Se ha especializado en la economía de México y sus perspectivas por más de 30 años. Actualmente, es asesor en la Subgubernatura de Jonathan Heath en el Banco de México (Banxico). Su experiencia profesional incluye posiciones importantes en organismos como el gobierno mexicano, Operadora de Bolsa, Banca Serfín, ING Barings, J.P. Morgan Chase, Fondo Monetario Internacional, HSBC y Bancomext. Tuvo el honor de recibir el Premio Nacional de Economía, en 1985, y ha publicado extensamente en los medios de las instituciones en las que ha trabajado. Ha sido profesor en diversas universidades mexicanas.
* Agradezco la contribución de Jonathan Heath para mejorar esta lectura en dos aspectos: primero, a través de su libro “Lo que indican los indicadores”, el cual se tomó como base conceptual para la elaboración de este texto; y segundo, a través de valiosas sugerencias para darle mayor trascendencia. Asimismo, agradezco la contribución de Edwin Tapia para la elaboración del material gráfico, las pruebas estadísticas que se incluyen en la medición de la eficiencia de los indicadores PMI y la revisión de la literatura. Igualmente, Edwin Tapia aportó ideas que enriquecieron este trabajo de manera especial. Agradezco también a Jaime Acosta por sus sugerencias para mejorar el contenido de esta lectura. Como es usual, la responsabilidad de lo vertido en este documento es exclusiva del autor.
La medición económica es esencial para conocer el estado de la actividad económica y tomar las medidas de política adecuadas para su conducción. Además, sirve para conocer las condiciones indispensables para los negocios y la vida diaria. Sin embargo, por su naturaleza -y por lo general- las mediciones económicas toman tiempo para recopilarse, tabularse y darse a conocer. Es decir, lo que se gana en términos de relativa precisión para conocer el acontecer económico, se pierde en la oportunidad de estar al tanto del mismo en forma casi inmediata. En consecuencia, para encontrar un punto en el cual la precisión quizá no sea tan alta, pero la oportunidad sea más adecuada, se han desarrollado los llamados indicadores de difusión.
Un indicador de difusión refleja la percepción de los agentes económicos sobre la situación económica. Esta información se recaba a través de encuestas con un número limitado de preguntas que refleja lo positivo o negativo de la opinión sobre la actividad económica que conocen en lo particular.1
La familia de dichos indicadores está compuesta por los siguientes índices: a) Indicador de Confianza del Consumidor; b) Indicador de Confianza Empresarial; c) Indicadores del Entorno Empresarial Mexicano (IMEF) Manufacturero y No Manufacturero; d) Indicador de Pedidos Manufactureros (PMI, por sus siglas en inglés); e) Índice Agregado de Tendencia; y f) Índice de Percepción de Seguridad Pública.
El objetivo de esta lectura es ocuparse de los indicadores de difusión tipo PMI o Indicador de Pedidos Manufactureros o Producer Managers’ Index (PMI). Así, la definición formal de este tipo de indicador nos dice que es aquél que se construye:
[…] mediante la cuantificación de valoraciones cualitativas que reflejan las opiniones de una muestra representativa de la población respecto de uno o varios temas. Son índices ponderados de respuestas (opiniones) cualitativas a preguntas cualitativas; su valor es un promedio ponderado del porcentaje de respuestas.2
Para alcanzar este objetivo se proponen dos ejercicios estadísticos, en los cuales se mide el grado de asociación de los PMI que se producen en México y las variables que denotan la actividad económica, así como su capacidad de pronóstico de la misma. Los resultados principales muestran que los PMI poseen una estrecha correlación con los indicadores de la actividad económica y tienen capacidad de pronóstico. En efecto, los modelos estadísticos estándar que incluyen la información de los PMI son más precisos que aquéllos que no la emplean y que solo utilizan la información tendencial de la actividad económica para predecirla.
Esta lectura se divide en tres secciones: a) indicadores tipo Índice de Pedidos Manufactureros (PMI); b) la relación entre los PMI y los indicadores de actividad económica; y c) consideraciones finales o conclusiones.
1 Véase Heath (2012).
2 Heath (2019), sesión 8.
Gráfica 1
Indicadores ISM: Manufacturero y No Manufacturero
Rango de 0 a 1001/
I Manufacturero I No Manufacturero
1/ Se ajusta el eje vertical entre 30 y 65 para mejor visualización. Cifras a septiembre de 2020.
