WHITEFLAG

Activo soberano Re-Optimization Portal

Marco de Valoración

WHITEFLAG valora naciones y ciudades utilizando un marco riguroso y basado en evidencia fundamentado en la metodología de valoración empresarial. Esta página explica la fórmula de valoración completa — desde los activos y pasivos a nivel país hasta el análisis de desagregación a nivel ciudad y la medición de soberanía de plataforma — para que pueda comprender, citar y evaluar críticamente cómo llegamos a cada valoración.

Contenidos

1. Resumen del Marco de Valoración

See this in action → Sovereign ANÁLISIS

WHITEFLAG valora naciones utilizando la ecuación fundamental de valoración empresarial, ajustada por complejidad geopolítica:

Valor Nacional = [Activos - Ajustes - Pasivos] × Multiplicadores

Donde:

Esto difiere de la valoración ingenua basada en activos al incorporar:

1b. Modelos Predictivos: SAPA vs Gale-Shapley

See this in action → Explorador de Operaciones  |  Emparejamiento de Adquisiciones

WHITEFLAG emplea dos algoritmos predictivos complementarios que responden a diferentes preguntas estratégicas:

SAPA: Viabilidad Bilateral

Algoritmo de Propensión a la Adquisición Soberana

Pregunta: "¿Puede el País A adquirir el País B?"

  • Estructura: 1 comprador → 1 objetivo (bilateral)
  • Salida: 48.180 pares (todas las combinaciones)
  • Métrica: % de Viabilidad (puntuación compuesta, no probabilidad calibrada)
  • Temporal: Evaluación estática/actual
  • Utilizado en: Explorador de Operaciones

Ejemplo: China → Taiwán = 60,8% de viabilidad
Tiene en cuenta: impulso estratégico, descuento por coerción, nivel de seguridad de EE. UU., capacidad militar, distancia

Gale-Shapley: Formación de Coaliciones

Algoritmo de Emparejamiento Estable Temporal

Pregunta: "¿Qué coaliciones se forman para adquirir a quién, y cuándo?"

  • Estructura: Coalición → 1 objetivo (multilateral)
  • Salida: 220 emparejamientos estables en 3 fases (entidades soberanas y activos desagregables)
  • Métrica: Puntuación de sinergia (ajuste mutuo)
  • Temporal: 2025-2030, 2030-2040, 2040-2050
  • Utilizado en: Análisis → Coaliciones

Ejemplo: China + India → Pakistán (Fase 1, sinergia 7,71)
Tiene en cuenta: compatibilidad de alianzas, urgencia climática, ajuste de régimen, fronteras compartidas

Factores de Sinergia (11):

Alianzas: alianzas_compartidas (+1,0), tlc_compartidos (+0,5), superposición_alianzas_objetivo (+0,8)
Económicos: equilibrio_económico (+0,3), complementariedad_CH (+1,5), delta_recursos (+0,8), apalancamiento_acreedores (+1,2)
Geográficos: proximidad (+0,5), valor_punto_estrangulamiento (+0,5), proyección_militar (+0,3)
Climáticos: complementariedad_climática (+0,4), arbitraje_hídrico (+0,75), prima_tierra_cultivable (+0,6), ajuste_migración_climática (+0,4)

Restricciones (4):

escudo_alianza (-2,0), disuasión_nuclear (-3,0), incompatibilidad_régimen (-1,0), riesgo_resiliencia_CH (-0,5)
Umbral mínimo de sinergia: 2,0 (los emparejamientos por debajo se filtran)

Naciones INADQUIRIBLES (26 países bloqueados como objetivos):

P5 del CSNU: EE. UU., CHN, RUS, GBR, FRA
Potencias Nucleares: IND, PAK, ISR, PRK
Principales Economías: DUE, JPN, BRA, ITA, CAN, KOR, UAS
Hegemones Regionales: TUR, SUA, IRN, IDN, MEX, POL, ESP, NGA, EGY, ZAF
Estas naciones solo pueden ser miembros de coaliciones (adquirentes), nunca objetivos.

Cómo se Relacionan

SAPA y Gale-Shapley son complementarios, no competidores:

Nota Metodológica: Interpretación de las Puntuaciones de Viabilidad

Los porcentajes de viabilidad son índices compuestos, no probabilidades calibradas. Una puntuación del 60% no significa "60% de probabilidad de que ocurra la adquisición". Más bien, representa una combinación ponderada de motivación estratégica (recursos, proximidad, puntos de estrangulamiento), viabilidad de coerción (relación de capacidad militar) y restricciones de bloqueo (alianzas, distancia, tamaño económico).

Cómo interpretar: Las puntuaciones de viabilidad son clasificaciones relativas útiles para comparar pares. Una puntuación del 60% significa "fuerte interés estratégico con camino de ejecución viable" — no "6 de cada 10 posibilidades de que esto ocurra". No se ha realizado validación histórica contra intentos reales de adquisición; trátelas como índices exploratorios, no como probabilidades predictivas.

2. Valoración de Activos

See this in action → Sovereign ANÁLISIS Overview

2.1 Capital Producido (Industrial e Infraestructura)

Fórmula

Valor Industrial Base = PIB_Efectivo × Múltiple_Efectivo × Multiplicadores_Ajuste

Esto sigue el precedente de fusiones y adquisiciones corporativas donde las naciones industriales se negocian a 5-15× EBITDA. El múltiplo base de 10× se ajusta según la calidad de gobernanza, sanciones y estabilidad monetaria:

PIB_Efectivo = PIB_Oficial × (1 + %_Economía_Sumergida) Múltiple_Efectivo = 10,0 × Multiplicador_Gobernanza (0,70-1,30) Valor_Industrial = PIB_Efectivo × Múltiple_Efectivo × Mult_Sanciones × Mult_Moneda

Ejemplos:

2.2 Capital Humano

Metodología: Enfoque HCI-Productividad

Utilizamos el Índice de Capital Humano (HCI) del Banco Mundial combinado con datos de productividad real para calcular el valor laboral de por vida:

CH = Población_Activa × PIB_por_Trabajador × Participación_Laboral × Años_Laborales × HCI²

Donde:

Por qué HCI-Productividad (no Jorgenson-Fraumeni):

Ajustes Adicionales:

2.3 Recursos Naturales

Valoración de Reservas por Niveles

Reemplaza el simplista "reserva × precio de la materia prima" con economía de extracción realista:

Nivel Margen Descuento Ejemplos
Convencional Probado 40% 1,0× Petróleo saudí, mineral de hierro australiano
Difícil Probado 25% 0,90× Petróleo ártico, gas en aguas profundas
Especulativo 10% 0,40× Recursos árticos, litio no probado
Bloqueado Políticamente 5% 0,20× Tierras raras de Groenlandia (prohibidas por Dinamarca)

Ejemplo Real: Litio de Bolivia

2.4 Activos Estratégicos

Valor Estratégico Cuantificado

3. Valoración de Pasivos

3.1 Deuda Soberana (Ajustada por Acreedor)

El Problema de la Concentración de Acreedores

$56B en deuda en manos chinas conlleva un riesgo de apalancamiento diferente a $56B en deuda privada diversificada.

Calculamos la deuda nominal como porcentaje del PIB, luego usamos la concentración de acreedores (índice HHI) para ajustar la carga de deuda efectiva sobre un comprador:

Proceso de Ajuste de Deuda

Deuda Nominal
×
Factor de Apalancamiento del Acreedor
=
Deuda Ajustada

Cómo funciona:

Ejemplo: EE. UU. vs China

Fuente de Datos: Base de Datos de Estadísticas de Deuda del FMI, Sistema de Información de Acreedores del Banco Mundial, AidData (rastreador de préstamos chinos)

3.2 Pasivos Ambientales

Costes Ocultos de la Adquisición

Críticamente, los costes de limpieza ambiental no pueden ser repudiados por un nuevo propietario y representan pasivos reales:

Impacto: Las responsabilidades ambientales reducen la valoración neta entre un 2% y un 15%, dependiendo del nivel de industrialización y los compromisos climáticos.

3.3 Costes de Adaptación Climática (ND-GAIN Dinámico)

Cálculo Dinámico de Responsabilidad Climática

Reemplazamos las tablas estáticas de vulnerabilidad climática con datos dinámicos de ND-GAIN para calcular los costes de adaptación climática:

Responsabilidad_Climática_VAN = Coste_Anual × Factor_Anualidad(100años, 4%) Coste_Anual = PIB × Vulnerabilidad × 0,05 × (1 - Preparación × 0,6) Donde: Vulnerabilidad = Índice de Vulnerabilidad ND-GAIN (0-1) Preparación = Índice de Preparación ND-GAIN (0-1)

Indicadores ND-GAIN:

Fuente: Notre Dame Global Adaptation Initiative (ND-GAIN), IPCC AR6 Grupo de Trabajo II

3.4 Prima de Seguridad Hídrica

Agua Dulce como Activo Estratégico

El agua es un recurso estratégico del siglo XXI. Las naciones con abundancia de agua dulce reciben una prima de valoración:

Prima_Agua = PIB × Factor_Prima Factor_Prima basado en Índice_Estrés_Hídrico: Estrés < 0,2 (ABUNDANTE): 5,0% del PIB Estrés 0,2-0,4 (ADECUADO): 3,75% del PIB Estrés 0,4-0,6 (MODERADO): 2,0% del PIB Estrés 0,6-0,8 (ESTRESADO): 0,5% del PIB Estrés > 0,8 (CRÍTICO): 0% del PIB
Nivel Hídrico Ejemplos Prima
ABUNDANTE Canadá, Brasil, Rusia, Noruega +5% PIB
ADECUADO Alemania, Reino Unido, Australia +3,75% PIB
MODERADO EE. UU., Francia, Japón +2% PIB
CRÍTICO Egipto, Pakistán, India +0% PIB
Fuente: FAO AQUASTAT, World Recursos Institute Aqueduct Water Risk Atlas

3.5 Proyección de Tierra Cultivable 2050

Ganadores y Perdedores Climáticos

El cambio climático crea ganadores y perdedores en el potencial agrícola. Ajustamos el valor de la tierra según las proyecciones del IPCC:

Valor_Tierra_Ajustado = Valor_Tierra_Base × Multiplicador Multiplicador = 1 + (Cambio_Proyectado_Tierra_Cultivable_% / 100) × 2,0 Límites: Multiplicador restringido a [0,5, 1,5]
Trayectoria Cambio Proyectado Ejemplos
GANADOR CLIMÁTICO +15% o más Rusia (+18%), Canadá (+15%), Noruega (+12%)
NEUTRO CLIMÁTICO -5% a +5% EE. UU. (-3%), Alemania (+2%), Reino Unido (+1%)
PERDEDOR CLIMÁTICO -15% o más Egipto (-40%), Bangladesh (-22%), Pakistán (-18%)
Caso de Estudio: Rusia como Ganador Climático
La ganancia proyectada de tierra cultivable de Rusia del +18% para 2050 (deshielo siberiano) se traduce en un multiplicador de valor de la tierra de 1,36x. Para los 17,1 millones de km² de superficie terrestre de Rusia, esto representa aproximadamente 295.000 millones de dólares en valor de tierra adicional.
Fuente: IPCC AR6 Grupo de Trabajo II, Capítulo 5 (Alimentos, Fibra y Otros Productos de los Ecosistemas)

3.6 Descuento por Desesperación Climática

Reducción de BATNA para Objetivos Vulnerables al Clima

Los países que enfrentan un colapso climático tienen un poder de negociación reducido (BATNA más débil - Mejor Alternativa a un Acuerdo Negociado):

Desesperación_Climática = Vulnerabilidad / (Preparación + 0,1) Descuento_Integración = Desesperación × 40% (máx.) Coste_Integración_Efectivo = Coste_Base × (1 - Descuento)

Umbrales de Desesperación:

Caso de Estudio: Maldivas (Desesperación 0,79)
La subida del nivel del mar amenaza la existencia de la nación. Con vulnerabilidad 0,82 y preparación 0,42, el factor de desesperación alcanza 0,79, calificando para un descuento del 39% en el coste de integración. Económicamente, las Maldivas tienen un poder de negociación limitado para rechazar ofertas de adquisición.

