• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

La caverna del consumo, o cómo Greenspan miraba calzoncillos para hacer política monetaria – El bestiario de los indicadores económicos absurdos (parte 1)

junio 4, 2026 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 8 minutos

La economía es una de las pocas disciplinas donde puedes proponer que el largo de las faldas predice el ciclo bursátil, que el precio del pintalabios anticipa las recesiones, o que el ganador de la Super Bowl determina la dirección del S&P 500, y no solo nadie te encerrará: probablemente acabes citado en el Wall Street Journal y dando entrevistas en Bloomberg.

Lo que sigue es la primera entrega de un recorrido por los indicadores más absurdos que la economía aplicada ha producido. Algunos los inventaron periodistas en estado etílico. Otros los popularizaron presidentes de la Reserva Federal. Y unos cuantos tienen, sospechosamente, una correlación histórica suficiente como para que los analistas técnicos sigan citándolos en 2026. Ese es precisamente el problema: si lo absurdo correlaciona, ¿quién tiene razón, el indicador o la realidad?

En esta primera entrada me concentro en los indicadores basados en lo que la gente compra o deja de comprar, que pretenden anticipar el ciclo económico. Es decir, la economía leída a través del carrito de la compra. Y a veces, como veremos, a través del cajón de la cómoda.

Todas las publicaciones de la serie El bestiario de los indicadores económicos absurdos:

  • La caverna del consumo, o cómo Greenspan miraba calzoncillos para hacer política monetaria
  • La vanidad del paisaje, o por qué un becario sale a contar grúas a Manhattan
  • Augurios deportivos y portadas malditas, o cuando The Economist predice mejor al revés

Tabla de contenidos

  • 1 El Índice Big Mac
  • 2 El Índice Latte (y la trampa de imputar Starbucks)
  • 3 El Índice Pintalabios (Lipstick Index)
  • 4 El Índice de la Ropa Interior Masculina (Greenspan)
  • 5 El Índice Champagne
  • 6 El Índice de la Camarera Atractiva (Hot Waitress Index)
  • 7 El Índice Pizza del Pentágono
  • 8 El Índice de las Alubias en Lata (Baked Beans Index)
  • 9 El Índice de la Cinta Adhesiva (Duct Tape Index)
  • 10 Conclusiónes

El Índice Big Mac

El abuelo del género. The Economist lo publica desde 1986. La idea era didáctica: si las monedas reflejaran su paridad de poder adquisitivo, una Big Mac debería costar lo mismo en todas partes, traducido al tipo de cambio. Como no cuesta lo mismo, las monedas están sobrevaloradas o infravaloradas.

Analytics Lane lanza la versión 1.1 del laboratorio con nuevas suites de CLV y Scoring
En Analytics Lane
Analytics Lane lanza la versión 1.1 del laboratorio con nuevas suites de CLV y Scoring

El problema es que se acabó tomando en serio. Hoy hay economistas profesionales discutiendo si el real brasileño está infravalorado un 23% basándose en el precio de una hamburguesa fabricada por una empresa que fija precios según la elasticidad de demanda local, el salario medio del país, el coste del local, la fiscalidad y la competencia. McDonald’s no es el Banco de Pagos Internacionales, pero los gráficos del Big Mac aparecen en informes oficiales del FMI con asombrosa regularidad.

Cuando intentas hacer lo mismo con otros productos —el Índice iPad de Commsec, el Índice Coca-Cola, el Índice Latte de Starbucks— obtienes paridades de poder adquisitivo completamente distintas para los mismos países. Es decir, la prueba directa de que no estás midiendo “el tipo de cambio real” sino “el precio de un producto concreto”.

El propio Economist insiste cada año en que es un divertimento didáctico. Y cada año los periódicos lo publican como si fuera el tipo de cambio de equilibrio.

El Índice Latte (y la trampa de imputar Starbucks)

Versión hipster del Big Mac basada en el precio de un café con leche grande de Starbucks. Tiene los mismos problemas que su primo de las hamburguesas más uno fascinante: Starbucks no opera en todos los países. ¿Cómo se calcula el índice en Argelia o en Bolivia? Se imputa.

Es decir, te inventas el precio de un café que no existe para construir un índice ya cuestionable basado en otro precio que sí existe. Y luego comparas. La cantidad de errores acumulados en cada paso es tal que el resultado final no tiene relación con la realidad de ningún país.

Publicidad


El Índice Pintalabios (Lipstick Index)

Lo propuso en 2001 Leonard Lauder, presidente de Estée Lauder. Según él, las ventas de pintalabios suben en recesiones porque las mujeres compran “pequeños lujos” cuando no pueden permitirse grandes. Lo bautizó tras observar un aumento de ventas después del 11-S.

