Incertidumbre económica en Bolivia: evidencia reciente desde el índice EPU

Introducción

Hace unos días me llamó la atención un post de LinkedIn de Javier Perez del Banco de España en el que se anunciaba la publicación de índices de Economic Policy Uncertainty (EPU) para varios países de Latinoamérica, entre ellos Bolivia. El índice se desarrolla en Andres-Escayola et al. (2025).

Además de publicar la investigación, los autores han creado un sitio web (Economic Policy Uncertainty Index) que se actualiza periódicamente con nuevas estimaciones. El propio Banco de España también difunde estos indicadores (ver Economic Policy Uncertainty (EPU) Indices for Latin America - Banco de España).

Dada la escasez de indicadores líderes en Bolivia, me pareció interesante explorar estos datos y evaluar qué información pueden aportar sobre la dinámica macroeconómica regional. Sin embargo, antes de entrar en los datos, vale la pena revisar algunos resultados destacados del estudio.

Algunos hallazgos

Uno de los aspectos más interesantes aparece en la Figura 4 de Andres-Escayola et al. (2025), donde se analiza cómo la incertidumbre de política económica se transmite entre países latinoamericanos.

Los resultados sugieren que economías grandes como México y Brasil tienden a actuar como principales transmisores de incertidumbre dentro de la región, mientras que países más pequeños —como Paraguay y Bolivia— aparecen, en promedio, como receptores netos de estos episodios de incertidumbre.

Este punto resulta particularmente interesante porque sugiere que Bolivia no está completamente aislada de la dinámica económica regional. La incertidumbre generada en países vecinos podría tener implicaciones macroeconómicas relevantes, por ejemplo en términos de volatilidad financiera, expectativas económicas o comportamiento del tipo de cambio. Naturalmente, estas posibles conexiones requieren análisis más específicos para descubrir cuáles son los canales específicos por los cuales se propaga la incertidumbre, qué variables son afectadas y en qué magnitud responden.

En cualquier caso, si estos canales de contagio resultaran significativos, tendría sentido que los responsables de política económica monitoreen no solo la incertidumbre doméstica, sino también la evolución económica y política de países vecinos.

Finalmente, los autores también publican el índice para Bolivia y, utilizando un enfoque narrativo, tratan de validarlo. Por ejemplo, encuentran un pico alrededor del octubre negro de 2023, otro a inicios de 2008 relacionado al proceso constituyente que dio origen a la nueva Constitución Política del Estado o las tensiones asociadas a la renuncia de Evo Morales al poder.

Ahora vamos a analizar los datos. Para el lector más interesado, al final de esta entrada dejo una nota metodológica sobre cómo se construyó el índice.

Los datos

Vamos a utilizar algunas librerías durante el análisis:

library(tidyverse)
library(openxlsx)
library(kableExtra)

En primer lugar, descargamos la información desde la fuente:

url <- "https://www.bde.es/f/webbe/SES/AnalisisEconomico/AnalisisEconomico/America_latina/Publicaciones/EPU_LATAM.xlsx"

# Leer directamente la pestaña "data_LATAM"
epu_latam <- openxlsx::read.xlsx(url, 
                                 sheet = "data_LATAM", 
                                 detectDates = T
                                 )

knitr::kable(
  tail(epu_latam[,c(1:5)], 3)
)

	datem	EPU_ARG_local	EPU_BRA_local	EPU_CHI_local	EPU_COL_local
347	2025-11-01	116.35984	182.2025	137.5383	183.2943
348	2025-12-01	118.46660	171.0068	253.8108	242.5677
349	2026-01-01	76.83074	199.4219	179.7638	242.3102

Nótese que las series incluyen los sufijos _local, _foreign y _allpress. Esto se debe a que los autores construyen tres variantes del índice: uno basado en prensa local, otro en prensa internacional y un tercero que combina todas las fuentes disponibles.

