A comienzos de año planteé tres predicciones para 2026 siguiendo un enfoque explícitamente probabilístico. El objetivo no era acertar una cifra exacta, sino dejar por escrito qué escenarios consideraba más plausibles, qué información sostenía esas estimaciones y qué hechos podrían obligarme a modificarlas.
En abril realicé una primera actualización después de que el comienzo del año alterara de forma significativa el escenario inicial. Ahora, superada la primera mitad de 2026, disponemos de nueva información sobre la inflación, el mercado inmobiliario y la situación presupuestaria.
Las tres predicciones evolucionan de manera diferente. En inflación, la nueva evidencia concentra la distribución alrededor de un escenario central más definido. En vivienda, los datos obligan a desplazarla claramente hacia valores más altos. En los Presupuestos Generales del Estado, el evento puede considerarse prácticamente resuelto.
Tipo de evento: Evento político binario (aprobación vs prórroga presupuestaria).
Predicción: 99% 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.
La eventual aprobación durante este año de unos presupuestos correspondientes a 2027 no supondría el cumplimiento de esta predicción.
Tasa base
La revisión de abril partía de una tasa base operativa del 22% y asignaba finalmente un 14% de probabilidad a la aprobación de los PGE de 2026.
Aquella estimación ya incorporaba la fragmentación parlamentaria, los incentivos al bloqueo y la existencia de una prórroga presupuestaria plenamente operativa. Desde el 1 de enero, el Estado funciona con los Presupuestos de 2023 prorrogados y adaptados mediante diferentes normas específicas.
Sin embargo, la información aparecida desde entonces modifica sustancialmente el escenario. En junio, Hacienda inició formalmente la elaboración de los Presupuestos Generales del Estado para 2027. La nueva orden no solo abre el procedimiento correspondiente al próximo ejercicio, sino que deroga expresamente la orden que regulaba la elaboración de los presupuestos para 2026.
En julio, el Consejo de Ministros aprobó además el límite de gasto no financiero y los objetivos de estabilidad correspondientes a 2027, confirmando que la maquinaria presupuestaria se ha desplazado definitivamente al siguiente ejercicio.
En este contexto, la nueva tasa base operativa pasa del 22% al 2%. No se sitúa en cero porque la aprobación todavía no es jurídicamente imposible y el año no ha terminado, pero cualquier regreso a unos presupuestos específicos para 2026 exigiría una reversión política y administrativa extraordinaria.
Ajustes cualitativos
Motores
Coste político y reputacional de encadenar nuevas prórrogas: continúa existiendo, pero ya no impulsa principalmente la aprobación de los PGE de 2026. La presión política se ha trasladado a la elaboración de las cuentas correspondientes a 2027. Impacto estimado: 5%–15%.
Necesidad de estabilidad institucional y planificación económica: unos presupuestos actualizados permitirían ordenar mejor las prioridades públicas. Sin embargo, cuando el ejercicio ya está avanzado, esa necesidad se orienta más hacia el año siguiente que hacia unas cuentas con pocos meses de vigencia. Impacto estimado: 5%–15%.
Posibilidad de un acuerdo político extraordinario: siempre existe una pequeña posibilidad de que cambie la relación entre el Gobierno y sus socios parlamentarios. No obstante, cualquier nuevo acuerdo parece mucho más probable alrededor de los PGE de 2027 que de unas cuentas específicas para 2026. Impacto estimado: 2%–8%.
Frenos
Sustitución formal del procedimiento de 2026 por el de 2027: pasa a ser el freno principal. La orden de elaboración de los PGE de 2026 ha sido derogada y sustituida por la correspondiente a 2027. No estamos solamente ante un retraso, sino ante un cambio formal del ejercicio presupuestario sobre el que trabaja la Administración. Impacto estimado: 95%–99%.
Prórroga como alternativa plenamente funcional: se refuerza. La prórroga permite mantener el funcionamiento ordinario del Estado y puede complementarse mediante reales decretos-leyes, modificaciones presupuestarias y actualizaciones concretas, como ha ocurrido con la financiación autonómica y local. Impacto estimado: 90%–98%.
Fragmentación parlamentaria y ausencia de una mayoría estable: sigue siendo un obstáculo elevado. El Congreso rechazó en julio la senda de estabilidad para 2027 por 167 votos a favor, 178 en contra y 5 abstenciones, confirmando que el Ejecutivo continúa sin disponer de una mayoría presupuestaria asegurada. Impacto estimado: 75%–90%.
Incentivos estratégicos al bloqueo y a la negociación prolongada: permanecen elevados. Los grupos parlamentarios pueden obtener más capacidad de negociación condicionando las cuentas de 2027 que facilitando unos presupuestos de 2026 con una vigencia muy reducida. Impacto estimado: 75%–90%.
Predicción probabilística
Distribución subjetiva de probabilidad para la aprobación de los Presupuestos Generales del Estado en 2026:
La probabilidad implícita de que 2026 termine sin unos presupuestos propios se sitúa, por tanto, en el 99%, frente al 86% de la revisión anterior.