Fuente:
Institute for Supply Management.
El primer índice de este tipo fue creado por el Institute of Supply Managers en 1948, junto con el Departamento de Comercio de Estados Unidos, mientras que el No Manufacturero empezó a partir de 1998. El Instituto fue fundado en 1915 como la National Association of Purchasing Agents (NAPA); en 1968 se cambió de nombre a National Association of Purchasing Management (NAPM); y finalmente, en 2002, cambió a Institute for Supply Management (ISM). Jonathan Heath apunta que este indicador tipo PMI se hizo popular a partir de los años noventa cuando Alan Greenspan, presidente de la Reserva Federal de Estados Unidos en ese entonces, elogió el indicador por su relativa precisión y oportunidad. Asimismo, a la fecha éste es uno de los indicadores que por su importancia es más seguido por los analistas en dicho país (gráfica 1).
Tabla 1
Ponderaciones de los subíndices de los PMI en función de la cadena de valor
Fuente:
Instituto Mexicano de Ejecutivos de Finanzas (IMEF), Instituto Nacional de Estadística y Geografía (INEGI), Markit e Institute for Supply Management.
Las posibles respuestas y los valores asignados a cada una son los siguientes: Mucho mejor (1.00); Mejor (0.75); Igual (0.50); Peor (0.25); y Mucho peor (0.00). En este punto hay que destacar que las respuestas están acotadas a la unidad de negocio a la que pertenece el entrevistado y, por tanto, conoce a detalle. Así, por lo general se trata de un directivo que tiene una visión general de estos aspectos en la empresa. Estas ponderaciones son las mismas para los tres PMI como lo señala la tabla 1.
Para el caso de México hay tres instituciones que producen los indicadores tipo PMI: el Instituto Mexicano de Ejecutivos de Finanzas (IMEF), el Instituto Nacional de Estadística y Geografía (INEGI) y Markit. A continuación, se proporcionarán las características principales de estos indicadores.
Gráfica 2
Indicador IMEF del Entorno Empresarial Mexicano: Manufacturero
Rango de 0 a 1001/
I Manufacturero I Tendencia-ciclo
Gráfica 3
Indicador IMEF del Entorno Empresarial Mexicano: No Manufacturero
Rango de 0 a 1001/
I Manufacturero I Tendencia-ciclo
1/ Se ajusta el eje vertical entre 38 y 58 para mejor visualización. Cifras a septiembre de 2020.
Fuente:
IMEF.
El Indicador IMEF es más parecido al ISM de Estados Unidos en el sentido de que la encuesta se aplica a los socios del Instituto, que son entre 350 y 400 ejecutivos. La información de este indicador se localiza en la página de internet,3 donde se reporta: el boletín técnico del mes, los boletines anteriores, información estadística completa, marco conceptual y metodológico, preguntas de la encuesta y notas de prensa. Asimismo, se describe la estructura y funcionamiento del Comité Técnico que produce el Indicador IMEF, el cual está conformado por un conjunto de economistas que se reúne mensualmente para evaluar los resultados del indicador, la coyuntura económica y los mensajes principales que se publicarán en el boletín de prensa (gráficas 2 y 3).
Gráfica 4
Encuesta Mensual de Opinión Empresarial: Indicador de pedidos manufactureros
Rango de 0 a 1001/
I Manufacturero I Tendencia-ciclo
Gráfica 5
Índice de compras gerenciales para el sector manufacturero de Markit
Rango de 0 a 1001/
1/ Se ajusta el eje vertical entre 38 y 58 para mejor visualización. Cifras a junio de 2020 (gráfica 4).
1/ Se ajusta el eje vertical entre 34 y 58 para mejor visualización. Cifras a junio de 2020 (gráfica 5).
Fuente:
INEGI.
Las preguntas del Indicador de Pedidos Manufactureros (PMI) del INEGI buscan reflejar la importancia de las diferentes partes de la cadena de producción. El PMI tiene un enfoque probabilístico y estratificado con selección aleatoria e independiente en cada estrato. Este indicador consiste en una muestra más grande que la del IMEF, diseñado para obtener una representatividad cercana a los Censos Económicos (gráfica 4).
