Las nóminas no agrícolas son una de las publicaciones mensuales de mayor impacto del mundo. Sin embargo, la realidad de la planificación es simple: las empresas, los mercados y los responsables de la toma de decisiones no esperan a que se imprima. Actualizan sus puntos de vista continuamente a medida que llegan señales semanales sobre los despidos, la demanda, la liquidez y la actividad.
Eso es exactamente para lo que sirve un nowcast: una previsión en tiempo real de una publicación de datos antes de que se publique el número oficial.
La variable principal de esta publicación proviene del programa BLS Current Employment Statistics (CES), que produce estimaciones mensuales del empleo, las horas y los ingresos no agrícolas basándose en una encuesta de grandes establecimientos. (Oficina de Estadísticas Laborales)
En este artículo, analizamos un indicador incorporado ahora para las nóminas no agrícolas de EE. UU. utilizando un conjunto de indicadores compacto que cubre distintos canales: las solicitudes iniciales de desempleo por despido, el Redbook de Johnson para la demanda, las medidas del balance bancario y de la Fed para las condiciones financieras, los flujos intermodales ferroviarios para la actividad y la producción de petróleo crudo como superposición sectorial. También explicamos por qué centramos el modelo en MIDAS, qué dice la investigación y cómo Indicio hace que este flujo de trabajo sea operativo y explicable.
Por qué este artículo se centra en MIDAS
En nuestro modelo Bake Off, la mejor especificación de MIDAS arrojó un MAPE ponderado fuera de la muestra del 75%, frente al 89% de las alternativas que no eran de MIDAS. Esto representa una reducción del error de aproximadamente un 14%, y es exactamente lo que cuesta desechar la información de alta frecuencia cuando el objetivo es mensual.
El problema que resuelve MIDAS
Las nóminas son mensuales. Sin embargo, muchas de las señales más informativas llegan semanalmente. Los modelos tradicionales suelen «corregir» este problema agregando los datos semanales en un número mensual (promedio, suma, última observación). Esto es práctico, pero descarta la información cronológica del mes, que es exactamente lo que hace que los datos de alta frecuencia sean valiosos.
MIDAS, abreviatura de Mixed Data Sampling, fue diseñado para este desajuste. El marco MIDAS modela un objetivo de baja frecuencia como un retraso estructurado de las entradas de alta frecuencia utilizando funciones de ponderación parsimoniosas, en lugar de agrupar la serie de alta frecuencia en un punto de datos mensual.
Indicio describe esta intuición con claridad: las series de frecuencias más altas tienden a contener información más actualizada sobre la economía, razón por la cual los modelos de frecuencia mixta se utilizan comúnmente para la transmisión inmediata.
En la práctica, MIDAS a menudo gana en los pronósticos porque:
- utiliza todas las observaciones semanales del mes en lugar de un agregado mensual
- aprende qué semanas son más importantes (principios de mes, finales de mes o ambas)
- conserva la información sobre los puntos de inflexión que se borra al promediar
Por qué las nóminas no agrícolas son ideales para hacer pronósticos
El número de nómina del CES es mensual, pero el mercado laboral se mueve continuamente. En las semanas previas al lanzamiento, observamos:
- los despidos aparecen en las reclamaciones iniciales semanales
- la demanda de los consumidores cambia a través de la actividad minorista semanal
- endurecimiento o flexibilización de las condiciones financieras a través de los datos del sistema bancario
- el movimiento de mercancías cambia a través de los flujos de transporte
Como el CES es una estimación basada en encuestas y se revisa con el tiempo, un pronóstico inmediato es más útil cuando se actualiza a medida que llega nueva información de alta frecuencia.
La configuración de nowcast en Inindicio
La selección es sólida porque abarca varios canales que influyen en la contratación, sin llenar el modelo con varias versiones de la misma señal.
Para que el modelo sea interpretable, así es como cada indicador se asigna a una señal específica del mercado laboral.
1) Señal de despidos semanales: solicitudes iniciales de desempleo
La lista de indicadores incluye las solicitudes iniciales de desempleo y un promedio móvil de 4 semanas. Las solicitudes son una de las señales más rápidas de despido y tienden a impulsar el aumento de la nómina, especialmente en los momentos de inflexión.