La probabilidad de aprobación no se lleva completamente a cero porque todavía existe una vía residual para un cambio político excepcional. Sin embargo, asignar un porcentaje significativamente mayor transmitiría una incertidumbre que ya no encaja con las decisiones institucionales observadas.
Revisión de la predicción
La nueva información introduce un cambio mucho más profundo que una simple modificación de porcentajes. En abril, la aprobación de los PGE de 2026 todavía podía considerarse un escenario minoritario pero abierto. Ahora, el procedimiento formal correspondiente a ese ejercicio ha sido sustituido por el de 2027.
La prórroga ya no es solamente el resultado más probable, sino el marco en el que se está ejecutando el presupuesto. Al mismo tiempo, el Gobierno ha iniciado la preparación de las cuentas del siguiente ejercicio, ha aprobado su techo de gasto y ha comenzado a someter al Congreso los elementos necesarios para su tramitación.
Por eso, la probabilidad de aprobación de los PGE de 2026 baja del 14% al 1%, mientras que la de prórroga aumenta del 86% al 99%. La predicción puede considerarse prácticamente resuelta, aunque su cierre formal no se producirá hasta el 31 de diciembre.
La principal lección bayesiana es que no todas las actualizaciones consisten en equilibrar señales favorables y desfavorables. A veces aparece una evidencia institucional que cambia la propia naturaleza del problema. Cuando el procedimiento administrativo abandona el ejercicio sobre el que se formuló la predicción y comienza a trabajar en el siguiente, la incertidumbre residual deja de ser política ordinaria y pasa a depender de un acontecimiento verdaderamente excepcional.
En el artículo anterior vimos cómo Sócrates convirtió el reconocimiento de la ignorancia en el punto de partida del pensamiento. Saber que no sabemos es una forma de humildad intelectual, pero también plantea una pregunta inevitable: ¿qué hacemos después? ¿Cómo debemos vivir y decidir cuando el mundo sigue siendo incierto?
Epicteto y los filósofos estoicos ofrecieron una respuesta profundamente práctica. No intentaron eliminar la incertidumbre ni prometieron una forma perfecta de anticipar el futuro. Su propuesta fue otra: aprender a distinguir entre aquello que depende de nosotros y aquello que no. En un mundo cambiante, esa distinción podía convertirse en una forma de serenidad.
En predicción cuantitativa, el primer reto no suele ser elegir un algoritmo complicado, sino formular bien el problema. Antes de entrenar un modelo, hay que decidir qué queremos predecir, cómo vamos a medirlo y qué información puede ayudarnos a anticiparlo.
Con esa idea he preparado un nuevo proyecto en GitHub aplicado a un problema de gestión de personal hospitalario: la predicción mensual de nuevas bajas maternales equivalentes de trabajadoras de un hospital. La pregunta es concreta: ¿podemos estimar cuántas nuevas bajas maternales equivalentes se producirán cada mes entre las trabajadoras de un hospital usando datos agregados sobre plantilla, estabilidad contractual, estructura familiar aproximada y riesgo durante el embarazo?
El objetivo no es predecir decisiones individuales ni explicar la maternidad como fenómeno personal. El proyecto se centra en algo más práctico: construir una estimación mensual agregada que pueda ayudar a planificar sustituciones, prever carga organizativa y reducir parte de la incertidumbre en la gestión de personal.
En muchos fenómenos reales, una sola variable no basta para explicar lo que ocurre. El precio de una vivienda no depende únicamente de sus metros cuadrados, sino también de su ubicación, su antigüedad o su estado de conservación. El rendimiento académico no se relaciona sólo con las horas de estudio, sino también con el descanso, el contexto familiar o la dificultad de la materia.
La pregunta que aparece entonces es una extensión natural de la que ya planteaba la regresión lineal simple: si una variable puede ayudarnos a predecir otra, ¿qué ocurre cuando intervienen varias al mismo tiempo?
Uno de los modelos más importantes para abordar esta situación es la regresión lineal múltiple. Su idea central sigue siendo sencilla, pero su alcance es mucho mayor: permite estimar cómo se relaciona una variable con varias explicaciones simultáneas y construir predicciones más ricas y realistas.
Cuando pensamos en predicción, lo habitual es imaginar datos, modelos y probabilidades. Intentos de reducir la incertidumbre para tomar mejores decisiones. Pero hay una cuestión más profunda: ¿de dónde nace realmente esa necesidad de anticipar el futuro?
El filósofo Ernst Bloch ofrece una respuesta sugerente: el ser humano no vive solo en el presente, sino proyectado constantemente hacia lo que aún no existe. Antes de calcular escenarios, ya imaginamos posibilidades. Antes de construir modelos, ya vivimos orientados hacia el futuro.
A comienzos de año planteé tres predicciones para 2026 siguiendo un enfoque explícitamente probabilístico: no tanto para acertar una cifra concreta, sino para dejar claro el razonamiento detrás de cada escenario. Como se prometió entonces, el objetivo no era solo predecir, sino también revisar.