3.7 Flujos de Capital Humano por Migración Climática See in action → Climate

Proyecciones World Bank Groundswell 2050

El cambio climático impulsa la redistribución del capital humano independientemente de los escenarios de adquisición. El Banco Mundial proyecta 216 millones de migrantes climáticos internos para 2050. El modelo ajusta los valores de CH en función de estos patrones de migración proyectados:

Factor_Migración_Neta = Ganancia_Inmigración - Pérdida_Emigración Capital_Humano_Ajustado = CH_Base × (1 + Factor_Migración_Neta) Donde: Pérdida_Emigración = Presión_Emigración × 0,15 (pérdida máxima del 15% de CH) Ganancia_Inmigración = (Atractividad - 0,5) × 2 × 0,08 (ganancia máxima del 8% de CH)

Proyecciones Regionales

Región Migrantes Proyectados (2050) Impacto Típico en CH
África Subsahariana 86 millones Pérdida del -10% al -15%
Asia del Sur 40 millones Pérdida del -10% al -13%
Asia Oriental y Pacífico 49 millones Pérdida del -5% al -8%
Europa Occidental Receptor neto Ganancia del +3% al +8%
América del Norte Receptor neto Ganancia del +3% al +5%

Factores de Presión de Emigración

Factores de Atractividad de Inmigración

Estado de Migración Rango del Factor Neto Ejemplos
DESTINO_NETO > +2% Alemania (+5,8%), Canadá (+4,2%), Reino Unido (+3,1%)
NEUTRO -5% a +2% EE. UU. (+1,5%), Brasil (-2,1%), China (-1,8%)
FUENTE_NETA < -5% Bangladesh (-13%), Nigeria (-11%), Egipto (-9%)
Ejemplo: Alemania vs Bangladesh
Alemania: Atractividad de inmigración 0,95 (destino principal) + baja presión de emigración → Ajuste neto de CH +5,8% → ganancia de ~288.000 millones de dólares
Bangladesh: Alta presión de emigración (0,85) + baja atractividad → Ajuste neto de CH -13% → reducción significativa de valor
Fuente: World Bank Groundswell Report (2021), Índice climático ND-GAIN, IOM Global Migration Data Portal

3.8 Costes de Integración

Tres Escenarios de Integración

Escenario Descripción Multiplicador de Coste
Cooperación Voluntaria Voto democrático o transferencia negociada (raro) 0,5% - 3% de la valoración
Integración Contestada Presión económica, resistencia débil (más probable) 5% - 15% de la valoración
Adquisición Hostil Toma militar/coercitiva (escenario extremo) 30% - 50% de la valoración

Impulsores de Coste:

4. Escenarios de Integración

Cada país muestra tres resultados de valoración:

Cooperación Voluntaria

Valor = Activos - Costes Bajos de Integración - Pasivos

Asume transferencia negociada con resistencia mínima. La integración sigue legitimidad democrática. Valoración más alta debido a la menor fricción de adquisición.

Transferencia Contestada

Valor = Activos × Multiplicador_Institucional - Costes Medios de Integración - Pasivos Ajustados por Acreedores

Escenario más realista. Alguna resistencia doméstica/internacional, pero transferencia negociada en 5-10 años. Valoración moderada.

Adquisición Hostil

Valor = Activos × Resiliencia_CH - Costes Altos de Integración - Pasivos × (1 + Coste_Ejecución)

Adquisición coercitiva con fuga significativa de capitales. El comprador debe mantener la ocupación indefinidamente. Valoración más baja debido a los costes máximos de adquisición y la baja resiliencia del capital humano.

5. Análisis de Apalancamiento de Acreedores

See this in action → Económica Capture

Calculamos una Puntuación de Riesgo (0-100) que mide cuánto la concentración de acreedores restringe a un comprador:

Fórmula de Puntuación de Riesgo (Granular)

Puntuación_Riesgo = Componente_HHI + Componente_China + Componente_FMI Componente_HHI = min(60, HHI × 60) Componente_China = min(25, (porcentaje_china / 100) × 25) Componente_FMI = min(20, (porcentaje_fmi / 30) × 20)

Interpretación de la Puntuación de Riesgo:

Ejemplo: EE. UU. (20,7) vs China (44,3)
EE. UU.: Acreedores diversificados en Japón, China, Europa → Riesgo 20,7 → Alta autonomía del comprador
China: Acreedores concentrados (HHI 0,738) → Riesgo 44,3 → Autonomía media del comprador (se requiere negociación moderada)

6. Riesgo de Fuga de Capital Humano

Resiliencia del Capital Humano

En adquisiciones hostiles, los trabajadores cualificados huyen. Cuantificamos esto como el porcentaje del valor del capital humano retenido:

Tipo de Adquisición Resiliencia de CH Ajuste
Cooperación voluntaria 95-100% Emigración mínima
Integración contestada 70-85% Algunos trabajadores cualificados se van
Toma hostil 30-60% Fuga masiva de población educada
Fuente de Datos: UN World Migration Report, OECD International Migration Outlook, World Bank capital humano estimates
Nota: La migración impulsada por el clima (separada de la fuga de capital humano impulsada por adquisiciones) se modela en Sección 3.7: Flujos de Capital Humano por Migración Climática. Ese ajuste se aplica a las valoraciones base antes de los cálculos de resiliencia.

7. Valor de la Red de Alianzas

See this in action → Network Influence

Prima de Membresía en Alianza y Riesgo de Transferencia

Las membresías en alianzas crean primas de PIB cuantificables a través del acceso comercial, garantías de seguridad y beneficios de coordinación. Estas primas son condicionales—se transfieren a compradores amistosos pero se evaporan en adquisiciones hostiles.

Perspectiva crítica: En una adquisición hostil, la membresía en la alianza suele ser revocada, por lo que un comprador NO hereda estos beneficios. Normalmente siguen sanciones y expulsión, creando "valor de alianza varado."

Alianzas Occidentales

Alianza Prima de PIB Multiplicador de IED Transferencia a Aliado Transferencia a Hostil
OTAN - Organización del Tratado del Atlántico Norte 15-51% (20% conservador) 1,47x 95% 0%
UE - Unión Europea 9-22% (12% conservador) 1,35x 90% 10%
G20 - Grupo de los Veinte 0,5-1,5% (1% conservador) 1,05x 70% 20%

Bloques de Seguridad Euroasiáticos y No Occidentales

Alianza Prima de PIB Multiplicador de IED Transferencia a Aliado Transferencia a Hostil
BRICS - Brasil, Rusia, India, China, Sudáfrica (+) 3-8% (5% conservador) 1,20x 85% 50%
OCS - Organización de Cooperación de Shanghái 2-6% (4% conservador) 1,15x 90% 20%
OTSC - Organización del Tratado de Seguridad Colectiva 3-8% (5% conservador) 1,10x 95% 0%

Comunidades Económicas Regionales

Alianza Prima de PIB Multiplicador de IED Transferencia a Aliado Transferencia a Hostil
ASEAN - Asociación de Naciones del Sudeste Asiático 5-12% (8% conservador) 1,20x 85% 40%
CCG - Consejo de Cooperación del Golfo 6-12% (8% conservador) 1,25x 90% 30%
MERCOSUR - Mercado Común del Sur 3-8% (5% conservador) 1,15x 85% 40%
LIGA_ÁRABE - Liga de Estados Árabes 1-4% (2% conservador) 1,05x 70% 30%
SAARC - Asociación del Sur de Asia para la Cooperación Regional 1-4% (2% conservador) 1,05x 70% 40%
OPEP - Organización de Países Exportadores de Petróleo 8-15% (10% conservador) 1,30x 80% 30%

Bloques Regionales Africanos

Alianza Prima de PIB Multiplicador de IED Transferencia a Aliado Transferencia a Hostil
UA - Unión Africana 2-8% (4% conservador) 1,10x 80% 30%
CEDEAO - Comunidad Económica de Estados de África Occidental 2-6% (3% conservador) 1,08x 75% 35%
CAO - Comunidad de África Oriental 2-6% (4% conservador) 1,12x 80% 35%
SADC - Comunidad de Desarrollo de África Austral 2-5% (3% conservador) 1,08x 75% 35%
Ejemplo: Polonia (OTAN + UE)
La membresía en la OTAN añade ~130.000 millones de dólares (20% de 650.000 millones de dólares de PIB) + la UE añade ~78.000 millones de dólares (12% del PIB) = ~208.000 millones de dólares de valor total de alianza.
En un escenario de adquisición hostil, Polonia sería expulsada de ambas organizaciones, estos 208.000 millones de dólares se evaporan por completo.

Ejemplo: Arabia Saudí (CCG + OPEP + Liga Árabe + G20)
La membresía en múltiples alianzas crea primas superpuestas: CCG (8%) + OPEP (10%) + Liga Árabe (2%) + G20 (1%) sobre 1,1 billones de dólares de PIB.
Valor combinado de alianza: ~231.000 millones de dólares. La transferencia a un comprador no alineado preservaría ~35-50% dependiendo de las relaciones bilaterales.

8. Fricción Ideológica y de Integración

See this in action → Explorador de Operaciones → Step C

Las adquisiciones soberanas enfrentan resistencia estructural más allá de factores militares y económicos. La demografía religiosa, los sistemas de gobernanza, la distancia lingüística y la afinidad de alianza crean patrones de fricción observables que históricamente predicen la dificultad de integración. Esta sección modela esos patrones como un modulador continuo sobre la fricción de integración SAPA.

Fórmula de Fricción de Integración

La ideología modula la fricción base derivada de la alianza (0,0 / 0,10 / 0,30) con un multiplicador continuo:

Fricción_Integración = min(0,50, Fricción_Base × Modificador_Fricción_Ideología) Modificador_Fricción_Ideología = f(Puntuación_Alineación) Alineación ≥ +0,5 → Modificador = 0,70 (fricción reducida 30%) Alineación ≈ 0,0 → Modificador = 1,00 (sin cambio) Alineación ≤ -0,5 → Modificador = 1,15 (fricción aumentada 15%)

El rango del modificador (0,70–1,15) es intencionalmente asimétrico: una alta alineación puede reducir significativamente la fricción, pero la oposición ideológica por sí sola no puede crear más fricción de la que ya imponen las barreras geográficas y militares.

8.1 Componentes de la Puntuación de Alineación

Puntuación de Alineación Compuesta (-1,0 a +1,0)

Siete señales ponderadas se combinan en una única puntuación de alineación para cada par comprador-objetivo:

Componente Peso / Rango Método Fuente
Similitud Religiosa ×0,30 peso Similitud coseno en vectores demográficos religiosos (233 países, 38 denominaciones) Pew Research Center, CIA World Factbook
Compatibilidad de Religión de Estado -0,20 a +0,20 Compatibilidad por pares entre 22 clasificaciones gobierno-religión (constitucional secular → teocrático) Índice de Restricciones Gubernamentales de Pew
Similitud de Libertad Religiosa máx. 0,10 Brecha normalizada entre índices de libertad religiosa Índice de Restricciones Gubernamentales de Pew
Alineación de Gobernanza -0,15 a +0,18 Coincidencia de banda de sistema político (democracia plena → autocracia cerrada) World Bank WGI, Economist Intelligence Unit
Bono de Alianza Compartida máx. 0,25 Recuento ponderado logarítmicamente de alianzas compartidas impulsadas por ideología en 25 bloques (OIC, Five Eyes, BRICS+, EU, NATO, GCC, etc.) Registros oficiales de tratados
Interacción Histórica -0,30 a +0,30 Eventos bilaterales cooperativos vs. conflictivos (102 eventos, 1792–presente) UCDP, Correlates of War (COW)
Proximidad Lingüística máx. ~0,08 Similitud de familia lingüística ponderada por árbol DICL (señal cultural ambiental) Datos de dominio público USITC/CEPII

8.2 Matriz de Compatibilidad Ideológica

38 Tipos de Ideología, Puntuación por Pares (0,0–1,0)

La matriz de compatibilidad mide patrones de interacción histórica observados entre familias ideológicas — no juicios normativos sobre sistemas políticos. Las puntuaciones reflejan cooperación documentada, conflicto y compatibilidad institucional:

La matriz se expandió de 18×18 a 38×38 para capturar distinciones subdenominacionales (suní vs. chií, protestante vs. católico) donde es geopolíticamente significativo.