Por qué funciona en un nowcast:
- se actualiza semanalmente
- a menudo cambia antes de que las impresiones de la nómina reflejen la ralentización de la contratación
Un detalle práctico: la media móvil de 4 semanas reduce el ruido y los efectos del calendario, mientras que la serie semanal puede detectar cambios bruscos antes.
2) Indicador de demanda semanal: ventas en la misma tienda de Johnson Redbook
La lista incluye las ventas interanuales de Johnson Redbook en la misma tienda. La demanda minorista afecta rápidamente a las decisiones laborales en las industrias orientadas al consumidor. Las ventas semanales en la misma tienda pueden ser una señal a corto plazo para las nóminas, especialmente cuando cambia la confianza de los consumidores o el impulso del gasto.
3) Condiciones financieras y de liquidez: depósitos y medidas del balance de la Fed
La lista incluye los depósitos de bancos comerciales y los activos del balance relacionados con la Reserva Federal. No se trata de series sobre el mercado laboral, pero ayudan a captar los cambios en las condiciones financieras y de liquidez que influyen en la actividad y las intenciones de contratación.
Para dar contexto, la publicación H.8 de la Reserva Federal cubre los activos y pasivos de los bancos comerciales y se actualiza con frecuencia. (Reserva Federal)
Por qué es importante para las nóminas:
- el endurecimiento de la liquidez puede preceder a la reducción de la contratación
- la flexibilización de las condiciones puede respaldar la actividad y la demanda laboral
4) Flujos de la economía real: se originaron las unidades intermodales ferroviarias
El tráfico intermodal ferroviario es una lectura de alta frecuencia sobre el movimiento de mercancías y la logística. A menudo reacciona a los ciclos de inventario, a los cambios en la demanda y a la normalización de la cadena de suministro. Estos cambios pueden repercutir en la contratación de personal en los sectores del transporte, el almacenamiento, la fabricación y los servicios relacionados.
5) Superposición sectorial: producción de yacimientos de petróleo crudo
La dinámica del sector energético puede influir en el empleo directamente en las regiones vinculadas a la energía e indirectamente a través de los gastos de capital y la actividad industrial. La lista de indicadores incluye la producción de yacimientos de petróleo crudo, lo que puede ayudar al modelo a reflejar los cambios en ese ciclo.
Qué aporta el indicio a la transmisión inmediata
Indicativo es una plataforma de previsión automatizada diseñada para hacer que el modelado avanzado sea utilizable sin necesidad de un gran desarrollo interno de ciencia de datos. Las partes que más importan a la hora de emitir una nómina son:
Modelos de frecuencia mixta para pronósticos en tiempo real
Indicativo admite modelos de pronóstico de frecuencia mixta que se utilizan habitualmente para la predicción inmediata, incluidos los enfoques del estilo MIDAS que traducen las señales semanales en una predicción inmediata mensual.
Creación automática de modelos y pruebas retrospectivas
Indicativo hace hincapié en la automatización y la verificación mediante pruebas retrospectivas y la comparación de modelos, para que pueda evaluar qué especificación funciona mejor en lugar de seleccionar un modelo por intuición.
Previsión explicable para la confianza de las partes interesadas
IndiCIO incluye funciones de explicabilidad que cuantifican y visualizan qué factores impulsan una previsión hacia arriba o hacia abajo, incluidas las vistas de estilo de contribución y los gráficos de estilo SHAP.
En conjunto, estas capacidades hacen que la transmisión inmediata sea operativa: puede actualizar el modelo a medida que lleguen las nuevas versiones semanales y seguir explicando qué fue lo que se trasladó.
Cómo el modelo produce una transmisión instantánea de enero de 2026 sin suposiciones codificadas
El enfoque de frecuencia mixta de Indicio está diseñado exactamente para esta configuración: los indicadores semanales y mensuales se combinan para producir una estimación mensual para la serie de cambios en la nómina. El flujo de trabajo de MIDAS de la plataforma tiene como objetivo utilizar información de alta frecuencia para estimar las próximas publicaciones de menor frecuencia.
El resultado es un pronóstico para la próxima impresión de nóminas que se actualiza a medida que llegan nuevos indicadores semanales, no un número ajustado manualmente.