Tras el cierre del primer trimestre, ya disponemos de nueva información relevante —tanto en el ámbito macroeconómico como en el mercado inmobiliario y en el contexto político— que justifica actualizar esas previsiones. En las siguientes secciones reviso cada una de las tres predicciones iniciales, ajustando la tasa base, los motores y los frenos para reflejar mejor el estado actual del mundo.
Tipo de evento: Evento político binario (aprobación vs prórroga presupuestaria).
Predicción: 86% 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
La previsión inicial partía de una tasa base operativa del 33%, coherente con un contexto de fragmentación parlamentaria en el que la aprobación de nuevos presupuestos suele ser difícil, pero no excepcional.
La información disponible tras el primer trimestre obliga a revisar esa referencia a la baja. La prórroga presupuestaria ya está activada de hecho en 2026, y el propio Gobierno ha asumido públicamente ese marco, mientras sigue sin existir una mayoría clara para aprobar unas nuevas cuentas.
En este contexto, la nueva tasa base operativa para esta revisión pasa a ser el 22%, reflejando una menor probabilidad estructural de aprobación.
Ajustes cualitativos
Motores
Coste político y reputacional de una prórroga presupuestaria: Pierde fuerza relativa. La repetición de prórrogas ha normalizado un escenario que antes podía percibirse como excepcional. Impacto estimado: 15 % – 30 %
Necesidad de estabilidad institucional y señalización externa: Sigue siendo un motor relevante, especialmente en relación con compromisos europeos y credibilidad institucional, pero insuficiente por sí solo. Impacto estimado: 20 % – 40 %
Capacidad de articular acuerdos parciales y concesiones específicas: Se debilita. La dificultad creciente para construir mayorías hace menos probable que acuerdos fragmentarios desemboquen en una aprobación completa. Impacto estimado: 20 % – 40 %
Frenos
Fragmentación del arco parlamentario y dependencia de múltiples apoyos: Se refuerza como principal obstáculo. La ausencia de mayorías claras sigue siendo el elemento estructural dominante. Impacto estimado: 60 % – 80 %
Incentivos estratégicos al bloqueo o a la negociación prolongada: También gana peso. El contexto actual favorece el retraso y el uso táctico de la negociación más que el cierre rápido de acuerdos. Impacto estimado: 60 % – 85 %
La prórroga como alternativa funcional que reduce la urgencia: Es el freno más determinante. Ya no es una posibilidad teórica, sino un mecanismo operativo plenamente activo. Impacto estimado: 70 % – 90 %
Predicción probabilística
Distribución subjetiva de probabilidad para la aprobación de los Presupuestos Generales del Estado en 2026:
La probabilidad implícita de que se mantenga la prórroga presupuestaria se sitúa en el 86 %.
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
Revisión de la predicción
La actualización introduce un cambio claro en la evaluación del escenario. La prórroga presupuestaria ya no es solo el resultado más probable, sino el marco efectivo en el que se está operando.
Esto desplaza la distribución hacia un escenario en el que la aprobación de nuevos presupuestos pasa a ser una opción minoritaria, aunque todavía posible si se produce un cambio relevante en la dinámica política.
La lección es clara: en política, la viabilidad institucional depende menos de la deseabilidad del resultado y más de la urgencia para alcanzarlo. Mientras la prórroga siga funcionando como solución operativa, la presión para cerrar un acuerdo completo seguirá siendo menor de lo que sugeriría una lectura puramente formal del sistema parlamentario.
En las últimas semanas he seguido dando forma a la estructura del blog. No tanto por añadir contenido nuevo, sino por ordenar mejor las piezas que ya forman parte del proyecto.
Si hasta ahora había una separación clara entre divulgación y predicción, a partir de ahora se añade un tercer elemento: la contrucción de modelos de predicción cuantitativa.
Una nueva página de Proyectos
He creado una página específica donde se recopilan los proyectos que voy desarrollando y publicando en GitHub.
A menudo se habla de predicción cuantitativa como si fuera un terreno reservado a modelos complejos, librerías sofisticadas y sistemas difíciles de explicar. Pero no siempre hace falta empezar por ahí. De hecho, muchas veces creo que ocurre lo contrario: para entender bien qué significa predecir con datos, conviene empezar por un modelo pequeño, transparente y fácil de interpretar.
Por eso he querido compartir en GitHub un proyecto completo construido alrededor de una pregunta muy concreta: cómo estimar cuántos días de contratos temporales de cobertura pueden generarse cuando aumenta el absentismo laboral por incapacidad temporal(IT). No he preparado este repositorio para presentar un gran sistema productivo ni una solución definitiva. Lo he hecho para mostrar, de forma reproducible, cómo puede utilizarse una regresión lineal simple como método de predicción cuantitativa.
La idea del proyecto no es solo enseñar una ecuación. Es enseñar un recorrido. Cómo se parte de una pregunta real, cómo se traduce esa pregunta a variables medibles, cómo se preparan los datos, cómo se comprueba si la relación tiene sentido y cómo se convierte finalmente el modelo en una pequeña aplicación utilizable. En el fondo, lo que me interesaba compartir no era solo el resultado, sino el proceso.
The Bayesian Fox 