SkindaG
https://www.youtube.com/watch?v=5CGKdmsPmXY
Principia Politica
lunes, 18 de noviembre de 2019
domingo, 17 de noviembre de 2019
sábado, 28 de septiembre de 2019
Money
The Ascent of Money (Ferguson)
https://www.youtube.com/playlist?list=PLSP9UbXmBuqq2VIdj2JhYgjlYVWrWC2or
https://www.youtube.com/playlist?list=PLSP9UbXmBuqq2VIdj2JhYgjlYVWrWC2or
Cyborgs
Amazon (DW - Doc)
https://www.youtube.com/watch?v=UzGemfwaTT8
Ferguson Networld, Winner Takes All
https://www.youtube.com/watch?v=AMisW1JKjp0
Haraway (Manif) (Libros)
https://www.youtube.com/watch?v=UzGemfwaTT8
Ferguson Networld, Winner Takes All
https://www.youtube.com/watch?v=AMisW1JKjp0
Haraway (Manif) (Libros)
viernes, 30 de agosto de 2019
Economic advice
If you are or you advise a person in authority in the private or public sectors, you should know now not to take the advice of economists on faith. They have received far too easy a ride as the accepted vessels of economic knowledge. ask a few enquiring questions, and see whether those vessels ring hollow. When the time comes to appoint advisers on economic matters, quiz the applicants for their breadth of appreciation of alternative ways to ‘think economically,’ and look for the heterodox thinker rather than just the econometric technician.
(Keen, 5, 6)
‘no one saw this coming’
In a paper with the mocking title of ‘“No one saw this coming”: under standing crisis through accounting models’ 5 (Bezemer 2009, 2010, 2011), Dutch academic Dirk Bezemer trawled through academic and media reports looking for any people who had warned of the crisis before it happened, and who met the following exacting criteria:
Only analysts were included who: • provided some account of how they arrived at their conclusions. • went beyond predicting a real estate crisis, also making the link to real sector recessionary implications, including an analytical account of those links. • the actual prediction must have been made by the analyst and available in the public domain, rather than being asserted by others. • the prediction had to have some timing attached to it. (Bezemer 2009: 7) Bezemer came up with twelve names: myself and Dean Baker, Wynne Godley, Fred Harrison, Michael Hudson, Eric Janszen, Jakob Brøchner Madsen and Jens Kjaer Sørensen, Kurt Richebächer, Nouriel Roubini, Peter Schiff, and Robert Shiller.
He also identified four common aspects of our work: 1 a concern with financial assets as distinct from realsector assets, 2 with the credit flows that finance both forms of wealth, 3 with the debt growth accompanying growth in financial wealth, and 4 with the accounting relation between the financial and real economy. (Ibid.: 8)
If you have never studied economics before, this list may surprise you:don’t all economists consider these obviously important economic issues? As you will learn in this book, the answer is no. Neoclassical economic theory ignores all these aspects of reality – even when, on the surface, they might appear to include them. Bezemer gives the example of the OECD’s ‘small global forecasting’ model, which makes forecasts for the global economy that are then disaggregated to generate predictions for individual countries –it was the source of Cotis’s statement ‘Our central forecast remains indeed quite benign’ in the September 2007 OECD Economic Outlook. This OECD model apparently includes monetary and financial variables. However, these are not taken from data, but are instead derived from theoretical assumptions about the relationship between ‘real’ variables – such as ‘the gap between actual output and potential output’ – and financial variables. As Bezemer notes, the OECD’s model lacks all of the features that dominated the economy in the leadup to the crisis: ‘There are no credit flows, asset prices or increasing net worth driving a borrowing boom, nor interest payment indicating growing debt burdens, and no balance sheet stock and flow variables that would reflect all this’ (ibid.: 19).
How come? Because standard ‘neoclassical’ economic theory assumes that the financial system is rather like lubricating oil in an engine – it enables the engine to work smoothly, but has no driving effect. Neoclassical economists therefore believe that they can ignore the financial system in economic analysis, and focus on the ‘real’ exchanges going on behind the ‘veil of money.’ They also assume that the real economy is, in effect, a miracle engine that always returns to a state of steady growth, and never generates any undesirable side effects – rather like a pure hydrogen engine that, once you take your foot off the accelerator or brake, always returns to a steady 3,000 revs per minute, and simply pumps pure water into the atmosphere. To continue the analogy, the common perspective in the approaches taken by the economists Bezemer identified is that we see finance as more akin to petrol than oil. Without it, the ‘real economy’ engine revs not at 3,000 rpm, but zero, while the exhaust fumes contain not merely water, but large quantities of pollutants as well.
