26/10: Clara ventaja de Fuerza Patria sobre La Libertad Avanza

"La estimación final, depurado todos los ítems distorsivos, concluyen en un 60% a 65% de certeza que Fuerza Patria obtiene más sufragios que La Libertad Avanza el domingo 26/10", explica Diego Estévez, economista con experiencia tanto en el sector público como el privado, ex director ejecutivo del MAE (Mercado Abierto Electrónico) antes de su instalación en Europa donde lideró negocios de bancos y realiza consultoría a gobiernos.

Sus números le resultan tan definitivos que los hizo públicos a Urgente24:

38,5% de electores para Fuerza Patria / Unión por la Patria;
33,5% para La Libertad Avanza;
7% para Provincias Unidas y
3,5% para el Frente de Izquierda de los Trabajadores.

Lo más interesante es que no hay ideología en estas estadísticas. Tampoco alguna influencia partidaria argentina. Al contrario, es un trabajo objetivo e independiente de quien mantiene una relación personal permanente en España con referentes de VOX y el Partido Popular.

Estévez fue un pionero en la Argentina de la aplicación de cálculos probabilísticos y modelos predictivos. Él ingresó a la informática aplicada a la macroeconomía y a las finanzas mucho antes que la mayoría aunque reconoce que fue un consejo de Ricardo Arriazu.

Si se considera que Steve Jobs y Steve Wozniak presentaron su Apple II en abril de 1977, es posible entender de qué estamos hablando: cuando comenzó, la informática lo convertía en un extraterrestre.

En los años recientes, Estévez exploró mucho más acerca de los modelos predictivos, y lo demostró tanto con las elecciones en USA que ganó Donald Trump como con el sufragio en Alemania que hizo canciller a Friedrich Merz. Ahora, él elaboró durante semanas una formidable base de datos para una experiencia titulada 'Épsilon Political Sentiment Tracker'.

estevez

Big Data

El domingo 26/10 es un comicio de renovación de 127 bancas en la Cámara de Diputados de la Nación y 24 escaños en la Cámara de Senadores Nacionales. Fue necesario el seguimiento y depuración de una enorme cantidad de datos que surgieron de las redes sociales, una de las materias primas utilizada por Estévez.

Muchos de los conceptos aplicados por él provienen de 'On the frontiers of Twitter data and sentiment analysis in election prediction: a review' (por Quratulain Alvi, Syed Farooq Ali, Sheikh Bilal Ahmed, Nadeem Ahmad Khan, Mazhar Javed y Haitham Nobanee), trabajo publicado en 'Frontiers in Big Data' que analizó 80 estudios realizados entre 2010 y 2023 sobre elecciones en USA, Pakistán, India, Indonesia e Irán.

La idea es que los modelos de aprendizaje profundo, como BERT o LSTM bidireccional, alcanzan precisiones de hasta 97,3% al analizar el sentimiento político en redes sociales tales como X, superando a los métodos tradicionales de 'machine learning' y los enfoques léxicos.

Sin embargo, el estudio advierte que, aunque los datos de X muestran correlaciones con los resultados electorales, no establecen causalidad. El sesgo en los datos (por ejemplo, la subrepresentación de grupos demográficos tales como votantes rurales o mayores) y la dificultad para interpretar sarcasmo, emojis o textos multilingües, limitan su precisión.

En promedio, los datos de X presentan un sesgo del 3,5% en los votos populares, comparados con encuestas tradicionales; y fallan en elecciones cerradas o donde predominan factores no digitales, como los socioeconómicos.

De ahí la importancia de “escuchar” el contenido de las redes, analizar y habilitar la inferencia estadística para luego cruzar los datos con las encuestas convencionales, tanto las publicadas como las que las empresas demoscópicas giran a sus clientes.

Estévez 'alimentó' su base de datos con una variedad de encuestas convencionales realizadas durante 2025 por variados investigadores de estado de opinión pública.

En las elecciones de India (2019), un modelo basado en 'deep learning' predijo con éxito la victoria del partido BJP (Bharatiya Janata Party, de Narendra Modi) al captar el entusiasmo de los votantes jóvenes en X.

En Pakistán (2018), el análisis de publicaciones geolocalizadas anticipó el ascenso del PTI (Pakistán Tehreek-e-Insaf o Movimiento por la Justicia de Pakistán), de Imran Khan.

Sin embargo, en Malasia (2018), los modelos fallaron al no reflejar debates locales sobre desempleo que no se discutían en redes.

En USA, el modelo predijo correctamente 7 de 8 carreras senatoriales, combinando el volumen y el sentimiento de los posteos, pero advirtió sobre la dificultad de captar a votantes “silenciosos”, que no participan en X.

estevez-diego.jpg

Diego Estévez.

Inteligencia Artificial

Para las elecciones argentinas 2025, Estévez diseñó un modelo de proyección que combina datos de encuestas públicas recientes (de septiembre / octubre 2025) con el análisis de “sentimiento político”, utilizando 4 modelos de Inteligencia Artificial:

Julius AI (para el segmento matemático y econométrico);
Hootsuite y Branda para “escuchar a las redes”; y
Grok V.4 para el análisis global.

Contribuyó al trabajo el modelo de aprendizaje profundo BERT (Bidirectional Encoder Representations from Transformers).

Un modelo BERT pre-entrenado trabajó con

promedios de encuestas provinciales y nacionales, y
ajustes basados en el “sentimiento” en X y coetáneos, utilizando conteos de palabras clave (nombres de partidos, candidatos o términos políticos) y tendencias de volumen de publicaciones.

Luego, la depuración de datos.

Factores externos como la inflación o la crisis económica en desarrollo requieren integrar encuestas tradicionales al análisis del 'sentimiento' para captar dinámicas emergentes.

El malestar en progreso resulta notable, apareciendo la idea de "Odio" como valor explicativo del sentimiento de un universo que representa 6% del total.

El concepto que definiría la percepción mayoritaria acerca de Javier Milei es "Frustración" o "Desilusión".

Muy interesante resultó mezclar un seguimiento del 'sentimiento' en redes con la evolución de las encuestas de consumo de CAME (Confederación Argentina de la Mediana Empresa) y el Índice de Confianza del Consumidor de la Universidad Di Tella.

Él recuerda un consejo que le dio Alan Greenspan a un grupo de economistas entre quienes estaba él: No atender tanto a la opinión del 'mercado' financiero / cambiario / bursátil como a lo que sucede en el 'main street' (la calle principal, la del comercio y el consumo). Todo indica que ni Javier Milei ni Luis Caputo estuvieron alguna vez con Greenspan....

---------------------------