El pronóstico más reciente frente al consenso del mercado
Indicio produce dos vistas útiles de la misma transmisión instantánea. En primer lugar, la mejor especificación de MIDAS ofrece una estimación puntual para el cambio en la nómina de enero de 2026. En segundo lugar, Indicio puede generar un pronóstico inmediato ponderado que combine los resultados del modelo en una estimación consolidada.
En esta serie, la previsión actual ponderada por el indicio para enero de 2026 es de 64.014 puestos de trabajo.
Para compararlo con la visión predominante del mercado, la expectativa de consenso actual es de 70 000 puestos de trabajo.
Eso sitúa a los 5.986 empleos ahora ponderados por Indicio por debajo del consenso, aproximadamente un 8,6% menos. No se trata de «superar el consenso» a favor del deporte. El punto es que una frecuencia mixta se actualiza con señales semanales y una visión ponderada proporciona a los equipos de planificación una estimación estable que sigue reaccionando a la nueva información, sin comprometerse demasiado con un solo modelo.
Cómo explicar el nowcast a los ejecutivos y a los equipos de planificación
Las funciones explicables de previsión de Indicio hacen que un nowcast pueda usarse fuera del equipo de análisis porque conectan el resultado con los factores que las partes interesadas ya conocen. Indicio describe la explicabilidad en términos de cuantificar la contribución de cada factor y mostrar qué factores actúan como factores impulsores o barreras en el horizonte.
En el caso de un resumen de nómina, la historia suele seguir uno de estos tres patrones:
Patrón A: la señal de despidos domina - las solicitudes aumentan y las previsiones actuales bajan, incluso si otras series de actividades se mantienen estables.
Patrón B: la demanda se suaviza primero - los indicadores de ventas y flujo en la misma tienda se debilitan primero y las reclamaciones siguen más tarde. El modelo a menudo capta el turno antes de tiempo.
Patrón C: la liquidez se reduce - las medidas de los depósitos y el balance se deterioran, los indicadores de actividad se suavizan y la contratación responde con retraso.
La vista del conductor te permite decir no solo qué es la transmisión instantánea, sino también por qué pasó de la semana pasada a esta semana.
Cómo validar una nómina no agrícola ahora
No puedes juzgar un ahora por una letra. La credibilidad proviene de una validación repetible.
1) Pseudo backtesting en tiempo real
Pruebe el modelo históricamente utilizando solo los datos que habrían estado disponibles antes de cada fecha de publicación de la nómina. Indicio admite la puntuación fuera de la muestra y la comparación de modelos como parte de su flujo de trabajo de creación de modelos.
2) Controles de estabilidad
Elimine un canal a la vez y confirme que la salida no se contrae:
- eliminar reclamaciones
- eliminar el proxy de demanda
- eliminar datos bancarios
- eliminar los indicadores de flujo
Un modelo robusto se degrada con elegancia.
3) Cordura del conductor
Utilice la explicabilidad para confirmar que el modelo no atribuye las oscilaciones en la nómina a factores sin sentido. Si las señales cambian constantemente o las contribuciones aumentan bruscamente, eso suele ser una señal de sobreajuste.
Conclusiones clave
- Las nóminas no agrícolas son un objetivo ideal para el futuro, ya que se imprimen mensualmente, pero las mejores señales llegan semanalmente.
- Los modelos MIDAS están diseñados para configuraciones de frecuencia mixta y, por lo general, superan a los enfoques que se basan en la agregación de datos semanales en promedios mensuales.
- En nuestro modelo Bake Off (puntuado por el MAPE), el mejor modelo de MIDAS arrojó un resultado ponderado fuera de la muestra del 75% frente al 89% del grupo que no era de Midas, lo que destaca el valor de preservar la información de alta frecuencia.
- La explicabilidad no es opcional si una transmisión inmediata va a influir en las decisiones. El enfoque de Indicativo consiste en cuantificar las contribuciones de los conductores y hacer que el modelo sea interpretable.
- La predicción inmediata ponderada por Indicio (64.014) está por debajo del consenso de Trading Economics (70 000), y la diferencia se explica a través de factores de alta frecuencia.