8.3 Alianzas Impulsadas por Ideología

25 Alianzas, 166 Países

Distintas de las alianzas de seguridad tradicionales (NATO, CSTO), las alianzas impulsadas por ideología reflejan afinidad civilizacional, religiosa o de gobernanza compartida. Estas crean vías de integración latentes que reducen la fricción incluso sin tratados militares formales:

La superposición de alianzas se pondera logarítmicamente para evitar contar en exceso pares que comparten muchos bloques — el beneficio marginal de integración de la 5ª alianza compartida es menor que el de la 1ª.

8.4 Validación de Eventos Históricos

102 Eventos Geopolíticos (1792–Presente)

El conjunto de datos de eventos históricos valida las puntuaciones de alineación ideológica con resultados del mundo real. Cada evento se etiqueta con la alineación ideológica de los estados participantes, si la interacción fue cooperativa o conflictiva, y el resultado observado:

Estos eventos sirven como verdad fundamental para calibrar la fórmula de alineación — los pares con alta historia cooperativa reciben modificadores positivos, los pares con historia conflictiva reciben modificadores negativos.

Fuentes: Uppsala Conflict Data Program (UCDP), Correlates of War (COW) Project, bases de datos de conflictos SIPRI

8.5 Impacto en las Probabilidades SAPA

Cómo la Ideología Cambia la Viabilidad de Adquisición

La ideología actúa como un modulador, no un impulsor — ajusta el término de fricción de integración dentro de SAPA, pero no anula el impulso estratégico o la viabilidad de coerción:

P = Impulso_Estratégico × Factor_Coerción × (1 - Fricción_Integración) × (1 - Incertidumbre/2) Donde: Fricción_Integración = mín(0,50, Fricción_Base × Modificador_Fricción_Ideología)
Par Ejemplo Fricción Base Alineación Ideológica Fricción Modificada Efecto
Arabia Saudí → Yemen 0.30 +0,70 (alineación suní) ~0,24 Fricción reducida — la identidad religiosa compartida facilita la integración
EE. UU. → Canadá 0.00 +0,85 (democrático liberal) 0.00 Sin cambio — la fricción base ya es cero (NATO compartido)
China → Japón 0.30 ~0,00 (choque de gobernanza) ~0,30 Sin cambios — alineación neutral, sin modificador
EE. UU. → Irán 0.30 -0,45 (adversarios ideológicos) ~0,32 Ligeramente aumentada — desajuste secular-teocrático
Impacto Agregado: ~22% de todos los pares comprador-objetivo ven puntuaciones de viabilidad ajustadas. La delta absoluta media es 0,0004 (pequeña) — la ideología llena vacíos en el modelo de fricción en lugar de dominarlo. Las valoraciones intrínsecas del país no se ven afectadas; solo cambia la fricción por pares.

Nota Metodológica: Patrones Observables, No Juicios Normativos

Toda puntuación ideológica refleja patrones históricos documentados — cómo los estados con perfiles ideológicos dados han interactuado realmente — no juicios de valor sobre sistemas políticos o religiones. La alta compatibilidad entre estados autoritarios (p. ej., Rusia–China) refleja coordinación observada, no respaldo. La baja compatibilidad entre estados teocráticos y seculares refleja fricción documentada, no jerarquía cultural.

Los datos demográficos religiosos usan categorías académicas estándar (taxonomía del Pew Research Center). Las divisiones subdenominacionales (suní/chií, protestante/católico) se incluyen solo donde son geopolíticamente significativas y respaldadas por evidencia cuantitativa.

9. Índice de Elevación: Calidad del PIB y Flujos de Capital

El Índice Lift

Midiendo la brecha entre producción territorial e ingresos de residentes

Marco conceptual informado por teorías de capital fantasma y soberanía de capital. Cita: Poliks, M., & Trillo, R. A. (2025). Exocapitalismo: Economías sin límites absolutos. Becoming Press.

Fórmula: ((PIB - RNB) / PIB) × 100

El Índice Lift mide la proporción del PIB de una nación que representa flujos de capital a través del territorio sin acumular ingresos para residentes. Revela:

Índice Lift Positivo = "PIB Fantasmal"

El PIB excede el RNB. El capital pasa por el territorio (los beneficios fluyen a propietarios extranjeros). Común en paraísos fiscales, centros financieros y países con gran inversión extranjera directa en industrias extractivas.

Ejemplos: Luxemburgo (+30,3%), Irlanda (+23,4%), Singapur (+6,0%)
Índice Lift Negativo = "Prima de Acreedor"

El RNB excede el PIB. Residentes y empresas nacionales ganan más en el extranjero que los extranjeros ganan nacionalmente. Característico de naciones acreedoras maduras y economías desarrolladas con activos significativos en el extranjero.

Ejemplos: Japón (-21,7%), Alemania (-2,6%), Estados Unidos (-1,1%)

Cómo el Índice Lift Ajusta Nuestro Modelo de Precios

El Índice Lift modifica directamente el Valor Industrial (PIB) componente de valoración soberana a través de un Ajuste de Calidad del PIB:

Fórmula de Ajuste: Si Lift > 10%: Valor Industrial x 0,85 (15% descuento por PIB fantasma alto) Si 0% < Lift <= 10%: Valor Industrial x (0,90 + Lift x 0,01) (5-10% descuento) Si -2% <= Lift <= 0%: Valor Industrial x 1,0 (línea base) Si Lift < -2%: Valor Industrial x (1,0 + |Lift| x 0,01) (5-15% impulso por prima de acreedor)

Ejemplos en Precios

Promedio Global: El Índice Lift medio es 1,47% (mediana: 2,24%, desv. estándar: 5,82%), indicando capital fantasma modesto a nivel agregado pero variación significativa entre países y regiones.

10. Factores de Valoración Ampliados

See this in action → Rankings

Estos factores fueron identificados a través de revisión de literatura académica (World Bank CWON, UNEP Inclusive Wealth Report, Fund for Peace) como ausentes de marcos tradicionales de valoración soberana. Capturan activos y pasivos que afectan significativamente el valor de adquisición pero a menudo se ignoran.

10.1 Poder Blando y Valor de Marca Nacional

Fuente: Brand Finance Global Soft Power Index

Qué mide: El valor económico de la reputación de una nación, influencia cultural, red diplomática y prestigio institucional. El poder blando afecta la capacidad para atraer inversión, talento, relaciones comerciales y credibilidad de alianzas.

Valor de Marca Nacional = Índice de Fortaleza de Marca × Tasas de Regalías Sectoriales × VAN de Previsión del PIB Aplicado como: Activo Aditivo (añadido al valor total de activos)

Valores Ejemplo (2024):

Brand Finance aplica metodología de valoración ISO 10668 a marcas nacionales, tratando países como "marcas" con valor de reputación cuantificable.

Fuente: Bry la Finance Global Soft Power Index | bry lairectory.com/softpower | Cobertura: 193 países | Actualizado anualmente

10.2 Redes de Diáspora (Remesas Capitalizadas)

Fuente: World Bank KNOMAD

Qué mide: La conexión económica con ciudadanos en el extranjero. Las remesas representan compromiso económico continuo de la diáspora — un activo, no solo ingresos. Capitalizamos flujos anuales para estimar el "valor de stock" de las redes de diáspora.

Valor de Activo de Diáspora = Entrada Anual de Remesas × 10 Racional: Tratando como perpetuidad a tasa de descuento del 10% Aplicado como: Activo Aditivo

Valores Principales de Activo de Diáspora:

Nota: La fuga de capital humano se modela por separado como pasivo (a través de la métrica de Resiliencia de Capital Humano). El valor de diáspora captura la conexión económica positiva con ciudadanos en el extranjero.

Fuente: World Bank KNOMAD Remittances Data | data.worldbank.org | Cobertura: 195 países | Actualizado anualmente

10.3 Fragilidad Estatal y Multiplicador de Estabilidad

Fuente: Fund for Peace Fragile States Index (FSI)

Qué mide: Estabilidad y resiliencia estatal. Los estados frágiles tienen valores de activos descontados debido a: riesgo de gobernanza, potencial de conflicto, decadencia institucional y riesgo de fuga de capitales. El FSI captura 12 indicadores en dimensiones de cohesión, económica, política y social.

Multiplicador de Estabilidad = 1,0 - (Puntuación de Fragilidad / 240) Rango: 0,54 (más frágil) a 0,94 (más estable) Aplicado como: Multiplicador en activos base antes de añadir poder blando y diáspora

Extremos:

Fuente: Fund for Peace Fragile States Index | fragilestatesindex.org | Cobertura: 179 países | Actualizado anualmente

10.4 Pasivos de Pensiones

Fuente: Eurostat Tabla 29 / OECD Pensions at a Glance

Qué mide: Derechos de pensión devengados como % del PIB. Representan promesas que los gobiernos han hecho a jubilados actuales y futuros. Un adquirente heredaría (o debe repudiar) estas obligaciones.

Pasivo de Pensiones = PIB × (% Derechos de Pensión / 100) × 0,25 Factor de descuento (0,25) aplicado porque: - No todos los derechos son no financiados - El tiempo se extiende décadas - Algunos sistemas están parcialmente financiados (p. ej., Dinamarca, Países Bajos) Aplicado como: Pasivo Aditivo

Cargas de Pensiones Más Altas (% PIB):

Advertencia de Eurostat: "Los derechos de pensión devengados a la fecha NO son adecuados como medida de sostenibilidad y no deben considerarse deuda gubernamental." Aplicamos un factor conservador del 25% para reflejar este matiz.

Fuente: Eurostat Tabla 29, OECD Pensions at a Glance | ec.europa.eu/eurostat | Cobertura: UE + OCDE (80 países) | Actualizado periódicamente

10.5 Impacto combinado en la valoración

Fórmula actualizada de activos/pasivos

ACTIVOS (actualizados): Activos base = Industrial + Recursos + Tierra + Capital humano + Estratégico + Prima por agua Activos ajustados = (Activos base × Multiplicador de estabilidad) + Poder blando + Diáspora PASIVOS (actualizados): Pasivos totales = Deuda soberana (ajustada por acreedor) + Pasivo ambiental + Pasivo por pensiones (25% del devengado) + Costes de integración VALOR NETO: Valor empresarial = Activos ajustados - Pasivos totales

Resumen de impacto:

11. Fuentes de Datos y Confianza

Fuentes de datos primarias

Categoría Fuente Frecuencia de actualización Cobertura Utilizado en el algoritmo
PIB y producción industrial IMF World Económica Outlook, World Bank Anual (estimaciones trimestrales) 195 países Valor industrial (multiplicador 10×), Costes de integración, Prima por agua, VAN del pasivo climático, equilibrio_económico Gale-Shapley
Deuda soberana IMF Debt Statistics, World Bank, Government Finance Statistics Anual 180+ países Pasivos por deuda, Índice HHI de acreedores, Probabilidad de asunción de deuda
Préstamos chinos AidData Préstamos chinos Tracker (Johns Hopkins) Anual 140 países Puntuación de apalancamiento de acreedores, creditor_leverage Gale-Shapley (+1,2 sinergia)
Recursos naturales USGS Mineral Commodities, BP Statistical Review, UN COMTRADE Anual Específica por producto básico Valoración de recursos, resource_delta SAPA, resource_complementarity Gale-Shapley
Capital humano World Bank HCI 2020, World Bank Labor Statistics, ILO Periódica 174 países Valor del capital humano (HCI-Productividad), Resiliencia del capital humano, human_capital_delta SAPA (40% peso), HC_complementarity Gale-Shapley (+1,5)
Calidad institucional World Bank Worldwide Governance Indicators Anual 215 países Puntuación de compatibilidad de régimen, restricción regime_mismatch Gale-Shapley (-1,0)
Índice climático ND-GAIN Notre Dame Global Adaptation Initiative Anual 182 países Vulnerabilidad climática, Preparación climática, Factor de desesperación, VAN del pasivo climático, urgency_score Gale-Shapley (asignación de fase)
Estrés hídrico FAO AQUASTAT, WRI Aqueduct Water Risk Atlas Anual 180+ países Prima de seguridad hídrica (0-5% PIB), Clasificación por nivel hídrico, water_arbitrage SAPA (+50%), water_arbitrage Gale-Shapley (+0,75)
Proyecciones de tierra cultivable IPCC AR6 Working Group II, FAO Basada en informes (2021) Global Multiplicador del valor de la tierra (0,5-1,5×), Clasificación de trayectoria climática, arable_land_premium SAPA (+40%), arable_land_premium Gale-Shapley (+0,6)
Migración climática World Bank Groundswell Report (2021) Basada en informes Regiónal Presión emigratoria, Atractivo inmigratorio, Ajuste migratorio de HC, climate_migration_fit Gale-Shapley (+0,4)
Membresías de alianzas Bases de datos de tratados oficiales, NATO, EU, BRICS, SCO, GCC registries En tiempo real 220 entidades soberanas, 16 alianzas Prima de valor de alianza, Probabilidad de transferencia de alianza, Escudo de alianza (CDF), shared_alliances Gale-Shapley (+1,0), validez de coalición
Acuerdos de libre comercio WTO RTA Database, textos de tratados bilaterales En tiempo real 350+ ALC Prima de valor de ALC, shared_ftas Gale-Shapley (+0,5), validez de coalición
Ideología y demografía religiosa Pew Research Center, CIA World Factbook, Índice de Restricciones Gubernamentales de Pew Periódica (basada en encuestas) 233 países, 38 denominaciones Modificador de fricción de integración SAPA (0,70–1,15×), puntuación de alineación ideológica (-1,0 a +1,0)
Eventos geopolíticos históricos Uppsala Conflict Data Program (UCDP), Correlates of War (COW) Anual 102 eventos (1792–presente) Modificador de interacción histórica SAPA (-0,3 a +0,3)
Proximidad Lingüística USITC/CEPII DICL (distancia de familia lingüística ponderada por árbol) Estática 195 países Señal de proximidad lingüística SAPA (contribución máxima ~0,08 a la alineación)
Capacidad militar Global Firepower Index, SIPRI Military Expenditure Anual 140 países Prima estratégica, ajuste de distancia a puntos de estrangulamiento SAPA, military_projection Gale-Shapley (+0,3)
Estado nuclear SIPRI, Federation of American Scientists En tiempo real 9 estados nucleares Factor de descuento por coerción (CDF), restricción nuclear_deterrent Gale-Shapley (-3,0)
Perfiles y descripciones de países CIA World Factbook, World Bank, IMF WEO, El Economist Big Mac Index, Trading Económicas, Official Government Agencies En tiempo real / Anual 220 entidades soberanas Visualización en frontend, Tarjetas de país, Generación de prospectos
Fotos de capitales Unsplash, Pexels, Pixabay (fotografía de stock gratuita) En tiempo real (actualización trimestral) 199 países (67% alta calidad, 30% en cola de actualización) Solo visualización en frontend
Penetración de internet y multiplicador de productividad digital ITU Facts & Figures, World Bank World Development Indicators (IT.NET.USER.ZS) Anual 220 entidades soberanas Multiplicador de productividad digital (0,75-1,5× sobre Capital humano)
Inversión en IA e infraestructura digital Crunchbase AI Inversión Database, World Bank, Morgan Stanley AI Index, ITU Statistics, Stanford HAI, GSMA Intelligence Anual 50+ países (principales economías de IA) Bonificación por infraestructura de IA, Ajuste de prima estratégica
Índice de elevación World Bank National Accounts: PIB (NY.GDP.MKTP.CD), RNB (NY.GNP.MKTP.CD); Fórmula: ((PIB - RNB) / PIB) × 100 Anual 196 países Ajuste de capital fantasmagórico, Descuento del valor industrial para paraísos fiscales
Puntos de estrangulamiento estratégicos US EIA World Oil Transit Chokepoints, Lloyd's List Maritime Intelligence Estática + actualizaciones 15 puntos de estrangulamiento principales Prima estratégica, chokepoint_value SAPA, chokepoint_value Gale-Shapley (+0,5 ajustado por distancia)
Clasificaciones de ciudades GaWC Globalization y la World Cities Research Network Bienal 526 ciudades Subpuntuación de conectividad Lambda (70% peso), puerta de elegibilidad de ciudad (mínimo Gamma+)
PIB metropolitano OECD Metropolitan Database, Brookings Global Metro Monitor, Oxford Económicas Anual 600+ áreas metropolitanas Subpuntuación de PIB Lambda, participación en el PIB nacional, apalancamiento económico de separación
Riesgo climático de ciudades Swiss Re SONAR, C40 Cities, Notre Dame ND-GAIN (proxy de país) Anual 74 ciudades Subpuntuación diferencial climática Lambda, preferencia del adquirente de plataforma
Conectividad aeroportuaria IATA / OAG Direct Conectividad Index Anual 74 ciudades Subpuntuación de conectividad Lambda (30% peso, combinada con GaWC)
Solicitudes de patentes por ciudad WIPO PCT Statistics, oficinas nacionales de patentes Anual 74 ciudades Subpuntuación de capital humano Lambda (30% peso, combinada con QS)
Clasificaciones de puertos Lloyd's List Top 100 Container Ports Anual 100 puertos Subpuntuación de activo estratégico Lambda (bonificación por puerto)
Densidad de centros de datos Nubescene, Centro de Datos Map Trimestral 74 ciudades Subpuntuación de activo estratégico Lambda, penetración de infraestructura de plataforma
Separaciones históricas Codificada por expertos a partir de fuentes académicas (Coggins, Griffiths, Crawford) Estática + actualizaciones 51 cases (1776–2023) Subpuntuación de precedente histórico de separación, calibración de resultado de separación
Penetración de plataforma Synergy Research, We Are Social, BIS Payment Statistics, platform annual reports Anual 50 países Índice de soberanía de plataforma (5 dimensiones), preferencias del adquirente de plataforma
Poder blando / Marca país Brand Finance Global Soft Power Index (metodología ISO 10668) Anual 193 países Valor de activo de poder blando (aditivo a los activos totales)
Diáspora / Remesas World Bank KNOMAD, World Development Indicators (BX.TRF.PWKR.CD.DT) Anual 195 países Valor de activo de diáspora (10× remesas anuales capitalizadas)
Fragilidad estatal Fund for Peace Fragile States Index (12 indicadores) Anual 179 países Multiplicador de estabilidad (0,54-0,94× sobre activos base)
Pasivos por pensiones Eurostat Table 29, OECD Pensions at a Glance Periódica 80 países (UE + OCDE) Pasivo por pensiones (25% de los derechos devengados como % del PIB)

Niveles de confianza:

Lagunas de datos conocidas

12. Base de Datos Histórica de Desagregaciones

See this in action → ACTIVOS DESAGREGABLES → Historical

Antes de modelar la separación de ciudades de forma prospectiva, WHITEFLAG construye una base de datos de casos históricos en los que las entidades soberanas se crearon, separaron, absorbieron o no lograron separarse. Esta base de datos calibra el modelo de viabilidad de separación y proporciona puntuaciones de precedente para las ciudades actuales.

51 Cases (1776–2023)

La base de datos incluye cada caso moderno importante de separación territorial, categorizado por resultado:

Categoría Recuento Ejemplos Uso en el modelo
Separaciones exitosas 26 Singapur (1965), Kosovo (2008), Bangladesh (1971), República Checa (1993), Timor-Leste (2002) Calibrates severance feasibility > 0.5; provides structural profiles for successful separation
Intentos fallidos 15 Cataluña (2017), Escocia (2014), Quebec (1995), Biafra (1970), Kurdistán (2017) Calibrates severance feasibility < 0.3; identifies blocking factors (nuclear state, economic dependency, international non-recognition)
En curso / Controvertidos 10 Taiwan (1949–), Crimea (2014–), Somalily la (1991–), Western Sahara (1975–) Proporciona calibración de probabilidad de reconocimiento parcial; informa la subpuntuación de reconocimiento

Qué registra cada caso

Fuentes de datos: Coggins (2014) Power Politics y la State Formation in the Twentieth Century, Griffiths (2016) Age of Secession, Crawford (2006) El Creation of States in International Law. Ver base de datos completa: ANÁLISIS → ACTIVOS DESAGREGABLES → Historical Cases

13. Análisis de Desagregación a Nivel Ciudad

See this in action → ACTIVOS DESAGREGABLES → Forward Analysis

WHITEFLAG extiende el marco de valoración a nivel de país a ciudades individuales, identificando aquellas cuyo valor estratégico es suficientemente independiente de su nación anfitriona como para que teóricamente puedan ser adquiridas, desagregadas o reorganizadas como activos soberanos independientes. Actualmente puntuando 74 ciudades en 50 países.

13.1 Lambda Puntuación (λ — Strategic Value Ratio)

¿Cuánto valor estratégico tiene una ciudad en relación con su participación en el PIB?

Lambda measures whether a city "punches above its weight" — holding more strategic value than its share of national GDP would suggest.

λ = participación_ajustada_valoración_ciudad / national_gdp_share

Donde participación_ajustada_valoración_ciudad es una composición ponderada de cinco dimensiones:

participación_ajustada_valoración_ciudad = (0.30 × gdp_share) + (0.25 × connectivity) + (0.20 × human_capital) + (0.15 × climate_differential) + (0.10 × strategic_asset)
Subpuntuación Peso Qué mide Fuentes de datos
Participación en el PIB 0.30 pib_metropolitano / pib_nacional OECD Metro DB, Brookings, Oxford Económicas
Conectividad 0.25 puntuación GaWC (70%) + conectividad aeroportuaria (30%) GaWC Research Network, IATA / OAG
Capital humano 0.20 densidad universitaria QS (70%) + solicitudes de patentes (30%) QS World Rankings, WIPO PCT
Diferencial Climático 0.15 readiness × (1 - city_vulnerability) vs national average Swiss Re SONAR, ND-GAIN
Activo Estratégico 0.10 clasificación portuaria + densidad de centros de datos + presencia militar + finanzas GFCI Lloyd's List, Nubescene, SIPRI, Z/Yen GFCI

Interpretación:

Límite: λ capped at 3.0. City-states (Singapore, Luxembourg, Hong Kong) are calibration cases that hit the cap.

Ejemplos de calibración: Singapore λ = 3.0 (IS the nation), London λ = 1.57 (disproportionate to UK GDP share), San Francisco λ = 2.18 (cloud-dominant tech capital), Dubai λ = 2.45 (trade flow hub exceeding GDP weight)

13.2 Descomposición por Capas Bratton

Distribución del Valor en Tierra / Flujo / Nube

Siguiendo el modelo de soberanía vertical de Benjamin Bratton (El Stack, 2016), el valor estratégico de cada ciudad se descompone en tres capas. Esto informa sobre la viabilidad de la separación: las ciudades con alto valor en las capas superiores son más fáciles de desagregar porque los mecanismos de control físico de la nación anfitriona no capturan el valor.

porcentaje_tierra + porcentaje_flujo + porcentaje_nube = 1,0
Capa Qué captura Implicación de separación Ciudades de ejemplo
Tierra Territorio, infraestructura física, recursos naturales, instalaciones militares, bienes inmuebles El anfitrión controla el valor mediante soberanía física. La desagregación requiere negociación territorial. Separación penalizada Houston (0,40), Perth (0,35)
Flujo Flujo financiero, rutas comerciales, centro logístico, capacidad portuaria/aeroportuaria Value is in transit — flows can partially reroute. Viabilidad de separación moderada Singapur (0,55), Dubái (0,50)
Nube Sedes de plataformas, centros de datos, concentración de IA/tecnología, exportaciones de servicios digitales El valor es independiente de la ubicación. El control físico del anfitrión es más débil. Separación potenciada San Francisco (0,70), Dublín (0,50)

13.3 Puntuación de Viabilidad de Separación

¿Qué tan realista es la desagregación?