Veamos, por ejemplo, los índices correspondientes a Bolivia:

epu_bol <-  epu_latam |> 
  select(datem, contains('BOL'))

knitr::kable(
  tail(epu_bol,3)
  )

	datem	EPU_BOL_local	EPU_BOL_foreign	EPU_BOL_allpress
347	2025-11-01	293.5964	0.0000	125.5519
348	2025-12-01	262.4414	292.1583	290.2480
349	2026-01-01	295.6658	0.0000	253.5598

Nótese que la última observación corresponde a enero de 2026. Ahora los graficamos:

epu_bol |> 
  pivot_longer(-datem, names_to = "Indice", values_to = "Valor") |> 
  mutate(Indice = case_when(
         Indice == "EPU_BOL_local"   ~ "EPU local",
         Indice == "EPU_BOL_foreign" ~ "EPU internacional",
         Indice == "EPU_BOL_allpress"~ "EPU general",
         TRUE ~ Indice
       )) |>
  ggplot(aes(x = datem, y = Valor, color = Indice)) +
  geom_line(linewidth = 0.8, alpha=0.8) +
  scale_color_manual(values = c(
    "EPU local"   = "#ef476f",
    "EPU internacional" = "#ffd166",
    "EPU general"= "#06d6a0"
  )) +
  labs(
    title = "Índice de Incertidumbre de Política Económica – Bolivia",
    subtitle = "Índices basados en prensa local, internacional y combinado",
    x= NULL,
    y="Indice EPU")+
  theme_bw(base_family = 'Latin Modern Roman') +
  theme(
    legend.position = "bottom"
  )

Como puede observarse, tanto el índice basado únicamente en prensa local como el construido con prensa internacional presentan valores cero en algunos periodos. Por esta razón, para el análisis posterior se utilizará el índice agregado (allpress), que tiende a ser más estable y representativo.

Por ejemplo, en el siguiente gráfico se muestra el índice EPU “allpress” para Bolivia junto con su promedio móvil a seis meses:

epu_bol |> 
  select(datem,EPU_BOL_allpress) |> 
  #6M moving average
    mutate(
    ma6 = as.numeric(
      stats::filter(EPU_BOL_allpress, rep(1/6, 6), sides = 1)
    )
  ) |> 
  ggplot(aes(x = datem)) +
  geom_line(aes(y = EPU_BOL_allpress, colour = "EPU Bolivia"), linewidth = 0.7) +
  geom_line(aes(y = ma6, colour = "Media móvil 6M"), linewidth = 1) +
    scale_colour_manual(values = c(
    "EPU Bolivia" = "#118ab2",
    "Media móvil 6M" = "#ef476f"
  )) +
    scale_x_date(
    date_breaks = "2 years",
    date_labels = "%Y"
  ) +
  labs(
    title = "Índice de Incertidumbre de Política Económica – Bolivia",,
    x = NULL,
    y = "Índice EPU",
    colour = NULL
  ) +
  theme_bw(base_family = 'Latin Modern Roman') +
  theme(
    legend.position = "bottom"
  )

Se observa que, desde finales de 2022, la incertidumbre de política económica en Bolivia ha mostrado una tendencia creciente, con una breve moderación a inicios de 2025. Esta dinámica se aprecia con mayor claridad al observar el promedio móvil.

Ahora bien, ¿cómo se compara Bolivia con el resto de los países de la región? En el siguiente gráfico se presenta el promedio móvil a seis meses del índice EPU para Bolivia frente al resto de países latinoamericanos.

