Pasar al contenido principal

Eventos

En esta sección encontrarás la agenda de eventos académicos, conferencias, seminarios y actividades organizadas por la Facultad de Economía.

Imagen Lanzamiento libro "CLIMATE CHANGE CHALLENGES AND OPPORTUNITIES"
Activo

Lanzamiento libro "CLIMATE CHANGE CHALLENGES AND OPPORTUNITIES"

Fecha: 12 de septiembre de 2024  Hora: 5:00PM - 7:00PM Lugar: Auditorio Ume Centro del Japón | Universidad de los Andes Panelistas Susana Muhamad, Ministra de Ambiente y Desarrollo Sostenible de Colombia Brigitte Baptiste, Directora de la Universidad EAN Rodrigo Valdés, Director del Departamento del Hemisferio Occidental del Fondo Monetario Internacional Hernando Zuleta, Decano del Departamento de Economía de la Universidad de los Andes América Latina y el Caribe es una de las regiones más diversas en cuanto a riesgos relacionados con el clima, y el cambio climático presenta tanto desafíos como oportunidades para el desarrollo económico y social en la región. Este libro ofrece opciones de políticas para la mitigación del clima, la adaptación y la transición a la energía verde. Dada la estructura única de las emisiones en la región, es probable que se necesite una amplia gama de herramientas de mitigación. Una combinación de políticas que equilibre la fijación de precios del carbono con un impulso de inversión verde probablemente tenga efectos positivos a largo plazo en la actividad y el empleo. Además, algunos países de la región pueden beneficiarse de las tecnologías verdes debido a su dotación de “commodities verdes” —como litio, cobre, níquel y cobalto— necesarios en la transición energética. Los exportadores e importadores de combustibles fósiles tienen diferentes perfiles de riesgos de transición; los exportadores de combustibles fósiles están más expuestos a los riesgos de transición, pero muchos países de ALC dependen de las importaciones de energía. Un enfoque integral para la adaptación, basado en la construcción de resiliencia estructural (inversión en infraestructura resiliente) y resiliencia financiera (establecimiento de un esquema de seguro integral por capas) generaría beneficios significativos a largo plazo para los países más vulnerables de la región. Fortalecer la supervisión, los informes y los marcos regulatorios puede fortalecer la resiliencia del sistema financiero a los choques climáticos. Para alcanzar los objetivos de mitigación, adaptación y transición climática, se requiere una financiación inicial significativa, siendo crucial tanto el apoyo externo como la participación del sector privado. Para aprovechar las oportunidades y mitigar los riesgos, los países deben mejorar la flexibilidad económica mediante la reasignación de mano de obra y capital, la inversión en habilidades y tecnología, la mejora de la gobernanza y la gestión fiscal para la transición climática.

05:00 pm
Universidad de los Andes
Imagen Seminario CEDE - Paul Soto
Activo

Seminario CEDE - Paul Soto

This paper examines the link between industrial production and the sentiment expressed in natural language survey responses from U.S. manufacturing firms. We compare several natural language processing (NLP) techniques for classifying sentiment, ranging from dictionary-based methods to modern deep learning methods. Using a manually labeled sample as ground truth, we find that deep learning models--partially trained on a human-labeled sample of our data--outperform other methods for classifying the sentiment of survey responses. Further, we capitalize on the panel nature of the data to train models which predict firm-level production using lagged firm-level text. This allows us to leverage a large sample of "naturally occurring" labels with no manual input. We then assess the extent to which each sentiment measure, aggregated to monthly time series, can serve as a useful statistical indicator and forecast industrial production. Our results suggest that the text responses provide information beyond the available numerical data from the same survey and improve out-of-sample forecasting; deep learning methods and the use of naturally occurring labels seem especially useful for forecasting. We also explore what drives the predictions made by the deep learning models, and find that a relatively small number of words--associated with very positive/negative sentiment--account for much of the variation in the aggregate sentiment index.  

12:30 pm
Universidad de los Andes

Conoce las publicaciones de la Facultad