As the financial crisis made starkly evident, neoclassical economists were profoundly wrong: the issues they ignored were vital to understanding how a market economy operates, and their deliberate failure to monitor the dynamics of private debt was the reason why they did not see this crisis coming – and why they are the last ones who are likely to work out how to end it.
(Keen, 5, 6)
‘no one saw this coming’
In a paper with the mocking title of ‘“No one saw this coming”: under standing crisis through accounting models’ 5 (Bezemer 2009, 2010, 2011), Dutch academic Dirk Bezemer trawled through academic and media reports looking for any people who had warned of the crisis before it happened, and who met the following exacting criteria:
Only analysts were included who: • provided some account of how they arrived at their conclusions. • went beyond predicting a real estate crisis, also making the link to real sector recessionary implications, including an analytical account of those links. • the actual prediction must have been made by the analyst and available in the public domain, rather than being asserted by others. • the prediction had to have some timing attached to it. (Bezemer 2009: 7) Bezemer came up with twelve names: myself and Dean Baker, Wynne Godley, Fred Harrison, Michael Hudson, Eric Janszen, Jakob Brøchner Madsen and Jens Kjaer Sørensen, Kurt Richebächer, Nouriel Roubini, Peter Schiff, and Robert Shiller.
He also identified four common aspects of our work: 1 a concern with financial assets as distinct from realsector assets, 2 with the credit flows that finance both forms of wealth, 3 with the debt growth accompanying growth in financial wealth, and 4 with the accounting relation between the financial and real economy. (Ibid.: 8)
If you have never studied economics before, this list may surprise you:don’t all economists consider these obviously important economic issues? As you will learn in this book, the answer is no. Neoclassical economic theory ignores all these aspects of reality – even when, on the surface, they might appear to include them. Bezemer gives the example of the OECD’s ‘small global forecasting’ model, which makes forecasts for the global economy that are then disaggregated to generate predictions for individual countries –it was the source of Cotis’s statement ‘Our central forecast remains indeed quite benign’ in the September 2007 OECD Economic Outlook. This OECD model apparently includes monetary and financial variables. However, these are not taken from data, but are instead derived from theoretical assumptions about the relationship between ‘real’ variables – such as ‘the gap between actual output and potential output’ – and financial variables. As Bezemer notes, the OECD’s model lacks all of the features that dominated the economy in the leadup to the crisis: ‘There are no credit flows, asset prices or increasing net worth driving a borrowing boom, nor interest payment indicating growing debt burdens, and no balance sheet stock and flow variables that would reflect all this’ (ibid.: 19).
How come? Because standard ‘neoclassical’ economic theory assumes that the financial system is rather like lubricating oil in an engine – it enables the engine to work smoothly, but has no driving effect. Neoclassical economists therefore believe that they can ignore the financial system in economic analysis, and focus on the ‘real’ exchanges going on behind the ‘veil of money.’ They also assume that the real economy is, in effect, a miracle engine that always returns to a state of steady growth, and never generates any undesirable side effects – rather like a pure hydrogen engine that, once you take your foot off the accelerator or brake, always returns to a steady 3,000 revs per minute, and simply pumps pure water into the atmosphere. To continue the analogy, the common perspective in the approaches taken by the economists Bezemer identified is that we see finance as more akin to petrol than oil. Without it, the ‘real economy’ engine revs not at 3,000 rpm, but zero, while the exhaust fumes contain not merely water, but large quantities of pollutants as well.