data_ma6 <- epu_latam |> 
  select(datem, contains("allpress")) |>
  pivot_longer(-datem, names_to = "pais", values_to = "epu") |>
  group_by(pais) |>
  arrange(datem, .by_group = TRUE) |>
  mutate(
    epu_ma6 = as.numeric(stats::filter(epu, rep(1/6, 6), sides = 1)),
    grupo = if_else(pais == "EPU_BOL_allpress", "Bolivia", "Resto Latam")
  ) |>
  ungroup()

ggplot(data_ma6, aes(x = datem, y = epu_ma6, group = pais, color = grupo)) +
  
  # Primero resto LATAM (fondo)
  geom_line(
    data = ~filter(.x, grupo == "Resto Latam"),
    alpha = 0.4,
    linewidth = 0.6
  ) +
  
  # Luego Bolivia (frente)
  geom_line(
    data = ~filter(.x, grupo == "Bolivia"),
    linewidth = 1
  ) +
  
  scale_color_manual(values = c(
    "Bolivia" = "#ef476f",
    "Resto Latam" = "grey70"
  )) +
  scale_x_date(
    date_breaks = "2 years",
    date_labels = "%Y"
  ) +
  labs(
    title = "Comparación EPU – Bolivia vs. Resto de Latinoamérica",
     subtitle = "Promedio móvil a 6 meses del índice EPU basado en prensa combinada",
    x = NULL,
    y = "Índice EPU",
    color = NULL
  ) +
  
  theme_bw(base_family = 'Latin Modern Roman') +
  theme(
    legend.position = "bottom"
  )

Como puede apreciarse, Bolivia se mantiene entre los países con niveles relativamente elevados de incertidumbre de política económica dentro de la región, particularmente en los últimos años.

Para analizar con mayor detalle la evolución reciente, resulta útil hacer un zoom a partir de 2025, teniendo en cuenta que el cambio de gobierno se produjo el 8 de noviembre de ese año:

data_bol_2025 <- epu_latam |>
  select(datem, EPU_BOL_allpress) |>
  arrange(datem) |>
  mutate(
    ma3 = as.numeric(stats::filter(EPU_BOL_allpress, rep(1/3, 3), sides = 1)),
    ma6 = as.numeric(stats::filter(EPU_BOL_allpress, rep(1/6, 6), sides = 1))
  ) |>
  filter(datem >= as.Date("2025-01-01"))

ggplot(data_bol_2025, aes(x = datem)) +
  
  geom_line(aes(y = EPU_BOL_allpress, colour = "Índice EPU"), linewidth = 0.7) +
  geom_line(aes(y = ma3, colour = "Media móvil 3M"), linewidth = 1) +
  geom_line(aes(y = ma6, colour = "Media móvil 6M"), linewidth = 1) +
  
  geom_vline(
    xintercept = as.Date("2025-11-08"),
    linetype = "dashed",
    alpha = 0.7
  ) +
  
  scale_colour_manual(values = c(
    "Índice EPU"     = "#118ab2",
    "Media móvil 3M" = "#ffd166",
    "Media móvil 6M" = "#ef476f"
  )) +
  
  scale_x_date(
    date_breaks = "1 month",
    date_labels = "%b-%Y"
  ) +
  
  scale_y_continuous(
    name = "Índice EPU",
    breaks = seq(0, 700, by = 100),
    sec.axis = sec_axis(~ ., 
                        breaks= seq(0, 700, by = 100),
                        name = NULL)
  ) +
  
  labs(
    title = "Índice de Incertidumbre de Política Económica – Bolivia",
    subtitle = "Índice original y promedios móviles (3 y 6 meses)",
    x = NULL,
    colour = NULL
  ) +
  
  theme_bw(base_family = 'Latin Modern Roman') +
  theme(
    legend.position = "bottom",
    axis.text.x = element_text(angle = 90, vjust = 0.5)
  )

Aunque todavía es prematuro extraer conclusiones definitivas, el gráfico sugiere una leve moderación del índice en los meses posteriores. Sin embargo, la incertidumbre continúa en niveles relativamente altos, por lo que conviene interpretar esta evolución con cautela.

