REM del BCRA: cómo leer mediana, dispersión y cambios de expectativas

El Relevamiento de Expectativas de Mercado resume pronósticos de participantes sobre variables macroeconómicas. No es una proyección del BCRA ni una certeza colectiva. Para interpretarlo hay que distinguir mediana, promedio, dispersión, universo de respuestas, fecha de corte y horizonte específico. Un único número oculta desacuerdos y revisiones entre rondas.

La muestra puede incluir consultoras, centros de investigación y entidades financieras. La cantidad de respuestas varía por variable y período. Antes de comparar rondas, verificá que el horizonte sea idéntico y que no haya cambiado la definición o el conjunto de participantes de manera relevante.

Cada variable puede tener distribución y cantidad de participantes distintas. Para inflación mensual se comparan meses específicos; para acumulados se requiere consistencia de capitalización. Los percentiles muestran amplitud y las revisiones indican cómo cambió el conjunto de expectativas.

La mediana reduce influencia de extremos; el promedio puede desplazarse por pronósticos alejados; el rango y percentiles muestran dispersión. El Top 10 es un subconjunto definido por desempeño pasado bajo criterios del relevamiento y no garantiza mejor precisión futura.

La mediana de inflación permanece estable, pero el rango entre percentiles se amplía. El titular “sin cambios” pierde información: el consenso central no se movió, aunque aumentó el desacuerdo o la incertidumbre.

Una revisión entre rondas puede reflejar nueva información, cambio de metodología del participante o simple desplazamiento del horizonte. Medí tanto el cambio de la mediana como la amplitud. Una mediana estable con mayor dispersión comunica algo diferente de una revisión uniforme.

Descargá las tablas de dos rondas consecutivas y alineá la misma variable y el mismo período objetivo. Registrá cambio de mediana, dispersión y tamaño de muestra.

Para construir escenarios, usá percentiles o rangos como insumos, no como probabilidades automáticas. Combiná variables de forma coherente: inflación, tasa, actividad y tipo de cambio no deberían mezclarse tomando extremos incompatibles sin una historia económica que los conecte.

El REM se vuelve engañoso cuando se cita la mediana sin horizonte, se mezcla una ronda con otra o se trata el Top 10 como una garantía. La dispersión puede ser tan informativa como el centro. Redondear demasiado poco produce una apariencia de exactitud que el relevamiento no sostiene.

Los errores frecuentes son comparar una previsión mensual con una anual, tratar el valor del mes siguiente como promedio del año o citar demasiados decimales. La fecha de publicación no es la fecha de la información utilizada por cada participante.

Una planificación puede usar el REM como insumo externo, pero necesita márgenes propios y escenarios. El consenso no reemplaza la capacidad de soportar un resultado distinto.

En planificación, el REM sirve como referencia externa para probar presupuesto, tasas o obligaciones. La decisión debe sobrevivir a resultados fuera del consenso. Documentá qué variable usaste, de qué ronda, qué rango y qué acción tomarías si el dato real se aparta.

Para una variable, guardá mediana, promedio, percentiles o rango disponible, cantidad de participantes, fecha del relevamiento y horizonte. En la ronda siguiente, registrá la revisión. Cuando aparezca el dato observado, calculá error absoluto y dirección del error para cada ronda.

El objetivo no es calificar pronosticadores individuales, sino entender cuánto cambia la información y qué tan amplia era la incertidumbre. Una mediana que termina cerca del dato puede haber ocultado una dispersión grande; una revisión frecuente puede ser información más útil que el nivel final.

Una cifra del REM puede servir para construir escenarios de planificación, pero no debe copiarse como si fuera un dato observado. La guía debe conservar la ronda, la fecha de corte, la cantidad de respuestas y el horizonte de cada número.

El error posterior también importa: permite saber si la mediana fue útil, si hubo sesgo persistente o si la dispersión advertía una incertidumbre que el valor central ocultaba.