Un indicador de la actividad económica a nivel global con precisión y oportunidad es invaluable y, en ese sentido, el propósito de la empresa Markit de desarrollarlo es importante. Efectivamente, Markit construye indicadores PMI para más de 40 países, lo que constituye un esfuerzo en la dirección apuntada. Esto permite tener una perspectiva oportuna del estado de la actividad económica mundial por país y de un país en particular en relación con los demás.
Una diferencia del indicador de Markit es que son tres posibles respuestas a cada pregunta, a diferencia de cinco de ellas para los indicadores de IMEF e INEGI. Es importante señalar que esta característica va a ampliar (exagerar) los resultados en tiempos de gran expansión o en recesiones (gráfica 5).
Diversos estudios econométricos han encontrado evidencia de una estrecha relación entre diversos PMI e indicadores de actividad económica como el Producto Interno Bruto (PIB) o el índice de producción industrial para Estados Unidos.4
Sus investigaciones sugieren que periodos en donde los PMI se encuentran por encima de su nivel neutral (50 puntos) están asociados, generalmente, con episodios de expansión económica. En adición a lo anterior, mencionan dos ventajas comparativas para utilizar estos indicadores para anticipar cambios en la actividad económica: a) publicación oportuna, por ejemplo, para el caso del ISM Manufacturero se tiene el dato del mes anterior en el primer día hábil del mes actual; y b) la revisión minúscula a sus cifras después de que se publican los datos, ya que incluso por ajustes estacionales, las series presentan cambios prácticamente insignificantes.
Recientemente, Chien y Morris5 estudiaron la estabilidad de la relación entre estos indicadores económicos en Estados Unidos y revisaron su validez para la economía China. Encontraron que la correlación entre el crecimiento económico del PIB de Estados Unidos y el índice ISM Manufacturero es de 75%, dato similar a lo reportado por Koenig,6 15 años antes y previo a la gran crisis financiera de 2008. De forma similar y al utilizar los indicadores equivalentes para China, reportan una correlación de 73%. Para Europa, De Bondt7 construyó una métrica basada en PMI para dar seguimiento a la evolución del PIB, la cual explica una tercera parte de sus revisiones. Un punto complementario en la literatura es la importancia de los PMI del sector terciario para mejorar el poder de predicción sobre las medidas de actividad económica agregada, lo cual tiene sentido ya que en un gran número de economías, este sector se ha vuelto preponderante. También se ha encontrado que estos indicadores no solo son coincidentes con las condiciones cíclicas de la economía, sino también pueden fungir como indicadores adelantados. Sobre esta línea, Lahiri y Monokroussos8 reportan que los índices ISM Manufacturero y No Manufacturero mejoran los pronósticos a tiempo real sobre el crecimiento del PIB para el trimestre en curso, haciendo énfasis que la encuesta empresarial del sector no manufacturero juega un papel fundamental en su aseveración. En adición, Zhang y otros autores9 hallaron que el PMI Manufacturero de China se anticipa en un mes a la evolución de la actividad económica en China y también tiene poder predictivo para la dinámica económica de Estados Unidos y Europa.
4 Koenig (2002), Schiller & Trebig (2003), Harris (2004) y D’Agostino & Schnatz (2012).
5 Chien & Morris (2016).
6 Koenig (2002).
7 De Bondt (2019).
8 Lahiri & Monokroussos (2013).
9 Zhang et al. (2015).
Tabla 2
Eficiencia de los Indicadores PMI Manufacturero: IMEF, INEGI y Markit
1/ Se utilizaron cifras con ajuste estacional y tendencia-ciclo en cada caso. Para agregar las series a frecuencia trimestral se consideró el promedio de los datos mensuales y el coeficiente de correlación se reporta como porcentaje. Cifras de abril
de 2011 a julio de 2020.
Fuente:
Elaboración propia con datos de INEGI e IMEF.
Como se presentó en la sección anterior, son tres los PMI producidos y publicados en México: el de INEGI, el de IMEF y el de Markit. La idea es medir el grado en que cada uno de ellos está relacionado con la actividad económica y su capacidad de predecir cambios en la misma. Para realizar esta medición se proponen dos ejercicios estadísticos: 1) realizar un análisis de correlaciones entre los diferentes PMI y variables económicas bajo diferentes frecuencias en línea con el trabajo de Chien y Morris;10 y 2) un ejercicio de pronóstico de la actividad económica utilizando como insumo la información provista por los diferentes PMI.
