Un análisis liderado por León Padilla, docente-investigador de la Universidad de Las Américas (UDLA), aplica técnicas de aprendizaje automático para identificar patrones de convergencia económica en los países miembros de la Unión Monetaria Europea (EMU). El estudio, publicado en la revista Ekonomika, revela la existencia de núcleos diferenciados dentro de la eurozona: un grupo estable conformado por países del norte de Europa y un grupo periférico con mayores desafíos estructurales.
Utilizando algoritmos de clustering como K-means, PAM y Fuzzy C-Means, la investigación muestra cómo la falta de homogeneidad industrial y macroeconómica puede aumentar los costos de integración y comprometer la resiliencia del bloque ante crisis asimétricas.
Este hallazgo plantea implicaciones relevantes tanto para la Eurozona como para otros bloques que aspiran a una integración monetaria. Además, evidencia cómo el uso de herramientas como el machine learning puede enriquecer los análisis económicos tradicionales y ofrecer nuevas perspectivas para el diseño de políticas públicas.
🔗 Lee el artículo completo en: https://doi.org/10.15388/Ekon.2024.103.4.4