Puntuación compuesta de 0,0 a 1,0 que mide la probabilidad realista de que una ciudad pueda ser desagregada de su nación anfitriona. Utiliza 6 subpuntuaciones ponderadas por importancia, multiplicadas por un modificador nuclear.

severance = ( 0.22 × constitutional_pathway + 0.22 × economic_leverage + 0.18 × layer_mobility + 0.14 × international_recognition + 0.14 × historical_precedent + 0.10 × geographic_proximity ) × nuclear_modifier
Subpuntuación Peso Rango Qué lo impulsa
Vía Constitucional 0.22 0.0–1.0 1,0 = derecho explícito a la secesión (Quebec); 0,7 = región autónoma (RAE de Hong Kong); 0,3 = sistema federal; 0,0 = prohibición explícita
Apalancamiento Económico 0.22 0.0–1.0 Does the city need the nation, or does the nation need the city? GDP share × alternative availability
Movilidad de Capa 0.18 0.0–1.0 Derivado de Bratton: (flow_pct × 0.6) + (cloud_pct × 1.0). El valor en la nube es totalmente móvil; el de Tierra no
Reconocimiento Internacional 0.14 0.0–1.0 Presencia diplomática independiente existente, alineación con intereses de grandes potencias, precedente regional
Precedente Histórico 0.14 0.0–1.0 Comparación de patrones con los 51 casos históricos. 1,0 = precedente directo, 0,5 = parcial, 0,0 = ninguno
Proximidad Geográfica 0.10 0.0–1.0 Distancia de Haversine desde la ciudad a la capital anfitriona. mín(1,0, distancia_km / 10.000). Más lejos = más difícil para el anfitrión proyectar control
Modificador Nuclear: If the host nation is a nuclear-armed state, severance is capped at 0.15 (modifier = 0.15). No city has ever been detached from a nuclear power against its will. El 0.15 (not 0.0) preserves the possibility of negotiated secession — Scotly la from the UK is theoretically possible, but only through constitutional process.
Calibración: Singapore sev = 1.0 (already sovereign), Hong Kong sev = 0.10 (Basic Law pathway exists, but nuclear China → capped), Madrid sev = 0.40 (non-nuclear, federal, economic leverage), Shenzhen sev = 0.04 (nuclear China, unitary state, no constitutional pathway)

13.4 Viabilidad de Desagregación (Compuesta)

La Puntuación Principal

La clasificación final de cada ciudad combina Lambda (cuán valiosa es) con la viabilidad de separación (cuán desagregable es):

detachment_viability = lambda_normalizada × viabilidad_separación × factor_valor_estratégico

Donde:

Niveles de viabilidad:

Puntuación Etiqueta Interpretación
≥ 0.50Alta ViabilidadYa soberana o caso estructural fuerte para desagregación
0.25–0.50ModeradaVía de desagregación significativa pero barreras importantes
0.10–0.25Baja ViabilidadExiste valor estratégico pero la desagregación está bloqueada estructuralmente
< 0.10InsignificanteLa ciudad carece de prima estratégica o vía de separación

13.5 Criterios de Elegibilidad de la Ciudad

¿Qué ciudades se puntúan?

Una ciudad entra en el análisis de desagregación si supera las tres puertas:

Actualmente 74 ciudades pass all gates. All 49 originally curated cities plus 25 expansion cities meet eligibility. El gate is designed for forward-looking expansion — as coverage grows toward 150+ cities, the filter removes cy laidates that lack the structural prerequisites for meaningful detachment analysis.

Explorar puntuaciones de ciudades: ANÁLISIS → ACTIVOS DESAGREGABLES → Forward Analysis — sortable by Lambda, severance, viability, all columns. Click any city to expy la full sub-score breakdown.

14. Análisis de Soberanía de Plataforma

See this in action → ACTIVOS DESAGREGABLES → Plataforma Sovereignty

A descriptive analytical layer measuring the degree to which platform companies (Amazon, Apple, Google, Meta, Microsoft, etc.) have assumed functions traditionally exercised by sovereign states — taxation, regulation, identity, infrastructure, currency. Based on Bratton (2016), Castells (1996), y la Poliks & Trillo (2025).

14.1 Base de Datos de Entidades de Plataforma

24 Entidades de Plataforma en 6 Funciones Soberanas

Cada entidad de plataforma se categoriza por qué función(es) soberana(s) ejerce:

Función Soberana Rol Estatal Tradicional Equivalente de Plataforma Entidades de Ejemplo
Infraestructura Carreteras, servicios públicos, telecomunicaciones Computación en la nube, centros de datos, conectividad AWS, Azure, Starlink, Nubeflare
Fiscalidad Extracción de ingresos de la actividad económica Comisiones de tiendas de aplicaciones, tarifas de mercado, participación en ingresos publicitarios Apple (30% App Store), Amazon Marketplace, Google Ads
Regulación Establecimiento y aplicación de normas Términos de Servicio, moderación de contenido, desvinculación de plataforma Meta, Google, TikTok (ByteDance)
Identidad Pasaporte, DNI nacional, registro civil Inicio de sesión en plataforma como identidad digital principal Apple ID, Cuenta de Google, WeChat, Meta Login
Moneda / Pago Banco central, sistemas de pago nacionales Infraestructuras de pago de plataforma, monederos digitales PayPal, Stripe, M-Pesa, Apple Pay, Visa, Mastercard
Adjudicación Tribunales, resolución de disputas Resolución de disputas de plataforma, apelaciones de prohibición, arbitraje de vendedores Desvinculación de PayPal/Stripe, Amazon A-to-Z

Cada plataforma también tiene preferencias de adquirente — weighted scores for energía, agua, conectividad de fibra, capital humano, entorno regulatorio, market size, tax regime, costo de la tierra, y la estabilidad geológica — used in platform-city matching.

14.2 Índice de Soberanía de Plataforma (PSI)

Medición por País y por Ciudad

Para cada uno de los 50 países que albergan ciudades puntuadas, el PSI mide cuán profundamente han penetrado las empresas de plataforma en las funciones soberanas:

PSI(country) = 0.25 × infrastructure_penetration + 0.25 × economic_penetration + 0.20 × regulatory_penetration + 0.15 × identity_penetration + 0.15 × financial_penetration
Dimensión Peso Qué mide Ejemplo de Calibración
Infraestructura 0.25 Cuota de mercado en la nube de las 3 principales plataformas, capacidad de centros de datos, propiedad de cables submarinos EE. UU. = 0,85 (AWS/Azure/GCP dominan)
Económica 0.25 Participación del PIB dependiente de plataformas: comercio electrónico, economía colaborativa, publicidad digital Irlanda = 0,80 (sedes europeas de Apple/Google/Meta)
Regulatoria 0.20 Grado en que los TdS de la plataforma funcionan como ley de facto frente a la regulación estatal China = 0,30 (el estado regula las plataformas, no al revés)
Identidad 0.15 Porcentaje de población que utiliza el SSO de plataforma como identidad digital principal Nigeria = 0.80 (Facebook account > govt ID)
Financiera 0.15 Volumen de pagos de plataforma como porcentaje del total de transacciones Kenia = 0,90 (dominio de M-Pesa)

Rango PSI: 0,0 (soberanía estatal completa sobre funciones digitales) a 1,0 (las plataformas han reemplazado efectivamente las funciones estatales). Países con mayor PSI: China 0,76, EE. UU. 0,75, Irlanda 0,72, Reino Unido 0,69, Canadá 0,68.

PSI a nivel de ciudad: Puntuación nacional ajustada por el porcentaje de capa Nube de la ciudad de la descomposición Bratton. San Francisco (Nube = 0,70) tiene el PSI de ciudad más alto en 0,90; las ciudades con altas capas Tierra tienen menor exposición a la soberanía de plataforma.

14.3 Preferencias de Adquirente por Plataforma

24 Plataformas × 74 Cities = 1,702 Preference Puntuacións

Cada plataforma tiene requisitos de infraestructura únicos. El modelo de preferencia empareja las necesidades de la plataforma con las capacidades de la ciudad:

AMAZON (AWS)

Prioridades: energía (0,35) + agua (0,25) = 60% del peso de preferencia. Prefiere hidroeléctrica barata, agua de refrigeración abundante, estabilidad geológica. Mejores emparejamientos: Helsinki, Berlín, Estocolmo.

GOOGLE (ALPHABET)

Prioridades: conectividad de fibra (0,30) + capital humano (0,25). Prefiere ubicaciones en puntos principales de intercambio de internet con fuertes canales universitarios. Mejores emparejamientos: Londres, Seúl, París.

TSMC

Prioridades: agua (0,30) + estabilidad geológica (0,25) + energía (0,20). Las fábricas de semiconductores necesitan agua ultrapura y terreno sísmicamente estable. Mejores emparejamientos: Londres, Helsinki, Estocolmo.

SPACEX / STARLINK

Prioridades: entorno regulatorio (0,30) + costo de la tierra (0,25). Necesita regulación permisiva del espectro y tierra barata para estaciones terrestres. Mejores emparejamientos: Varsovia, Johannesburgo, Guangzhou.

Las preferencias plataforma-ciudad alimentan el emparejamiento Gale-Shapley a nivel de ciudad (Fase 5), donde las plataformas actúan como adquirentes junto con actores estatales tradicionales. Una ciudad emparejada con Amazon enfrenta implicaciones de soberanía diferentes a una emparejada con Apple.

14.4 Modelo de Demanda de Capa Tierra

Proyecciones de Demanda de Recursos Físicos

Plataforma companies are not purely digital — they require massive physical infrastructure. El demy la model projects platform resource consumption across three horizons:

Recurso Línea base 2025 2027 2030 2035 CAGR
Capacidad de Centros de Datos 35 GW 48 GW 78 GW 176 GW 17.5%
Energía Renovable (contratada) 50 GW 72 GW 124 GW 310 GW 20.0%
Tierra (granjas solares/eólicas) 576K acres 933K acres 2,45 millones de acres
Consumo de agua 175 millones de galones/día 483 millones de galones/día 784 millones de galones/día 1,76 mil millones de galones/día

Para 2030, las granjas de energía renovable de plataformas ocuparán aproximadamente 933.000 acres — overwhelmingly sited in low-cost agricultural areas (Texas Panhy lale, Midwest, desert Southwest, southern Spain). Each GW of solar requires approximately 5,000–10,000 acres. Amazon alone is the world's largest corporate renewable energía purchaser at 20+ GW contracted.

14.5 Mapeo de Adquisiciones Territoriales

13 Adquisiciones Documentadas de Capa Terrestre de Plataformas

Las empresas de plataformas ya están adquiriendo territorio físico para infraestructura. El modelo rastrea estas adquisiciones con una tasa de extracción — the estimated ratio of value extracted from a territory versus value returned through jobs, taxes, y la investment:

Plataforma Territorio Tipo Inversión Pobl. Tasa de Extracción
Amazon Condado de Loudoun, VA Centro de Datos $35 mil millones 420 mil 50:1
Google El Dalles, OR Centro de Datos $1,8 mil millones 15 mil 40:1
Google Pryor Creek, OK Centro de Datos $0,6 mil millones 9 mil 45:1
Meta Luleå, Sweden Centro de Datos $1,0 mil millones 47 mil 15:1
TSMC North Phoenix, AZ Fábrica de Semiconductores $65 mil millones 25:1
Samsung Taylor, TX Fábrica de Semiconductores $17 mil millones 17 mil 20:1
SpaceX Boca Chica, TX Instalación de Pruebas $3 mil millones 35

Patrón: Plataformas preferentially acquire territory in small, economically limited communities with cheap energía y la permissive regulation. Extraction ratios are highest where the community has fewest economic alternatives. Swedish tax system (Meta Luleå: 15:1) captures more value than U.S. localities (Google El Dalles: 40:1).

Explore la soberanía de plataformas: ANÁLISIS → Plataforma Sovereignty — country/city PSI tables, per-platform preference cards, demy la projections, y la territory acquisitions with tasa de extraccións.