Los tres indicadores tienen puntos de inicio distintos en su publicación. Los PMI con series más largas son los del INEGI y el IMEF, con datos desde 2004 y 2005, respectivamente. Por su parte, el indicador de Markit inició su publicación a partir de abril de 2011. Para hacer los ejercicios de comparación de forma consistente se utilizaron las observaciones del periodo 2011-2020, en donde coexisten los tres indicadores. Los resultados del análisis de correlaciones son los de la tabla 2.
El indicador PMI del INEGI es el que está más relacionado con los movimientos mensuales de la industria manufacturera, las actividades secundarias, en general, y el IGAE.11 En segundo lugar, se tiene al indicador IMEF ajustado por tamaño de empresa, seguido por el indicador IMEF ponderado en la tercera posición.12 El indicador de Markit, bajo esta última comparación, es el que posee el ajuste más pobre.
Gráfica 6
Ajuste entre tasa trimestral del PIB e indicadores PMI Manufactureros1/
Eje izquierdo: tasa trimestral / Eje derecho: valores entre 0 y 100
A
B
C
Este comentario se mantiene al estudiar la relación de factores subyacentes de largo plazo13 de las series de actividad económica y los PMI del INEGI y el IMEF, representados en las series de tendencia-ciclo. Aunque cabe destacar que la diferencia en la correlación es menor entre los indicadores ajustados por tamaño de empresa del IMEF y el de INEGI. En el caso de Markit este tipo de series no se reporta de manera mensual en su comunicado público.
Mientras que la frecuencia mensual de los PMI puede anticipar movimientos con dos meses de oportunidad,14 los datos agregados trimestralmente brindan señales adelantadas con un máximo de 30 días, debido a la publicación del dato oportuno del PIB trimestral que realiza el INEGI.
Pese a lo anterior, se percibe una relación más estrecha entre los PMI y los indicadores de actividad económica cuando se reduce la frecuencia de las series, tanto para las ajustadas por estacionalidad como las de tendencia-ciclo. En la tabla 2 se observa que la correlación de estos últimos con el indicador publicado por el INEGI se encuentra por encima de 80% en todos los casos. En el caso de Markit se percibe una mejoría significativa en sus métricas. El ajuste de los indicadores del IMEF también es alto, con correlaciones en un rango entre 62.4% a 72.8%.
La correlación entre los movimientos trimestrales del PIB y los indicadores de los PMI se encuentra entre 72.2% y 84%. Es importante considerar que las observaciones extremas observadas en 2020, potencializan las tendencias positivas que se observan en la gráfica 6. En particular, su efecto es mayor para la correlación que involucra al indicador de Markit.
10 Cabe destacar que la primera vez que se replicó el ejercicio de Chien & Morris (2016) para México fue elaborado por Heath (2016).
11 Este comentario se fundamenta al estudiar las correlaciones entre las tasas anuales de los indicadores de actividad económica y los PMI. Sin embargo, se reportan únicamente los datos trimestrales ya que la tasa anual es susceptible a movimientos abruptos en el indicador, por lo que hace que por cuestiones de la base de comparación no refleje adecuadamente lo que está sucediendo con la variable en el momento analizado. Para más detalles ver Heath (2012), cap. 1.
12 Si se repitiera el análisis de correlaciones, excluyendo el indicador de Markit -para poder utilizar una ventana de datos desde 2005-, el comentario sobre la eficiencia de los PMI se mantiene. El de mejor ajuste lineal con la actividad económica es el indicador publicado por el INEGI, seguido por los indicadores
del IMEF.
1/ La correlación se obtiene
al calcular la raíz cuadrada
de la R2.
Fuente:
Elaboración propia con datos de INEGI, IMEF y Markit. Cifras entre el 1T de 2005 y el 2T de 2020.
13 Estos factores pueden estar relacionados a factores estructurales del país, elementos demográficos, desarrollo tecnológico, por mencionar algunos.
14 Ya que, por ejemplo, para inicios de octubre ya se conocen los datos de agosto y septiembre de los PMI y solo se tiene información hasta julio del IGAE.
Tabla 3
Eficiencia de los Indicadores PMI No Manufacturero
1/ Se utilizaron cifras con ajuste estacional y tendencia-ciclo en cada caso. Para agregar las series a frecuencia trimestral se consideró el promedio de los datos mensuales. Cifras de abril de 2011 a julio de 2020.
