Data Source
Fuente de Datos
All data come from the Binance P2P order book for USDT/BOB, scraped daily and published as an open Kaggle dataset (andreschirinos/p2p-bob-exchange). Each observation is a quantity-weighted average across all active advertisers. Historical series starts August 2024. Updated daily at ~10 AM Bolivia time (UTC−4).
Todos los datos provienen del libro de órdenes P2P de Binance para USDT/BOB, extraídos diariamente y publicados como dataset abierto en Kaggle (andreschirinos/p2p-bob-exchange). Cada observación es un promedio ponderado por cantidad entre todos los anunciantes activos. La serie histórica comienza en agosto de 2024. Actualización diaria a las ~10 AM hora de Bolivia (UTC−4).
EMP Index Construction
Construcción del Índice EMP
Three raw components are standardised (mean 0, σ 1) over the full sample:
Tres componentes brutos se estandarizan (media 0, σ 1) en la muestra completa:
The EMP index is the first principal component of the three z-scores, oriented so higher = more pressure. PC1 explains 55.8% of joint variance.
El índice EMP es el primer componente principal de los tres puntajes z, orientado de modo que valores más altos = mayor presión. El CP1 explica el 55.8% de la varianza conjunta.
Early Warning Model
Modelo de Alerta Temprana
A logistic regression predicts the probability that the shadow rate rises ≥5% within H days, using z_gap, z_spread, and z_liq as inputs. Key finding: z_liq dominates at 30 days (AUC 0.928) because order-book depth leads prices — sellers withdraw before the price spikes. Reference: Hernani-Limarino (2026).
Una regresión logística predice la probabilidad de que el tipo sombra suba ≥5% en H días, usando z_gap, z_spread y z_liq como insumos. Hallazgo clave: z_liq domina a 30 días (AUC 0.928) porque la profundidad del libro de órdenes anticipa los precios — los vendedores se retiran antes de que el precio suba. Referencia: Hernani-Limarino (2026).