El problema es que (a) él fabrica pintalabios y (b) los estudios posteriores no han encontrado el efecto. Durante la recesión de 2008 las ventas de pintalabios cayeron. Durante la pandemia también. El indicador funciona el día que su inventor lo propone y rara vez después, lo cual es un patrón sospechosamente recurrente entre indicadores anunciados por gente con interés comercial directo en lo que mide.

Aun así sigue citándose cada vez que entramos en un ciclo bajista. Es de esos zombis intelectuales que ningún dato consigue matar.

El Índice de la Ropa Interior Masculina (Greenspan)

Este es uno de mis favoritos. Alan Greenspan, presidente de la Reserva Federal entre 1987 y 2006, propuso seriamente que las ventas de calzoncillos masculinos eran un indicador adelantado de la confianza del consumidor. Su lógica era extraordinaria: la ropa interior es la prenda más privada que viste un hombre. Nadie la ve. Por tanto, cuando hay miedo a una recesión, el calzoncillo es lo primero que se deja de reponer. Aguantan los que tienes hasta que pase la crisis.

Greenspan lo contó al periodista Robert Krulwich de NPR con estas palabras (parafraseo): “Si piensas en todas las prendas del hogar, la más privada son los calzoncillos masculinos, porque nadie los ve excepto la gente del vestuario, y a esos qué les importa.” Es decir, el presidente del banco central más poderoso del mundo organizaba parte de su lectura coyuntural alrededor del calzoncillo, lo cual plantea dudas razonables sobre qué entendemos exactamente por “indicadores adelantados”.

Lo realmente perturbador es que el indicador correlaciona. Las series de ventas de ropa interior masculina cayeron antes de la Gran Recesión de 2008 y antes de la crisis del COVID en 2020. En enero de 2023, cuando el precio del calzoncillo subió un 5,5% en EEUU, hubo prensa económica seria interpretando el dato como señal de recuperación de la confianza. La marca Shinesty ha llegado a producir un Índice formal en 2025 actualizando la teoría.

Si esto te parece poco serio, recuerda que el mismo Greenspan también seguía las ventas de cartón ondulado, porque las fábricas embalan más cuando producen más. Era una manera elegante de decir que el dato oficial de actividad industrial llegaba tarde y miraba al cartón como proxy en tiempo real. El método sigue vigente: hoy se llama nowcasting y se hace con imágenes de satélite de aparcamientos de Walmart.

El Índice Champagne

Las ventas de champagne francés se han usado como indicador del bienestar de las élites globales y, por extensión, del ciclo financiero. El problema es elemental: las élites no esperan a estar bien para beber champagne. Beben champagne para celebrar cuando van bien y para consolarse cuando van mal. El indicador no distingue entre júbilo y depresión.

Las ventas globales de champagne cayeron en 2009 (crisis financiera) pero también en 2020 (pandemia, donde no hubo crisis de las élites, solo cierre de restaurantes). El supuesto causal es tan endeble como esperar que el consumo de paracetamol prediga las epidemias.

Publicidad


El Índice de la Camarera Atractiva (Hot Waitress Index)

Hugo Lindgren publicó en New York Magazine en 2009 una teoría que, juro, alguien escribió, editó y publicó en serio: el atractivo medio de las camareras en restaurantes correlaciona inversamente con el ciclo económico. La explicación: en épocas de bonanza, las modelos consiguen trabajos de modelo. En recesión, aceptan turnos como camareras.

Aparte de todo lo objetable del indicador en sí mismo —que es bastante— la metodología nunca se especificó. ¿Cómo se mide? ¿Quién puntúa? ¿Con qué baremo? ¿Hay control de edad, ciudad, tipo de restaurante? Da igual. El artículo se citó durante semanas. Hubo seguimientos en otras publicaciones. Apareció en libros de divulgación económica.

Es probablemente el ejemplo más claro de que en este género lo importante no es el método sino la idea sugerente expresada con suficiente confianza.

El Índice Pizza del Pentágono

Frank Meeks, propietario de varias franquicias de Domino’s Pizza en Washington, observó durante los años 80 que los pedidos al Pentágono y a la Casa Blanca se disparaban antes de operaciones militares importantes. Tiene su lógica: los funcionarios trabajan hasta tarde durante una crisis, no salen a cenar, piden pizza.

Durante la invasión de Panamá en 1989, Meeks predijo la operación al ver el patrón de pedidos. CNN lo citó. Durante la primera Guerra del Golfo (1991), periodistas en Washington cronometraban pedidos a Domino’s como indicador adelantado. Se ha llamado “Pizza Meter” y forma parte del folclore washingtoniano. Existió incluso un cronograma público de “horas de pizza” para predecir cuándo iba a empezar algo importante.

El propio Meeks contó en entrevistas que mantuvo récords de qué oficinas pedían más antes de cada operación. El Departamento de Defensa, sin embargo, prohibió a sus empleados pedir pizza durante los días previos a operaciones secretas después de la Guerra del Golfo, lo cual destruyó el indicador. Una solución elegante a un problema absurdo.