Divulgación de Cobertura de Datos

Las puntuaciones de soberanía de plataformas utilizan un modelo de datos de tres niveles que refleja la disponibilidad de datos de medición directa entre países:

Nivel Cobertura Método Confianza
Nivel 1: Medido ~50 países de la OCDE Datos de cuota de mercado de StatCounter, estadísticas bancarias transfronterizas del BIS, indicadores de servicios digitales de la OCDE Alta
Nivel 2: Proxiado ~130 países Puntuaciones de gobernanza WGI, Findex del Banco Mundial (inclusión financiera), índices de libertad comercial/económica de Heritage Foundation, escalado por PIB per cápita Media
Nivel 3: Estimado ~40 países Proxy por nivel de PIB con ajustes de proximidad regional de plataformas (p. ej., presencia de Alibaba escalada más alta en Asia Oriental/Sudoriental). Las características del país (riqueza, penetración de internet) modulan los pesos de categoría de plataforma. Baja

Recuentories below the line (Nivels 2 y la 3) lack direct platform market share measurement. Elir PSI scores are structural estimates — useful for comparative ranking but not calibrated to observed platform activity. El ACTIVOS DESAGREGABLES explorer marks each platform entry with a confidence dot: medido, parcial, modelado.

15. Sovereign Restructuring & Dignity Floor Analysis

See this in action → Optimizaciones  |  Constructor de Red  |  Estados Residuales

El city-level detachment scores y la platform sovereignty analyses (Sections 11–13) feed into a five-phase pipeline that models the full lifecycle of city detachment: who acquires what, at what cost, in what combinations, what happens to the people left behind, y la what sovereign arrangement maximizes dignity for all 8 billion.

15.1 Emparejamiento Ciudad-Adquirente (Gale-Shapley)

El emparejamiento estable de muchos a muchos (variante hospital-residente) empareja 74 ciudades desagregables con adquirentes estatales (soberanía territorial) y adquirentes de plataformas (soberanía de infraestructura) en dos rondas independientes de Gale-Shapley. Las ciudades pueden emparejarse simultáneamente con un adquirente estatal y uno de plataforma, ya que estos representan capas de soberanía no competitivas.

Preferencia del Adquirente Estatal por Ciudad

Cada adquirente estatal clasifica las 74 ciudades usando una puntuación de sinergia de 5 factores (Especificación Sección 3A). Capacidad: 3 ciudades por adquirente estatal.

State_Synergy = 0.25 × resource_complementarity + 0.25 × human_capital_fit + 0.20 × connectivity_gain + 0.15 × climate_arbitrage + 0.15 × alliance_compatibility Donde: resource_complementarity = min(1.0, acquirer_gdp_pc / 60,000) × (0.5 + 0.5 × city_flow_pct) human_capital_fit = 0.7 × city_human_capital + 0.3 × regional_language_proximity connectivity_gain = max(0, city_gawc_score - acquirer_top_city_gawc) climate_arbitrage = max(0, composite_vulnerability - city_climate_risk) alliance_compatibility = shared_alliance_bonus (0.0 hostile → 1.0 same bloc)

Preferencia de Ciudad por Adquirente Estatal

Cada ciudad clasifica a los adquirentes estatales por cuán bien el adquirente sirve los intereses de gobernanza y económicos de la ciudad:

City_State_Pref = 0.30 × alliance_compatibility + 0.25 × economic_upgrade_potential + 0.25 × governance_quality_match + 0.20 × geographic_proximity Donde: economic_upgrade = max(0, (acquirer_gdp_pc - city_gdp_pc) / acquirer_gdp_pc) governance_match = 1.0 - |acquirer_gov_effectiveness - host_wgi| geographic_proximity = max(0, 1.0 - haversine_distance_km / 10,000)

Preferencia del Adquirente de Plataforma por Ciudad

Las empresas de plataformas clasifican ciudades por idoneidad de infraestructura digital (Especificación Sección 3D.4). Capacidad: 5 ciudades por plataforma.

Plataforma_Synergy = 0.30 × regulatory_environment + 0.25 × human_capital_density + 0.20 × digital_infrastructure_quality + 0.15 × tax_regime_favorability + 0.10 × market_size_access Donde: regulatory_environment = 0.40 × digital_permissiveness (OECD DSTRI inverted) + 0.30 × data_sovereignty_inverse + 0.30 × antitrust_inverse digital_infrastructure = 0.60 × data_center_capacity + 0.40 × bratton_cloud_pct tax_favorability = max(0, 1.0 - effective_corporate_rate / 0.30) market_size_access = log(accessible_market_pop) / log(8 × 10&sup9;)

Preferencia de Ciudad por Adquirente de Plataforma

Las ciudades clasifican plataformas por potencial de beneficio económico local:

City_Plataforma_Pref = 0.35 × employment_creation_potential + 0.30 × infrastructure_investment_potential + 0.20 × global_connectivity_boost + 0.15 × technology_transfer_potential Donde: employment_creation = min(1.0, platform_employees / 100,000) infrastructure_investment = sovereignty_type score (cloud/infra 0.8-1.0, financial 0.3-0.5) global_connectivity = min(1.0, global_presence_countries / 100) technology_transfer = sovereignty_type category mapping (0.2-0.9)

Algoritmo de Emparejamiento

La sinergia combinada para cada par (adquirente, ciudad) es la media geométrica de la preferencia del adquirente y la preferencia de la ciudad: synergy = sqrt(acquirer_score × city_pref). Dos rondas independientes de Gale-Shapley producen emparejamientos estables por encima de un umbral mínimo de sinergia de 0,25. Restricciones duras bloquean emparejamientos donde el adquirente es hostil a la alianza anfitriona de la ciudad, la plataforma es el empleador dominante (>15% fuerza laboral) o existen acciones antimonopolio en la jurisdicción anfitriona.

Fuentes de Datos: Clasificaciones de ciudades GaWC, DSTRI de la OCDE (Índice de Restricción al Comercio de Servicios Digitales), vulnerabilidad climática ND-GAIN, líneas base de gobernanza WGI del Banco Mundial, Clasificaciones Universitarias QS, índice de centro financiero GFCI, capas de soberanía de Bratton (Tierra/Flujo/Nube), datos de tasa impositiva corporativa, perfiles de entidades de plataforma (83 plataformas)

Salida: city_acquirer_matches.json — stable matches across 74 ciudades, 228 state acquirers, y la 83 platform acquirers. Explore on ACTIVOS DESAGREGABLES

15.2 Economía Triangular de Operaciones (SAPA)

Toma los emparejamientos estables de la Fase 5 y somete cada uno a pruebas de estrés mediante modelado completo de fricción SAPA (Evaluación de Propensión a la Adquisición Soberana). Las operaciones de ciudad son triangulares (acquirer ↔ city ↔ host nation), not bilateral — the host nation's military capability, alliance backing, nuclear status, y la economic leverage all create friction that reduces viability.

Fricción Anfitriona del Adquirente Estatal

Los adquirentes estatales enfrentan cuatro componentes de fricción de la nación anfitriona:

Host_Friction = 0.30 × military_resistance + 0.25 × economic_retaliation + 0.25 × international_coalition_opposition + 0.20 × nuclear_deterrent Donde: military_resistance = host_military_normalized × (1 - constitutional_pathway) economic_retaliation = f(national_gdp_share): ≥50% → 0.8, ≥20% → 0.6, ≥10% → 0.4, else 0.2 coalition_opposition = OTAN+UE host → 0.9, OTAN → 0.8, BRICS → 0.6, non-aligned → 0.3 nuclear_deterrent = 1.0 if host in {USA, RUS, CHN, GBR, FRA, IND, PAK, ISR, PRK}, else 0.0

Fricción Anfitriona del Adquirente de Plataforma

Los adquirentes de plataformas enfrentan fricción regulatoria en lugar de militar:

Plataforma_Friction = 0.30 × regulatory_friction + 0.25 × data_sovereignty_friction + 0.25 × antitrust_friction + 0.20 × public_backlash_risk Donde: regulatory_friction = enforcement_intensity / 5.0 (from enforcement_evidence.json) data_sovereignty = (data_localization_flag + digital_sovereignty_law_flag) / 2 antitrust_friction = (regulatory_friction + min(total_fines_$B / 10, 1.0)) / 2 public_backlash = min(consumer_function_overlap / 3, 1.0) for consumer-facing platforms

La divergencia de alianza entre adquirente y anfitrión escala la viabilidad de la operación: mismo bloque = penalización 0,0, bloques opuestos (OTAN vs BRICS) = penalización 1,0. Las operaciones donde un adquirente alineado con China apunta a una ciudad alojada en la OTAN enfrentan fricción máxima de divergencia. Solo las operaciones por encima del 10% de viabilidad se muestran en el Explorador de Operaciones.

Fuentes de Datos: Líneas base de capacidad militar (derivadas de GFP), evidencia de aplicación (intensidad regulatoria por país, multas, leyes de localización de datos), listas de membresía de alianzas (OTAN, UE, BRICS, CSTO, SCO), perfiles de entidades de plataforma (funciones principales, empleados, exposición antimonopolio)

Salida: city_sapa_deals.json — 528 deals evaluated, survival rate ~29%. Explore on Explorador de Operaciones

15.3 Formación de Coaliciones de Estado de Red

Assembles multi-entity coalitions (3–12 members) of detachable cities, small states, quasi-autonomous territories, sovereign city-states, y la platform companies into entities that could function as network states with real sovereign balance sheets. All entity types are treated uniformly through a single CoalitionEntity dataclass — no sub-score formula branches on entity type.

Puntuación de Viabilidad de Coalición (10 Subpuntuaciones + Multiplicador de Gobernanza)

Especificación Sección 3C.2. Cada coalición se puntúa en 10 dimensiones ponderadas, luego se escala por la calidad de gobernanza media de la coalición:

Viabilidad = Governance_Multiplier × ( 0.25 × trade_viability + 0.16 × resource_coverage + 0.12 × financial_circuit_completeness + 0.10 × human_capital_diversity + 0.10 × competitive_positioning + 0.08 × exit_accessibility + 0.06 × climate_resilience_portfolio + 0.06 × defense_credibility + 0.04 × geographic_coherence + 0.03 × viabilidad_separación_portfolio ) Donde: trade_viability = weighted(trade_self_sufficiency, category_coverage, partner_diversity) resource_coverage = agua_tier + energía_balance + arable_ly la_coverage + critical_minerals financial_circuits = GFCI presence + BIS claims + payment system coverage + alt_payment_system

Optimización Voraz con Reinicios

Especificación Sección 3C.4. El algoritmo utiliza 50 anclas (entidades con mayor puntuación) más 30 anclas regionales para iniciar la construcción de coaliciones:

Fuentes de Datos: Puntuaciones de desagregación de ciudades, perfiles de país mejorados, datos comerciales HS2 (participaciones exportación/importación), clasificaciones de centros financieros GFCI, reclamaciones transfronterizas BIS, capacidad militar GFP, preparación climática ND-GAIN, WGI del Banco Mundial, perfiles de entidades de plataforma, conectividad marítima LSCI

Salida: network_state_coalitions.json — 33 coalitions generated from multi-entity pool (cities, states, territories, city-states, platforms). Explore on ACTIVOS DESAGREGABLES → Constructor de Red

15.4 Evaluación de Impacto Residual del Estado

Phases 5–7 model detachment from the acquirer's y la city's perspective. Phase 8 models the cascada de Povinelli — the compounding fiscal deterioration, brain drain acceleration, service degradation, y la territory aby laonment that afflict the host nation after its major cities detach. 74 detachable cities sit inside 49 host nations (Spec Sections 3E.2–3E.7). For each host, both single-city y la worst-case all-cities detachment scenarios are computed, plus 33 coalition-triggered compound scenarios.