En cualquier caso, este tipo de indicadores debería ser monitoreado de cerca por los responsables de política económica. Reducir la incertidumbre —mediante reglas claras, comunicación creíble y estabilidad institucional— es un elemento clave para fortalecer la confianza de hogares, empresas e inversores, y con ello favorecer una recuperación más sostenida de la actividad económica.

Conclusión

En síntesis, aunque la evidencia disponible aún es preliminar, los niveles relativamente elevados de incertidumbre económica sugieren que su reducción debería ser una prioridad de política pública. La experiencia internacional muestra que la incertidumbre tiende a disminuir cuando existen reglas claras, estables y creíbles que orientan la acción del Estado. En ese sentido, avanzar hacia marcos institucionales más previsibles —donde primen las reglas antes que la discrecionalidad en la política económica— puede contribuir a fortalecer la confianza de hogares, empresas e inversores, facilitando así un entorno más favorable para la inversión, el crecimiento y la estabilidad macroeconómica.

Nota metodológica

La construcción del índice Economic Policy Uncertainty (EPU) sigue una metodología relativamente estandarizada basada en análisis textual de prensa escrita y se basa principalmente en Baker, Bloom & Davis (2016). En el caso de Bolivia, el Banco de España aplicó la misma lógica metodológica utilizada internacionalmente, como se describe en Andres-Escayola et al (2025).

Selección de fuentes de información

El primer paso consiste en definir un conjunto de periódicos que reflejen de forma razonable el debate económico y político nacional. Para Bolivia se emplean principalmente:

Además, para mejorar cobertura y continuidad temporal, se incluyen algunas agencias internacionales y prensa extranjera en español e inglés (Corporación Financiera de Noticias y Reuters América Latina) cuando tratan específicamente sobre Bolivia lo que, en principio, ayuda a reducir sesgos derivados de limitaciones del archivo local o interrupciones en publicaciones.

Definición de los términos de búsqueda

El índice se basa en identificar artículos que simultáneamente contengan términos asociados a tres dimensiones:

Economía (E): palabras relacionadas con actividad económica, economía o variables macroeconómicas.
Política económica (P): referencias a gobierno, banco central, política fiscal o monetaria, regulación, impuestos, reformas, presupuesto, deuda pública, etc.
Incertidumbre (U): términos como incertidumbre, riesgo, inestabilidad o volatilidad.

Solo los artículos que incluyen al menos un término de cada grupo se consideran evidencia de incertidumbre de política económica.

Conteo mensual de artículos

Para cada periódico y cada mes se calculan dos magnitudes:

Número de artículos que cumplen el criterio EPU.
Número total de artículos publicados.

El índice preliminar para cada medio se construye como la proporción:

$$EPU_{i,t} = \frac{\text{Artículos EPU}_{i,t}}{\text{Total artículos}_{i,t}}$$

Este paso corrige por cambios en el volumen total de noticias, evitando que aumentos en publicaciones inflen artificialmente el indicador.

Estandarización entre periódicos

Los periódicos difieren en estilo editorial, frecuencia de publicación y cobertura temática. Para evitar que uno domine el índice:

Cada serie se divide por su propia desviación estándar histórica.
Esto iguala la volatilidad entre fuentes.

De esta forma el índice refleja cambios relativos en incertidumbre, no diferencias estructurales entre periódicos.

Agregación nacional para Bolivia

Una vez estandarizadas las series individuales, se promedian para obtener un índice mensual único para Bolivia:

$$ EPU^{Bolivia}_t = \frac{1}{N} \sum_{i=1}^{N} EPU_{i,t}^{std} $$

El resultado es un indicador sintético de la frecuencia relativa con que la prensa discute incertidumbre sobre política económica en el país.

Normalización del índice

Finalmente, la serie se reescala para que tenga media 100 en un período base. Esto facilita la interpretación:

Valores superiores a 100 indican mayor incertidumbre que el promedio histórico.
Valores inferiores a 100 indican menor incertidumbre relativa.