As the financial crisis made starkly evident, neoclassical economists were profoundly wrong: the issues they ignored were vital to understanding how a market economy operates, and their deliberate failure to monitor the dynamics of private debt was the reason why they did not see this crisis coming – and why they are the last ones who are likely to work out how to end it.
viernes, 19 de julio de 2019
Solvencia
En realidad, los Estados nunca devuelven su deuda. Lo que hacen es refinanciarla, o sea, posponen su devolución de forma indefinida y sólo pagan los intereses de los préstamos. Mientras puedan seguir haciéndolo, serán Estados solventes. Para hacerse a la idea, sólo hay que visualizar un hoyo excavado en la tierra, situado junto a una montaña que representa el total de los ingresos del país. Día tras día, según se acumulan los intereses de la deuda, el agujero se va haciendo cada vez más grande, aunque el Estado no pida nuevos préstamos. Durante los buenos tiempos, cuando la economía crece, la montaña de ingresos aumenta de forma sostenida. Así, mientras la altura de la montaña crezca más deprisa que la profundidad del hoyo, los ingresos adicionales que se acumulan en la cima podrán transferirse al agujero adyacente. De este modo, la profundidad del agujero no varía y el Estado se considera solvente. Pero cuando la economía deja de crecer o empieza a contraerse, la insolvencia llama a la puerta: la recesión se come los ingresos que hacen crecer la montaña y ya nada puede impedir que el hoyo se siga haciendo más profundo. Llegados a este punto, los señores de los bancos exigirán que aumenten los tipos de interés de sus préstamos; es el precio que hay que pagar para que el Estado se pueda seguir refinanciando. Pero unos tipos de interés altos actúan como una excavadora pasada de revoluciones, que al trabajar cada vez más deprisa agranda a toda velocidad el agujero donde se acumulan las deudas.
sábado, 6 de julio de 2019
Big Data 10. Sensitivo
Big Data 10
Datos sensibles
\emph{Algunas de las informaciones registradas por gobiernos y empresas son sensibles.}
Las empresas de seguros de salud tienen informaci\'on detallada sobre los cuidados m\'edicos recibidos por sus clientes. Esta informaci\'on puede ser utilizada para importantes investigaciones sobre salud, pero si se hacen p\'ublicas pueden producir da\~{n}o emocional (p. ej., vergüenza) o da\~{n}o econ\'omico (p. ej., p\'erdida de empleo). Muchas otras fuentes de \emph{Big Data} tambi\'en mantienen informaci\'on \emph{sensitiva}, que es una de las razones por las cuales suele ser inaccesible.
Desafortunadamente, resulta ser bastante dif\'icil decidir qu\'e informaci\'on es realmente sensible (Ohm, 2015), como ejemplific\'o el Premio Netflix. En 2006 Netflix liber\'o 100 millones de calificaciones de pel\'iculas provistas por casi 500.000 miembros y abri\'o una convocatoria para que personas de todo el mundo aportaran algoritmos para mejorar las capacidades de Netflix para recomendar pel\'iculas. Antes de liberar los datos, Netflix removi\'o los datos identificadores de personas m\'as obvios, como ser los nombres. Pero apenas pasadas dos semanas de la liberaci\'on de los datos Arvind Narayanan y Vitali Shmatikov (2008) mostraron que era posible aprender sobre las calificaciones de pel\'iculas hechas por individuos utilizando algunos trucos t\'ecnicos. Incluso cuando un atacante podr\'ia descubrir calificaciones de pel\'iculas de alguna persona individual, no parece que esto sea demasiado sensible. Mientras que es as\'i en general, para al menos algunos de las 500.000 personas en el conjunto de datos, sus calificaciones son informaci\'on sensitiva. De hecho, en respuesta a la liberaci\'on y posterior re-identificaci\'on de los datos, una mujer lesbiana no declarada inici\'o acciones legales contra Netflix. As\'i se expresaba el problema en la demanda (Singel, 2009):
"Las calificaciones de pel\'iculas contienen informaci\'on... de naturaleza muy personal y sensible. Los datos sobre calificaciones de los usuarios de Netflix exponen sus intereses particulares y/o sus luchas con asuntos muy personales, incluyendo sexualidad, enfermedad mental, lucha contra el alcoholismo, y victimizaci\'on producto de incesto, abuso f\'isico, violencia dom\'estica, adulterio y violaci\'on."
Este ejemplo muestra que puede haber informaci\'on que algunas personas consideran sensitiva dentro de lo que puede parecer una base de datos benigna. M\'as a\'un, exhibe la posibilidad de que una l\'inea de defensa principal utilizada por los investigadores para proteger datos sensibles -la de-identificaci\'on- puede fracasar en maneras sorprendentes.
La recolecci\'on de datos sin el consentimiento de las personas hace surgir cuestiones \'eticas, incluso si no causan da\~{n}os espec\'ificos. As\'i como espiar a alguien que se ducha sin su consentimiento puede considerarse una violaci\'on de su privacidad, recolectar informaci\'on sensible -y recuerde lo dif\'icil que es establecer qu\'e es sensible- sin consentimiento crea potenciales cuestiones relativas a la privacidad.
Datos sensibles
\emph{Algunas de las informaciones registradas por gobiernos y empresas son sensibles.}
Las empresas de seguros de salud tienen informaci\'on detallada sobre los cuidados m\'edicos recibidos por sus clientes. Esta informaci\'on puede ser utilizada para importantes investigaciones sobre salud, pero si se hacen p\'ublicas pueden producir da\~{n}o emocional (p. ej., vergüenza) o da\~{n}o econ\'omico (p. ej., p\'erdida de empleo). Muchas otras fuentes de \emph{Big Data} tambi\'en mantienen informaci\'on \emph{sensitiva}, que es una de las razones por las cuales suele ser inaccesible.
Desafortunadamente, resulta ser bastante dif\'icil decidir qu\'e informaci\'on es realmente sensible (Ohm, 2015), como ejemplific\'o el Premio Netflix. En 2006 Netflix liber\'o 100 millones de calificaciones de pel\'iculas provistas por casi 500.000 miembros y abri\'o una convocatoria para que personas de todo el mundo aportaran algoritmos para mejorar las capacidades de Netflix para recomendar pel\'iculas. Antes de liberar los datos, Netflix removi\'o los datos identificadores de personas m\'as obvios, como ser los nombres. Pero apenas pasadas dos semanas de la liberaci\'on de los datos Arvind Narayanan y Vitali Shmatikov (2008) mostraron que era posible aprender sobre las calificaciones de pel\'iculas hechas por individuos utilizando algunos trucos t\'ecnicos. Incluso cuando un atacante podr\'ia descubrir calificaciones de pel\'iculas de alguna persona individual, no parece que esto sea demasiado sensible. Mientras que es as\'i en general, para al menos algunos de las 500.000 personas en el conjunto de datos, sus calificaciones son informaci\'on sensitiva. De hecho, en respuesta a la liberaci\'on y posterior re-identificaci\'on de los datos, una mujer lesbiana no declarada inici\'o acciones legales contra Netflix. As\'i se expresaba el problema en la demanda (Singel, 2009):
"Las calificaciones de pel\'iculas contienen informaci\'on... de naturaleza muy personal y sensible. Los datos sobre calificaciones de los usuarios de Netflix exponen sus intereses particulares y/o sus luchas con asuntos muy personales, incluyendo sexualidad, enfermedad mental, lucha contra el alcoholismo, y victimizaci\'on producto de incesto, abuso f\'isico, violencia dom\'estica, adulterio y violaci\'on."
Este ejemplo muestra que puede haber informaci\'on que algunas personas consideran sensitiva dentro de lo que puede parecer una base de datos benigna. M\'as a\'un, exhibe la posibilidad de que una l\'inea de defensa principal utilizada por los investigadores para proteger datos sensibles -la de-identificaci\'on- puede fracasar en maneras sorprendentes.
La recolecci\'on de datos sin el consentimiento de las personas hace surgir cuestiones \'eticas, incluso si no causan da\~{n}os espec\'ificos. As\'i como espiar a alguien que se ducha sin su consentimiento puede considerarse una violaci\'on de su privacidad, recolectar informaci\'on sensible -y recuerde lo dif\'icil que es establecer qu\'e es sensible- sin consentimiento crea potenciales cuestiones relativas a la privacidad.
domingo, 24 de febrero de 2019
Muestreo
https://www.statisticshowto.datasciencecentral.com/probability-and-statistics/hypothesis-testing/margin-of-error/
Replicability
Ioannidis, Noseck et al
http://www.nature.com/nrn/journal/v14/n5/pdf/nrn3475.pdf
https://m.youtube.com/watch?v=uF1AF20R5as
http://www.nature.com/nrn/journal/v14/n5/pdf/nrn3475.pdf
https://m.youtube.com/watch?v=uF1AF20R5as
Suscribirse a:
Entradas (Atom)