Modelo de Impacto Fiscal

Los ingresos fiscales se concentran en las ciudades de manera desproporcionada respecto a la participación poblacional. Un multiplicador de concentración fiscal infla la pérdida de ingresos más allá de la participación bruta del PIB:

tax_revenue_loss_pct = min(gdp_loss_pct × tax_concentration_multiplier, 0.95) fiscal_gap_pct_gdp = tax_revenue_loss_pct - (population_loss_pct × service_cost_factor) Tax Concentration Multiplicadores (hardcoded): London (GBR): 1.23 Paris (FRA): 1.29 New York (USA): 1.50 Tokyo (JPN): 1.32 Default: 1.0 + national_gdp_share × 0.3

Cascada de Fuga de Capital Humano

Los trabajadores cualificados siguen la oportunidad económica hacia la ciudad desagregada. La emigración se acelera a lo largo de cuatro horizontes, calibrada frente a la emigración postsoviética (75-90% retenidos), la crisis griega (88% retenidos) y el colapso venezolano (85% retenidos):

Año 1: min(sqrt(gdp_loss_pct) × hci × 0.15, 0.15) Año 5: year_1 + (1 - year_1) × emigration_pull × 5 Año 10: year_5 + (1 - year_5) × emigration_pull × 5 × acceleration cap: 30% Año 25: year_10 + (1 - year_10) × emigration_pull × 15 × acceleration cap: 50% Donde: emigration_pull = gdp_per_capita_gap / 40,000 × hci acceleration = 1.0 + fiscal_gap_pct × 0.5 (fiscal desperation compounds flight)

Puntuación de Viabilidad Soberana de 7 Componentes

Combina la capacidad institucional con la severidad del shock económico:

Institutional_Viabilidad = 0.25 × fiscal_sustainability + 0.20 × economic_base_diversity + 0.15 × institutional_continuity + 0.15 × military_retention + 0.10 × alliance_retention + 0.10 × demographic_stability + 0.05 × territorial_coherence GDP_Shock_Multiplier = (1 - gdp_loss_pct) ^ 0.6 Sovereign_Viabilidad = Institutional_Viabilidad × GDP_Shock_Multiplier Donde: fiscal_sustainability = max(0, 1.0 - fiscal_gap_pct × 5.0) economic_base_diversity = 1.0 - sectoral_HHI (agriculture² + industry² + services²) institutional_continuity = 0.7 + gov_effectiveness × 0.3 (or 0.4 + ge × 0.3 if capital detaches) military_retention = max(0.5, 1.0 - city_military_share × 0.5) alliance_retention = 0.9 (nuclear), 0.4–0.8 (allied), 0.3 (non-aligned) demographic_stability = max(0, 1.0 - brain_drain_Y10 × 2.0 - dependency_ratio_shift) territorial_coherence = 0.9 (1 city) → 0.3 (5+ cities)

Los estados se clasifican como Viables/Disminuidos (≥60%), En dificultades/Crisis Severa (35–60%), Fracasando/Declive Terminal (20–35%), or Trayectoria de Colapso/No Viables (<20%). City-states (Singapore, Luxembourg, Hong Kong) score 0% by definition — detachment eliminates the state entirely.

Capas de Impacto Adicionales

Fuentes de Datos: Líneas de base económicas (PIB, población, empleo por sector), coeficientes de Gini del World Bank (48 países), gobernanza WGI del World Bank, capacidad militar GFP, listas de membresía de alianzas, centros financieros GFCI, Índice de Capital Humano (174 países), capitales de países, índice de fragilidad, penetración de internet, base de datos histórica de desagregaciones (para emparejamiento analógico narrativo)

Salida: residual_state_impacts.json — 50 host nations, 4 temporal horizons, 33 coalition compound scenarios. Explore on ACTIVOS DESAGREGABLES → Estados Residuales

15.5 Optimal Configurations & Dignity Floor Index

El capstone module answers: given 8 billion people, what arrangement of sovereign structures maximizes aggregate welfare subject to the constraint that every population unit meets a minimum dignity threshold? Computes the Dignity Floor Index (DFI) for 220 entidades soberanas, identifies floor violations, models redistribution capacity, y la generates 16 archetype configurations scored on 5 funciones objetivo (Spec Sections 3F.1–3F.9).

Índice de Piso de Dignidad (DFI): Medida Conjuntiva de 7 Dimensiones

Cada país recibe una puntuación DFI compuesta y un desglose por dimensión. El DFI es conjuntivo — a country fails the floor if cualquier dimensión cae por debajo de su umbral, independientemente de lo bien que funcionen las otras dimensiones.

DFI = 0.20 × material_security + 0.20 × health_access + 0.15 × education_access + 0.15 × housing_adequacy + 0.10 × political_participation + 0.10 × environmental_safety + 0.10 × social_connection Conjunctive Floor Umbrals (per dimension): material_security: 0.40 health_access: 0.35 education_access: 0.35 housing_adequacy: 0.35 political_participation: 0.25 environmental_safety: 0.30 social_connection: 0.25

Subindicadores de Dimensión

Dimensión Peso Subindicadores Clave Fuentes Primarias
Seguridad Material 0.20 Income adequacy (GDP pc / 2×$6.85/day poverty line), food security (1 - undernourishment%), economic stability (unemployment, inflation via Heritage monetary freedom) World Bank, Heritage Foundation
Acceso a la Salud 0.20 Índice de cobertura UHC, mortalidad menores de 5, esperanza de vida, mortalidad materna, médicos/1000, camas hospitalarias/1000, gasto sanitario de bolsillo, disponibilidad de medicamentos esenciales (proxi) OMS UHC, World Bank WDI
Acceso a la Educación 0.15 Finalización primaria/secundaria, matriculación secundaria superior, alfabetización adulta, gasto educativo % PIB, Índice de Capital Humano World Bank HCI, UNEOCS
Adecuación de la Vivienda 0.15 % población en barrios marginales, % agua segura, % saneamiento seguro, % acceso a electricidad, hacinamiento (proxi de % barrios marginales), asequibilidad (proxi de PIB pc + libertad financiera de Heritage) World Bank, Heritage Foundation
Participación Política 0.10 Democracia electoral V-Dem, libertades civiles Freedom House, estado de derecho WGI, CPI de Transparency International V-Dem, Freedom House, WGI, TI
Seguridad Ambiental 0.10 Concentración PM2.5, vulnerabilidad climática ND-GAIN, estrés hídrico WRI, degradación del suelo (proxi de cambio de tierra cultivable ND-GAIN), preparación para desastres INFORM ND-GAIN, INFORM Risk, WRI
Conexión Social 0.10 Penetración de internet, suscripciones móviles, índice de sociedad civil V-Dem, índice de gobierno electrónico de la ONU, conectividad de transporte LSCI, puntuación de poder blando, gasto cultural (proxi) ITU, UN E-Gov, V-Dem, LSCI, Soft Power 30

Los valores de los indicadores fluyen a través de una resolución de 4 niveles: (1) medido desde dfi_indicators.json, (2) medido desde economic_baselines.json, (3) proxi desde world_bank_indicators.json, (4) development-scaled global median default (poor countries receive worse defaults via a GDP-per-capita sigmoid). Active conflict countries (UKR, SDN, SOM, YEM, SYR, MMR, AFG, LBY, ETH, COD, SSD, IRQ) receive a hard conflict penalty multiplier (0.35–0.65) on service delivery dimensions.

Resultados Globales del DFI (220 entidades soberanas):
Media DFI: 0.6635 | Clasificación: 150 verde, 52 amarillo, 3 naranja, 15 rojo
Violaciones estructurales del piso (nivel nacional): 3.69B (45.8%) — population in countries where one or more DFI dimensions falls below its threshold
Violaciones del piso ajustadas por desigualdad: 5.76B (71.6%) — incorporates World Bank poverty headcount ratios (SI.POV.UMIC, 182 países) to estimate the fraction of each country's population that individually falls below the dignity floor, even when the national average passes. For DFI-green countries, the WB poverty rate at $6.85/day acts as a minimum individual floor-violation rate.
Validación cruzada: El DFI se correlaciona r=0.9342 con el Índice de Progreso Social a través de pares de países emparejados (Pearson r, cálculo manual)

Calibración frente a Líneas de Base del World Bank

El DFI mide un concepto más amplio que solo los ingresos. El informe del World Bank Pobreza, Prosperidad y Planeta report (2024) provides the canonical income-based baselines against which DFI results can be compared. Our dignity floor captures populations that income measures miss — people above the income line who nonetheless lack adequate health systems, political voice, housing, or environmental safety.

Medida Umbral Población Fuente
World Bank: Umbral de ingresos extremos $2.15/día (PPA 2017) 692 millones (8.5%) WB PIP 2024
World Bank: Umbral de ingresos medios-bajos $3.65/día (PPA 2017) ~1.2 mil millones (15%) WB PIP 2024
World Bank: Umbral de ingresos medios-altos $6.85/día (PPA 2017) 3.53 mil millones (44%) WB PIP 2024
World Bank: Brecha de Prosperidad $25/día (PPA 2017) Factor: 4.9× current per-capita WB PIP 2024
OPHI/UNDP: Multidimensional (MPI) Compuesto de salud + educación + estándares de vida 1.1 mil millones OPHI MPI 2024
WHITEFLAG: DFI (estructural nacional) 7-dimensiones conjuntivas (cualquier dimensión nacional por debajo del umbral) 3.69 mil millones (45.8%) DFI v1.0
WHITEFLAG: DFI (ajustado por desigualdad) Fallas estructurales nacionales + ratios de pobreza del WB como piso a nivel individual para países verdes 5.76 mil millones (71.6%) DFI v1.0 + WB PIP

Comparación clave: El World Bank counts 3.53B people below $6.85/day. Our national-level DFI structural floor identifies 3.69B in countries where at least one dimension fails — a similar magnitude because national averages mask within-country inequality (India “passes” nationally despite 82% of its population being below $6.85/day per WB PIP 2022). When we inject World Bank poverty headcount ratios as an individual-level floor — recognizing that the income-poor within DFI-green countries still lack dignity in practice — the inequality-adjusted figure rises to 5.76B (71.6%). El 2.2B gap between the WB’s income-only count y la our adjusted count represents populations affected by non-income structural failures: authoritarian governance (China 1.4B, Russia 144M), weak health systems, environmental vulnerability, y la inadequate housing that income measures alone do not capture.

Supuesto escalar: We use WB poverty headcount ratios as a baseline floor because conditions for the income-poor are scalar with structural capacity — if a country’s governance, health system, or environment degrades, the poorest suffer disproportionately. WB poverty data thus serves as a minimum individual-level dignity violation rate, with structural DFI failures adding additional affected populations on top.

Trayectorias proyectadas: El World Bank projects 622 million will remain below the extreme income line by 2030, y la estimates it would take more than a century at current rates to bring all populations above $6.85/day. Climate change could push an additional 100+ million below income thresholds by 2030 (World Bank Climate y la Development Reports). Our archetype configurations model how structural reforms — ranging from fiscal federalism to full sovereign restructuring — could accelerate or retard these trajectories across all seven dimensions simultaneously.

Fuente: World Bank, Pobreza, Prosperidad y Planeta (2024); OPHI/UNDP, Índice de Pobreza Multidimensional Global (2024). El subindicador de adecuación de ingresos del DFI usa el umbral de $6.85/día directamente: income_adequacy = min(1.0, median_income / (2.0 × $6.85/day)).

Desagregación Subnacional del DFI

Para 20 países con datos subnacionales disponibles, el motor multiplica las puntuaciones nacionales de las dimensiones por factores de ajuste regional para producir estimaciones del DFI a nivel regional. Esto captura la desigualdad dentro del país que los promedios nacionales ocultan (por ejemplo, Bihar rural frente a Maharashtra urbano en India, o el Sur Profundo de EE. UU. frente al Noroeste del Pacífico). Datos cargados desde subnational_adjustments.json, produciendo 75 desgloses regionales del DFI.

