Sobre Qhawarina

Centro de investigación en datos económicos de alta frecuencia para el Perú

Qué es Qhawarina

Qhawarina es un centro de investigación en datos económicos de alta frecuencia para el Perú. Combinando web scraping, modelos econométricos y procesamiento de lenguaje natural, Qhawarina produce indicadores diarios de inflación, riesgo político, crecimiento del PBI y pobreza monetaria — actualizados con mayor frecuencia que las fuentes oficiales y accesibles de forma gratuita.

El nombre proviene del quechua "qhaway" (observar) con el sufijo instrumental "-rina": un instrumento para observar. Como los miradores andinos desde donde se vigilaba el territorio, Qhawarina ofrece una vista anticipada de la economía peruana.

Fundado en 2026. Todos los datos se publican bajo licencia CC BY 4.0. El código fuente y la metodología son abiertos.

Equipo fundador

Carlos César Chávez Padilla

Fundador y Director

Economista peruano especializado en econometría aplicada, economía del desarrollo y economía política. Más de 20 publicaciones académicas en revistas internacionales.

Actualmente investigador en el Centro de Economía para el Desarrollo Humano de la Universidad de Chicago. Previamente investigador profesional en Harvard Business School, analista de investigación en Georgetown University, analista sénior en el Fondo Monetario Internacional y consultor de investigación en el Banco Interamericano de Desarrollo.

Máster en Políticas Públicas, Escuela Harris de Políticas Públicas, Universidad de Chicago.

Originario de Barranca, Perú.

University of ChicagoHarvard UniversityFMIGeorgetown UniversityBID

Qhawarina está abierto a investigadores, economistas y desarrolladores interesados en contribuir.

Metodología y fuentes

Fuentes de datos

BCRP — Series monetarias, producción, comercio exterior

INEI — PBI trimestral, IPC mensual, ENAHO (pobreza)

MIDAGRI — Precios mayoristas agrícolas

Supermercados — Plaza Vea, Metro, Wong (~42,000 productos diarios vía VTEX API)

Medios — El Comercio, Gestión, La República, Andina, RPP, Correo (11 feeds RSS)

Herramientas

Modelos — Dynamic Factor Models (DFM), Gradient Boosting, Ridge Regression

NLP — Claude Haiku (Anthropic) para clasificación de artículos

Datos satelitales — NOAA-VIIRS (luminosidad nocturna)

Stack — Python, Next.js, Vercel

Principios

📂

Datos abiertos

Todo lo que publicamos es descargable y reutilizable bajo CC BY 4.0.

🔍

Metodología transparente

Cada modelo está documentado con fórmulas, supuestos y limitaciones conocidas.

✅

Validación rigurosa

Evaluamos nuestros modelos contra datos oficiales y publicamos los resultados.

⚖️

Independencia

Sin afiliación institucional, política ni comercial.

Contacto

Preguntas, contribuciones o colaboraciones:

cchavezp@qhawarina.pe GitHub ↗