datos definitivos correspondientes a 2026 publicados por las fuentes estadísticas de referencia (INE, Ministerio de Vivienda u organismos equivalentes).
Tasa base
A largo plazo, el precio de la vivienda en España tiende a crecer a un ritmo ligeramente superior a la inflación, con episodios de aceleración cuando la oferta es rígida y la demanda se concentra geográficamente.
Una tasa de crecimiento en torno al 5 % anual representa ese ritmo “normal” de fondo, coherente con la media observada desde 2014 y con la experiencia de países europeos comparables en contextos de oferta limitada.
Sin embargo, para 2026 se asume que el mercado no se encuentra en una situación de normalidad. La persistencia de una escasez estructural de oferta, especialmente en áreas urbanas tensionadas, junto con una demanda concentrada, justifica elevar la tasa base operativa hasta el 6,5 %.
Este ajuste no refleja un cambio estructural de tendencia, sino un desplazamiento temporal del régimen, en el que el crecimiento medio esperado se sitúa por encima de su ancla histórica.
Ajustes cualitativos
Motores (de mayor a menor relevancia)
Escasez estructural de oferta, especialmente en áreas urbanas tensionadas Impacto estimado: 60 % – 75 %
Concentración de la demanda en determinadas zonas geográficas Impacto estimado: 55 % – 70 %
Percepción de la vivienda como activo relativamente seguro Impacto estimado: 40 % – 55 %
Inercia de expectativas tras varios años de subidas intensas Impacto estimado: 45 % – 60 %
Frenos (de mayor a menor relevancia)
Coste de financiación y esfuerzo financiero de los hogares Impacto estimado: 50 % – 65 %
Límites de renta y ahorro disponibles para nuevos compradores Impacto estimado: 55 % – 70 %
Incertidumbre regulatoria y fiscal, con impacto desigual según territorio Impacto estimado: 35 % – 50 %
Posible saturación de la demanda en segmentos específicos Impacto estimado: 30 % – 45 %
Predicción probabilística
Distribución subjetiva de probabilidad para la variación anual media del precio de la vivienda en 2026:
Subida inferior al 5 % → 5 %
Subida entre 5 % y 7 % → 18 %
Subida entre 7 % y 10 % → 48 %
Subida superior al 10 % → 29 %
La probabilidad implícita de que el crecimiento anual supere el 7 % se sitúa en el 77 %, reflejando un escenario central de crecimiento elevado pero no extremo.
Metodología y reproducibilidad
El cálculo completo de probabilidades y escenarios está disponible en un archivo Excel adjunto, editable y reproducible, que documenta:
La tasa base estructural y la tasa base operativa
Los ajustes cualitativos aplicados
La combinación de escenarios
La normalización final de probabilidades
Revisiones periódicas (protocolo)
Esta predicción será revisada de forma trimestral, o antes si se produce información relevante que altere el equilibrio entre oferta, demanda y condiciones financieras.
En cada revisión se documentará:
Fecha de la revisión
Nueva distribución de probabilidades
Cambios respecto a la versión anterior
Evidencia o datos que motivan la actualización
Las revisiones se añadirán cronológicamente en esta misma ficha para mantener un registro público, transparente y auditable del proceso de actualización.
Evaluación final (pendiente)
La evaluación se realizará una vez publicados los datos definitivos correspondientes a 2026.
Tipo de evento: Variable macroeconómica continua (IPC medio anual).
Predicción: 68% probabilidad que se situe por debajo del 2,4%
Evento
La inflación media anual (IPC) registrada en España durante el año 2026, medida por el Instituto Nacional de Estadística (INE).
El evento se considerará evaluado una vez publicado el dato definitivo de IPC medio anual correspondiente a 2026.
Tasa base
En economías avanzadas, la inflación tiende a oscilar en torno al entorno del 2,2 %, con desviaciones temporales tras shocks relevantes, pero con tendencia a reabsorberse en ausencia de nuevas perturbaciones.
Para el caso europeo, las previsiones oficiales sitúan la inflación alrededor del 2 %, mientras que otros organismos y analistas la sitúan en torno al 2,3 %.
Esta horquilla constituye la tasa base estructural a partir de la cual se realizan los ajustes.
Ajustes cualitativos
Motores inflacionarios (de mayor a menor relevancia)
Persistencia de presiones en servicios y costes laborales Impacto estimado: 25 % – 45 %
Efectos de segunda ronda por indexaciones parciales Impacto estimado: 25 % – 45 %
Prediction Machines: The Simple Economics of Artificial Intelligence, publicado en 2018 por Ajay Agrawal, Joshua Gans y Avi Goldfarb, parte de una idea tan simple como potente: el principal impacto de la inteligencia artificial no es que las máquinas “piensen”, sino que reducen drásticamente el coste de la predicción. Y dado que toda decisión incorpora algún tipo de predicción, este abaratamiento tiene consecuencias económicas de gran alcance.
El libro se publicó cuatro años antes del lanzamiento de ChatGPT, anticipándose al auge masivo de la IA generativa y al debate actual sobre su impacto. En un momento en el que la IA aún se percibía como una tecnología especializada, los autores ya señalaban que el verdadero cambio no vendría de aplicaciones llamativas, sino de la incorporación silenciosa de la predicción barata en millones de decisiones cotidianas.
Desde una perspectiva económica y pragmática, la IA se presenta como una continuación de avances previos —como las hojas de cálculo o los sistemas de optimización— que transformaron la toma de decisiones al reducir costes. La diferencia ahora es la escala: pequeñas mejoras en precisión, aplicadas de forma sistemática, generan un valor enorme.
A lo largo del libro, esta tesis se desarrolla en tres grandes bloques: qué es la predicción desde el punto de vista económico, cómo su abaratamiento transforma decisiones y organizaciones, y qué implicaciones estratégicas se derivan de un mundo donde predecir es cada vez más barato, pero el juicio humano sigue siendo escaso y valioso.
Cuando intentamos predecir algo —el precio de la vivienda, la inflación, la probabilidad de aprobar unos presupuestos o incluso el absentismo laboral— solemos empezar por las historias: explicaciones plausibles, datos recientes, señales llamativas. El problema es que, muy a menudo, empezamos por el lugar equivocado.
Antes de añadir matices, escenarios o modelos sofisticados, hay una pregunta más simple y más incómoda que deberíamos hacernos siempre:
¿Qué suele pasar, de media, cuando no sabemos nada más?
Esa respuesta es lo que llamamos tasa base.
¿Qué es exactamente una tasa base?
La tasa base es la frecuencia histórica con la que ocurre un evento en una población o contexto comparable. No explica por qué ocurre algo, solo con qué frecuencia ocurre normalmente.
Ejemplos sencillos:
¿Qué porcentaje de proyectos públicos se retrasa?
¿Cuántos años, de media, la inflación supera el 3 %?
¿Con qué frecuencia se prorrogan los presupuestos en sistemas parlamentarios fragmentados?
La tasa base no pretende ser brillante. Pretende ser estable y ahí está su fuerza.
The Bayesian Fox 