Fuente:
Elaboración propia con datos de IMEF.
Por último, como lo sugiere la literatura académica para otros países, el Indicador IMEF No Manufacturero posee una relación importante con el componente del sector terciario del IGAE, así como también con su indicador total. Destaca el hecho de que el indicador No Manufacturero ponderado posee una asociación lineal más fuerte con el IGAE que su contraparte para el sector manufacturero. De igual forma, se tiene que la relación se hace más intensa cuando la frecuencia de las series baja de mensual a trimestral (tabla 3).
A continuación, se realizará el ejercicio en el cual se mide la capacidad de los PMI para predecir los movimientos en la actividad económica. El primer análisis al respecto fue realizado por Leyva y Páez.15 En él se estudia la capacidad de los indicadores IMEF Manufacturero y el PMI del INEGI para predecir el signo de la variación del IGAE. Los autores concluyen que los indicadores ajustados por tamaño de empresa para el IMEF y el INEGI tienen un mayor poder de predicción que el indicador IMEF ponderado. Incluso detallan que, si se busca anticipar caídas en el IGAE, por ejemplo, cuando se atraviesa por un periodo de desaceleración económica, entonces el indicador IMEF ajustado puede ser de mayor utilidad. Mientras que si se persigue adelantar avances positivos en el IGAE, como se verían en un periodo de aceleración económica, entonces el PMI del INEGI es un indicador más adecuado.
Para reforzar las conclusiones expresadas en el párrafo anterior, se decidió realizar un segundo estudio empírico que consiste en realizar pronósticos fuera de muestra de las variaciones mensuales del IGAE mediante un modelo estándar de series de tiempo del tipo ARMA16 tomando como insumo los diferentes indicadores PMI. El ejercicio consistió en los siguientes pasos:
Véase que este ejercicio considera dos características importantes: 1) evalúa de forma transparente el poder de pronóstico para cada PMI con técnicas estadísticas estándar; y 2) permite que se realicen revisiones a la estimación de pronóstico para el segundo mes. Por ejemplo, se mencionó que la primera repetición hace un cálculo para el mes de mayo 2016, mientras que la segunda repetición hace lo mismo, pero incorporando la información observada del mes de abril (tabla 4).
Tabla 4
Pronósticos y su nivel de error
Los resultados del ejercicio descrito previamente sugieren que el conjunto de modelos que considera al PMI del INEGI, como insumo, posee un nivel de error menor, seguidos por los estimados que utilizan los indicadores IMEF del sector manufacturero y dejando como tercera opción a los pronósticos que surgen de los modelos calculados con el indicador de Markit. La menor precisión proviene de las predicciones que surgen de los modelos que utilizan al PMI del sector no manufacturero como variable exógena. En adición, cuando se consideran las series publicadas por el IMEF para ambos sectores, manufacturero y no manufacturero, no se percibe una disminución relevante en el nivel de error, ya que sus valores son muy similares a los modelos más compactos que solo ocupan como insumo al PMI del sector manufacturero.
Por último, se calculó una batería de modelos que no considerara la información de ningún PMI, la cual promedió un error de 0.285. Este pobre resultado muestra que las predicciones que se sustentan en las opiniones empresariales son mejores y más oportunas mediciones de la temperatura de la actividad económica en México.
15 Leyva & Páez (2019).
16 Los modelos ARMA emplean toda la información del pasado de la serie para encontrar comportamientos recurrentes que expliquen parte importante de la variabilidad de la serie en el presente. Para ello se modela la autocorrelación de la serie, empleando rezagos de la misma o una suma ponderada de sus desviaciones con respecto a su media. Usando una muestra de la serie se estima una ecuación con la cual se hace un pronóstico de corto plazo para un periodo fuera de esta muestra. Para detalles de este tipo de modelos se recomienda consultar a Enders (2010) y Guerrero (2009).
17 Para ajustar el modelo ARMA se buscó la combinación de parámetros que mejor explicaran la autocorrelación de la serie. Para ello, se empleó la función auto.arima del paquete forecast codificado por Rob Hyndman para el software estadístico R (Enlace). Esta función estima todas las combinaciones de modelos ARMA dadas unas cotas máximas de parámetros AR y MA en función del tamaño de la serie. Para cada combinación registra su error cuadrático medio. Se elige la combinación que posea el menor grado de error al interior de la muestra.