El Índice de las Alubias en Lata (Baked Beans Index)

Versión inglesa y proletaria del champagne. Las ventas de alubias en lata —baratas, duraderas y sorprendentemente saciantes— suben en recesiones cuando los hogares redescubren que comer también puede ser una decisión financiera. Se cita habitualmente en prensa británica como indicador contracíclico adelantado.

Funciona razonablemente. El problema es que también lo hacen las ventas de pasta, arroz, lentejas y cualquier alimento básico. ¿Por qué las alubias? Porque suena gracioso. Si lo bautizaran “Índice de los alimentos básicos no perecederos de bajo coste por unidad calórica”, nadie lo citaría.

Publicidad


El Índice de la Cinta Adhesiva (Duct Tape Index)

Variante de las ventas de cartón. La cinta adhesiva tipo duct tape se compra para reparaciones rápidas en fábricas y obras. Cuando hay actividad industrial, suben las ventas.

El problema apareció el 7 de febrero de 2003, cuando el secretario de Seguridad Nacional de EEUU, Tom Ridge, recomendó a los estadounidenses comprar cinta adhesiva y plástico para sellar las ventanas de sus casas ante un posible ataque químico de Al Qaeda. Las ventas se dispararon un 400% en una semana. La actividad industrial no se había movido. El indicador, momentáneamente, mintió de forma espectacular.

También se distorsiona cuando un youtuber hace un tutorial popular sobre algo. Hoy la cinta adhesiva pierde como indicador no porque haya menos fábricas, sino porque ha cambiado su público.

Conclusiónes

Si después de leer esta primera tanda piensas que esto es lo más raro que la economía aplicada ha producido, te aviso: ni de lejos. La próxima entrega abandona la caverna del consumo y se adentra en lo que he llamado “la vanidad del paisaje”: indicadores que se leen mirando el horizonte de una ciudad, el largo de las faldas en pasarela, o la velocidad a la que habla el presidente de la Reserva Federal en sus ruedas de prensa.

Spoiler para que sigas enganchado: existe una empresa real que paga a alguien para que salga a contar grúas por las calles de Manhattan. Y existe un paper académico publicado en una revista financiera respetable que cronometra palabras por minuto del presidente de la Fed. La frontera entre economía aplicada y antropología observacional es bastante más fina de lo que parece desde fuera.

Si algo demuestra este bestiario no es que los indicadores pueden ser absurdos, sino que la economía real es lo suficientemente caótica como para que casi cualquier cosa parezca tener sentido durante el tiempo suficiente.

Nos vemos en la siguiente entrega.

Todas las publicaciones de la serie El bestiario de los indicadores económicos absurdos:

  • La caverna del consumo, o cómo Greenspan miraba calzoncillos para hacer política monetaria
  • La vanidad del paisaje, o por qué un becario sale a contar grúas a Manhattan
  • Augurios deportivos y portadas malditas, o cuando The Economist predice mejor al revés

Nota: La imágenes de este artículo fueron generadas utilizando un modelo de inteligencia artificial.

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Analytics Lane lanza la versión 1.1 del laboratorio con nuevas suites de CLV y Scoring
  • Subplots en Matplotlib: cómo organizar múltiples gráficos en una sola figura
  • Cómo comparar datos con barras en Matplotlib: agrupadas, apiladas y porcentuales
  • Ley de Benford: cómo detectar datos manipulados con ejemplos reales
  • Costes hundidos en ciencia de datos: cuándo mantener un modelo y cuándo migrar
  • Síndrome del objeto brillante en ciencia de datos: el error simétrico a los costes hundidos
  • WOE e IV: La Base Matemática del Credit Scoring
  • De la Regresión Logística al Scorecard: La Transformación Matemática
  • Calibración vs Discriminación en Credit Scoring: diferencias clave y cómo evaluarlas

Publicado en: Opinión Etiquetado como: Economía, Falacias Estadísticas

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

La caverna del consumo, o cómo Greenspan miraba calzoncillos para hacer política monetaria – El bestiario de los indicadores económicos absurdos (parte 1)

junio 4, 2026 Por Daniel Rodríguez

Calibración vs Discriminación en Credit Scoring: diferencias clave y cómo evaluarlas

junio 2, 2026 Por Daniel Rodríguez

Ley de Benford: cómo detectar datos manipulados con ejemplos reales

mayo 28, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • Comparar archivos en Visual Studio Code publicado el enero 10, 2024 | en Herramientas
  • Excel en Python Guardar y leer archivos Excel en Python publicado el julio 30, 2018 | en Python
  • Cómo determinar el número de componentes en PCA usando el Criterio de Kaiser publicado el febrero 14, 2025 | en Ciencia de datos
  • Creación de documentos Word con Python publicado el septiembre 7, 2020 | en Python

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.9 (11)

Pandas: Cambiar los tipos de datos en los DataFrames

Comentarios recientes

  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración
  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto