El costo relativo de los bienes y servicios para visitantes extranjeros determina la competitividad de un destino turístico. Este proyecto automatiza el cálculo y la visualización del Tipo de Cambio Real Bilateral (TCRB) de Chile frente a sus 12 principales mercados emisores. La herramienta permite identificar periodos de encarecimiento o abaratamiento relativo del país de forma directa.

Capacidades del Dashboard de Streamlit

Como se aprecia en la aplicación interactiva, el sistema permite realizar un monitoreo exhaustivo de:

1. Evolución del TCRB: Series históricas con normalización para facilitar la comparativa.
2. Descomposición del Índice: Análisis de si la competitividad varía por el tipo de cambio nominal o por diferenciales de inflación.
3. Análisis de Volatilidad: Detección de regímenes de estabilidad frente a la incertidumbre cambiaria.
4. Correlaciones: Comportamiento de las monedas regionales ante el peso chileno.

Metodología y Fuentes

El cálculo del TCRB sigue el estándar internacional: \(TCRB = \frac{e \cdot P^*}{P}\) Donde:

• $e$ representa el tipo de cambio nominal (CLP por moneda extranjera).
• $P^*$ es el nivel de precios (IPC) del país extranjero.
• $P$ es el nivel de precios (IPC) de Chile.

Gestión de Datos en Cascada

Para garantizar la continuidad de las series, el sistema emplea una arquitectura de respaldo (fallback):

• Tasas de Cambio: Banco Central de Chile → Yahoo Finance.
• Inflación (IPC): Banco Central de Chile → FRED (St. Louis Fed) → World Bank → INDEC (para Argentina).

La lógica de negocio aborda la complejidad del Dólar Blue en Argentina. Esta funcionalidad permite comparar la competitividad de modo oficial frente a la del mercado informal, un factor crítico para el flujo turístico terrestre en el Cono Sur. Como se observa en el análisis de concentración del Bar Chart Race: Movimiento Aéreo, la estructura del mercado de transporte influye de forma directa en los costos operativos y la competitividad final del destino.

Implementación Técnica

• Arquitectura de Micro-servicios: El código se organiza en capas de extracción (data), lógica (calc), gráficos (viz) e interfaz (products).
• Validación con Pydantic: Los modelos de datos aseguran que las series descargadas cumplan con los estándares de calidad exigidos.
• Estandarización: El uso de un Makefile y un CLI run.py facilita la reproducción del análisis y el despliegue de los resultados.

Este análisis forma parte de mi portafolio de datos económicos aplicados al sector turismo.