VII Curso sobre Machine Learning y Banca Central (teórico)

La parte teórica del VII Curso sobre Machine Learning y Banca Central se llevó a cabo de manera virtual los días 24 y 25 de agosto de 2026, como parte de una iniciativa de capacitación organizada conjuntamente por el Centro de Estudios Monetarios Latinoamericanos (CEMLA) y el Deutsche Bundesbank. El curso tuvo como propósito fortalecer los conocimientos de los participantes sobre técnicas de aprendizaje automático y sus aplicaciones en el ámbito financiero y de la banca central, proporcionando una base conceptual para comprender las posibilidades, los alcances y las limitaciones de estas herramientas. Las sesiones se desarrollaron mediante la plataforma Zoom, con interpretación simultánea en español e inglés.

Las actividades académicas estuvieron a cargo de Gabriela Alves Werb, Timur Sattarov, Sebastian Seltmann y Georg Steinbuß, especialistas del Deutsche Bundesbank, mientras que la moderación y coordinación de las jornadas correspondió al Dr. Gerardo Hernández del Valle, Director de Infraestructuras del Mercado Financiero del CEMLA. El programa se estructuró alrededor de cuatro áreas: aprendizaje automático interpretable, inferencia causal, detección de anomalías y procesamiento de lenguaje natural, con especial atención a su relevancia para el análisis económico y financiero.

La primera jornada comenzó con una introducción a la estructura y organización del curso, seguida de una revisión de los conceptos fundamentales del aprendizaje automático. Esta revisión permitió establecer una base común para abordar técnicas más avanzadas y discutir el papel que desempeñan los modelos de aprendizaje automático en el análisis de información. Posteriormente, se presentó el tema de aprendizaje automático interpretable (Interpretable Machine Learning), centrado en la comprensión y explicación de los resultados producidos por los modelos. Esta temática resulta especialmente relevante para los bancos centrales, donde la utilización de herramientas analíticas debe acompañarse de criterios que permitan comprender sus resultados y evaluar su pertinencia para la toma de decisiones.

La segunda parte del primer día estuvo dedicada a la inferencia causal (Causal Inference). Se introdujeron los principales conceptos, supuestos y elementos del marco de análisis causal, destacando la importancia de distinguir entre relaciones estadísticas y relaciones de causa y efecto. Esta distinción es fundamental para la investigación económica y la evaluación de políticas, ya que la capacidad de un modelo para identificar patrones o realizar predicciones no implica necesariamente que permita establecer relaciones causales. La inclusión de este tema contribuyó a situar las técnicas de aprendizaje automático dentro de un marco metodológico más amplio, particularmente relevante para las actividades de investigación y análisis de los bancos centrales.

Durante la segunda jornada se abordó la detección de anomalías (Anomaly Detection), comenzando con sus fundamentos y principales modelos. El tema se desarrolló desde la perspectiva de la identificación de observaciones o comportamientos que se apartan de los patrones habituales de los datos, así como de sus posibles aplicaciones en finanzas. La detección de anomalías constituye un área de interés para el análisis de información financiera, pues permite estudiar comportamientos atípicos y complementar los procedimientos tradicionales de seguimiento y evaluación de datos.

Finalmente, el curso abordó el procesamiento de lenguaje natural (Natural Language Processing, NLP), mediante una introducción a sus conceptos y aplicaciones, seguida de una discusión sobre los modelos generativos en la banca central. Este bloque permitió considerar el uso de herramientas de aprendizaje automático para trabajar con información textual y otras fuentes de datos no estructurados, así como las posibilidades que ofrecen los modelos generativos para ampliar las capacidades de análisis de las instituciones. La incorporación de este tema respondió a la creciente importancia de las técnicas de inteligencia artificial en el procesamiento de información y en el desarrollo de nuevas herramientas analíticas.

En conjunto, las dos jornadas ofrecieron una visión de distintas vertientes del aprendizaje automático, desde la interpretación de modelos y la inferencia causal hasta la identificación de anomalías y el procesamiento de lenguaje natural. La selección de temas permitió combinar fundamentos metodológicos con aplicaciones de interés para el sector financiero y la banca central, destacando tanto las oportunidades que ofrecen estas herramientas como la importancia de comprender sus supuestos y limitaciones.

La parte teórica constituyó así la base conceptual del VII Curso sobre Machine Learning y Banca Central y sirvió como preparación para la fase práctica presencial, programada del 2 al 4 de septiembre de 2026 en Panamá, orientada al trabajo colaborativo y al desarrollo de casos de uso propuestos por los participantes.