18 Se calcula como la diferencia entre el dato real y el pronóstico y tal diferencia se eleva al cuadrado. Dado que son dos pronósticos se calcula el promedio de las métricas de error.
19 No se consideraron los datos de 2020, dado que la pandemia fue un choque exógeno a los fundamentales económicos y, por ende, la capacidad de los PMI para predecir la desaceleración en la actividad económica fue disminuida.
1/ Se utilizaron cifras con ajuste estacional y tendencia-ciclo en cada caso. Para agregar las series a frecuencia trimestral se consideró el promedio de los datos mensuales. Cifras de abril de 2011 a julio de 2020.
Fuente:
Elaboración propia con datos de IMEF.
En suma, encontramos que la utilidad de los indicadores tipo PMI es debido a su oportunidad y que su precisión al aproximar el indicador de actividad económica es adecuada, aunque no perfecta.
Se ha proporcionado una guía de la precisión de los diferentes indicadores tipo PMI a través del análisis estadístico en temporalidades distintas, por lo que el lector puede ahora elegir, de acuerdo con sus necesidades, cuál indicador seguir de los disponibles. Los indicadores IMEF, INEGI y Markit son instrumentos que de acuerdo con sus limitaciones y alcances ofrecen una pauta para evaluar oportunamente la actividad económica. Si bien ésta no es tan precisa como el propio IGAE, sí es una buena aproximación.
Chien, Yili & Morris, Paul (2016), “PMI and GDP: Do They Correlate for the United States? For China?”, Economic Synopses, n° 6: pp. 1-2, Enlace
D’Agostino, Antonello & Schnatz, Bernd (2012), “Survey-Based Nowcasting of US growth: A Real-Time Forecast Comparison over more than 40 Years”, Working paper series, n° 1455, Enlace
De Bondt, Gabe (2019), “A PMI-Based Real GDP Tracker for the Euro Area”, Journal of Business Cycle Research, issue 15: pp. 147–170.
Harris, Matthew, Owens, Raymond E. & Sarte, Pierre-Daniel (2004), “Using Manufacturing Surveys to Assess Economic Conditions”, Federal Reserve Bank of Richmond Economic Quarterly, 90(4): pp. 65-92, Enlace
Heath, Jonathan (2012), “Indicadores de difusión”, en Lo que indican los indicadores: cómo utilizar la información estadística para entender la realidad económica de México, pp. 229-278, Instituto Nacional de Estadística y Geografía, México.
Heath, Jonathan (2016), “¿Qué tan buenos son los PMI mexicanos?”, El Observatorio Económico de México, 7(5): pp. 10-17, Enlace
Heath, Jonathan (2019), “Indicadores de difusión”, en Diplomado de Indicadores Macroeconómicos de Coyuntura en México, sesión 8, Foro educativo del Museo Interactivo de Economía, México.
Koenig, Evan (2002), “Using the Purchasing Managers’ Index to Assess the Economy’s Strength and the Likely Direction of Monetary Policy”, Federal Reserve Bank of Dallas Economic and Financial Policy Review, 1, Enlace
Lahiri, Kajal & Monokroussos, George (2013), “Nowcasting US GDP: The role of ISM business surveys”, International Journal of Forecasting, 29, issue 4: pp. 644-658.
Leyva, Gerardo & Páez, Olinca (2019), “Eficiencia de los indicadores tipo PMI publicados por INEGI e IMEF”, Realidad, datos y espacio. Revista Internacional de Estadística y Geografía, 10(2): pp. 4-25.
Schiller, Timothy & Trebing, Michael (2003), “Taking the measure of manufacturing”, Business Review, issue Q4: pp. 24-37, Enlace
Ventosa-Santaulària, Daniel (2008), “Spurious Regression”, MPRA Paper, Enlace
Zhang, Dan, Xiao, Min, Xiaopeng, Yang & Yue, He (2015), “The Analysis of Manufacturing PMI Potential Trends of the US, EU, Japan and China”, Procedia Computer Science, 55: pp. 43-51, Enlace
COORDINADOR: JONATHAN HEATH
vol. II
¡La tecnología nos acerca! Disfruta de interactivos, quizzes y charlas del mundo económico.
Planea tu visita al MIDE en la CDMX. Consulta horarios y compra tus boletos en línea.