Capa de Capital Humano Residual

Conecta la Fase 8 con la Fase 9 calculando el DFI posterior a la desagregación para cada uno de los 49 países anfitriones. Modela la población que no puede abandonar:

Immobility_Rate = working_age_pct × 0.65 + elderly_pct × 0.92 + children_pct × 0.95 Post-Detachment DFI Degradation: material_security ×= (1.0 - gdp_loss_pct × 0.8) health_access ×= (1.0 - fiscal_gap_pct × 0.50 × 0.7) education_access ×= (1.0 - fiscal_gap_pct × 0.50 × 0.6) Skill Distribution Shift (3-tier): high_skill_loss = gdp_loss_pct × 1.5 (capped at 1.0) mid_skill_loss = gdp_loss_pct × 0.8 low_skill_loss = gdp_loss_pct × 0.3 Anual Redistribution Cost = Σ immobile_pop × (gap / 0.01) × cost_per_unit_gap cost_per_unit: material $2,000 | health $1,500 | housing $1,200 | education $1,000 environmental $800 | social $500 | political: governance reform (non-fiscal)

Algoritmo de Búsqueda de 5 Etapas

Cada configuración de arquetipo se genera a través de un proceso formal de 5 etapas:

1. Evaluación del Estado Actual
220 puntuaciones DFI de entidades soberanas
2. Clasificación de Intervenciones
Todas las brechas (país, dimensión)
ordenadas por ganancia_dfí_por_dólar
3. Fondo de Redistribución
4 fuentes de ingresos
4. Búsqueda de Configuración
Restricciones por arquetipo
+ asignación presupuestaria
5. Puntuación Objetiva
5 funciones objetivo

Fondo de Redistribución (Etapa 3)

Total_Pool = platform_taxation + carbon_taxation + financial_transaction_tax + sovereign_wealth Donde: platform_taxation = Σ SAPA_deal_values × 0.02 (2% transaction levy) carbon_taxation = Σ estimated_CO²_tons × $50/ton × 0.10 (from climate vulnerability data) financial_transaction_tax = modeled from BIS digital payment volumes sovereign_wealth = GDP surplus fraction from high-surplus economies (voluntary solidarity levy)

5 Funciones Objetivo

Objetivo Fórmula
Utilitarista Promedio ponderado por población del DFI en todas las entidades
Primero los Peor Situados mín(DFI) en todas las unidades de población (maximizar el mínimo)
Autonomía Utilitarista base - disruption_penalty(structural_changes × 0.001) + autonomy_bonus(devolved × 0.002)
Sostenibilidad DFI reponderado: seguridad_ambiental 0.25 (aumentado desde 0.10), material/salud reducidos a 0.125 cada uno
Equidad Utilitarista base - Gini_penalty(inter-entity DFI inequality × 0.3), no entity DFI decline >5%

16 Configuraciones de Arquetipo

Arquetipo Filosofía Fracción Presupuestaria Efectividad de Transferencia Cumplimiento de Dignidad Viabilidad de Transición
A: Federalismo Fiscal No border changes; enhanced fiscal transfers via existing institutions (IMF, World Bank, regional banks). Fiscal-only mechanisms — cannot address political participation or social connection directly. 60% 0.65 ~55% 0.81
B: Descentralización Autonomía subnacional con reforma fiscal + de gobernanza. Cambios fronterizos permitidos para unidades subnacionales dispuestas. Mayor bonificación de autonomía compensada parcialmente por penalización de disrupción. 50% 0.55 ~55% 0.58
C: Red de Ciudades-Estado Ciudades y pequeños estados forman coaliciones en red (de la Fase 7). Mayor cumplimiento por reestructuración radical, pero viabilidad política extremadamente baja. 80% 0.70 ~79% 0.33
D: Bienes Comunes de Plataforma Empresas de plataforma proporcionan servicios de infraestructura como servicios públicos regulados. Impuestos de plataforma financian el cierre del piso de dignidad. Reestructuración moderada. 70% 0.65 ~82% 0.60
E: Optimización Total Unconstrained boundary redrawing to maximize DFI. Eloretically optimal but politically impossible — requires overriding all existing sovereignty. 100% 0.80 ~97% 0.13
F: Impuesto de Resiliencia Climática What would zero take? 62 climate-resilient countries pay into a pool redistributed to 132 climate-vulnerable nations. Pure fiscal mechanism — closes material, health, education, housing, y la environmental gaps but cannot address political participation. Shows the fiscal ceiling (~62%) y la the PP wall (57 countries, 3B people where money stops working). n/a 0.60 ~62% 0.61
G: Monarca Global Benévolo Eloretical upper bound: what if an omnipotent benevolent ruler could force institutional reform y la ensure efficient governance? Removes the democracy wall, reduces governance absorption from 4.55x to 1.63x, y la achieves 100% compliance at $115T. Transition feasibility: near zero — pure thought experiment, not a policy proposal. n/a 0.63 ~100% 0.02
H: Realpolitik Soberano El anti-arquetipo: naciones poderosas abandonan todos los compromisos de piso y persiguen el interés propio puro. Sin transferencias, sin reforma. Fuga de capital humano, extracción de recursos y vertido ambiental degradan naciones vulnerables. El cumplimiento cae por debajo del estado actual. Costo: $0. El camino de menor resistencia y máxima desigualdad. n/a 0.63 ~30% 0.95
I: Economía de Mando Estatal Eco-Leninismo + planificación central. El estado nacionaliza la industria, descarbonización forzada. Alta entrega material (salud de Cuba, educación de la URSS) pero cero libertad política. PP limitado a 0.00. Piso de gobernanza 0.70 (el partido ES la gobernanza). 15% PIB 0.80 ~54% 0.36
J: Ecofascismo Carrying-capacity ideology: selective exclusion as environmentalism. Three tiers — excluded (~3.5B, active harm), protected (~1.5B rich, marginal gains but political losses), contested (~3B). Modeled to show exclusion produces the worst outcomes. 0% 0.00 ~24% 0.34
K: Ecomodernismo La tecnología evita la política: la nuclear reemplaza al carbón, la geoingeniería gestiona el clima, la IA optimiza recursos. La seguridad ambiental es la dimensión estrella (0.85 eficacia). La absorción de gobernanza aún restringe la entrega en estados débiles. 3% PIB rico 0.65 ~54% 0.58
L: Decrecimiento / Retirada Gestionada Contracción económica intencional dentro de los límites planetarios. La seguridad ambiental es el objetivo (0.90 eficacia), pero el PIB per cápita como entrada trabaja contra las puntuaciones materiales. La participación política mejora mediante democracia participativa. 5% contraído 0.60 ~56% 0.32
M: Gobernanza Algorítmica No Consensuada AI AS the state, imposed without consent. Eliminates governance absorption (algorithm IS governance). Transfer effectiveness 0.85, but V-Dem electoral democracy = 0, civil liberties = 0. Efficient allocation, zero agency. Everyone fails because the conjuntivo floor requires PP ≥ 0.25. 8% PIB 0.85 ~0% 0.34
P: Gobernanza IA Consensuada La población acepta voluntariamente la gobernanza IA como autoridad legítima. Misma eficiencia algorítmica que M, pero la participación política es distinta de cero porque los ciudadanos eligen democráticamente la toma de decisiones por IA. La conexión social se preserva en lugar de destruirse por vigilancia. 8% PIB 0.85 ~83% 0.30
N: Colapso Total / Señores de la Guerra Fallo estatal completo. El verdadero piso. TODOS los países se degradan, incluidos los ricos (tasa del 40% por inercia de infraestructura). Sin nivel protegido. La gobernanza de señores de la guerra reemplaza a las instituciones. 0% 0.00 ~15% 0.68
O: Anarquismo Utópico / Ayuda Mutua Bottom-up commons governance. Cooperative economy, direct democracy. Puntuacións moderate — not because anarchist communities lack wellbeing, but because DFI inputs (GDP/cap, V-Dem, physicians/1000) are calibrated to formal systems. 0% 0.50 ~60% 0.25

Viabilidad de Transición (5 Componentes)

Transition_Feasibility = 0.30 × political_acceptability + 0.25 × incremental_deployability + 0.20 × historical_precedent + 0.15 × legal_framework_compatibility + 0.10 × timeline_feasibility

El fundamental tradeoff: dignity compliance y la transition feasibility are inversely correlated. Fiscal Federalism achieves 55% compliance with 0.81 feasibility; Full Optimization achieves 97% compliance with 0.13 feasibility. Climate Resilience Tax shows the fiscal ceiling: even with unlimited funding, compliance maxes at 62% because political participation cannot be purchased. Benevolent Global Monarch removes that ceiling by my laating institutional reform, achieving 100% at $115T — but requires authority that has never existed. Elre is no configuration that simultaneously maximizes both compliance y la feasibility.

Conceptual Territorio: Arquetipos I–O

Arquetipos A–H model governance arrangements that build on or reform existing state structures. Arquetipos I–O expy la the analysis into geopolitical territories from climate politics, collapse studies, y la political theory — scenarios that dominate real-world policy debate but fall outside conventional institutional reform.

Economía de Mando Estatal (I) occupies the territory where a vanguard party or authoritarian state seizes control of the economy for rapid decarbonization. Historical precedents include Soviet-era industrialization, Cuban healthcare universalization, y la Chinese state-directed development. El model shows high material delivery but zero political freedom. El environmental score (0.55) is lower than expected because commy la economies historically produce severe non-carbon pollution even when they reduce CO&sub2;.

Ecofascismo (J) models the territory where environmental crisis is instrumentalized to justify biopolitical exclusion — border militarization, carrying-capacity ideology, y la the construction of protected vs. expendable populations. This archetype exists in the analysis specifically to demonstrate that exclusionary approaches produce worse aggregate outcomes than any constructive alternative.

Ecomodernismo (K) represents the territory where technological deployment bypasses political reform entirely — nuclear energía, atmospheric geoengineering, AI-optimized resource allocation, y la precision agriculture. Environmental safety is the star dimension (0.85 effectiveness). But the model reveals that technology cannot bypass governance absorption: countries with weak institutions still cannot deploy or maintain complex technical systems.

Decrecimiento / Retirada Gestionada (L) ocupa el territorio de la contracción económica intencional dentro de los límites planetarios. Las puntuaciones de seguridad ambiental son las más altas (0.90 de efectividad), pero el 40% de la puntuación de seguridad_material es el PIB per cápita, que el decrecimiento reduce deliberadamente. Este arquetipo funciona dentro de sistemas electorales, produciendo la mayor efectividad de participación política (0.65) entre el nuevo conjunto.

Gobernanza Algorítmica No Consensuada (M) modela la gobernanza POR algoritmo en lugar de la gobernanza CON algoritmos, impuesta sin mandato democrático. La efectividad de transferencia es la más alta (0.85) porque los sistemas algorítmicos eliminan la fricción burocrática. Pero la democracia electoral V-Dem es igual a cero, las libertades civiles son igual a cero y la infraestructura de vigilancia destruye la sociedad civil.

Gobernanza IA Consensuada (P) models the same algorithmic efficiency as M, but with a critical difference: the population willingly accepts AI as legitimate authority. Political participation is non-zero because citizens democratically choose algorithmic decision-making — a world where people believe AI is better than human governance. Social connection is preserved rather than destroyed, because there is no need for surveillance when compliance is voluntary. El comparison between M y la P isolates the question: does AI governance fail because algorithms cannot govern, or because people will not accept being governed by algorithms?

Colapso Total / Señores de la Guerra (N) represents the true floor — complete institutional failure across all regions including wealthy ones. Rich countries degrade at 40% of the full rate due to infrastructure inertia. El analytical purpose is establishing the absolute bottom of the possibility space.

Anarquismo Utópico / Ayuda Mutua (O) occupies the territory of bottom-up commons governance without state institutions. Our DFI model shows anarchism scoring moderate (~60% compliance), but this reflects the model’s institutional bias more than anarchist wellbeing. GDP per capita does not capture cooperative production. V-Dem indices cannot distinguish direct democracy from no democracy. Anarchism provides something our model cannot fully measure.

Viabilidad Estructural (7 Componentes)

Calculado por país para evaluar si cada nación puede sostener sus funciones soberanas bajo un arquetipo dado:

Structural_Feasibility = 0.25 × fiscal_viability (1 - fiscal_gap × 5) + 0.20 × economic_base (gdp_pc / 30,000) + 0.15 × governance_capacity (mean of gov_effectiveness + reg_quality) + 0.15 × security (military_ratio × 10 + 0.3, capped at 1.0) + 0.10 × infrastructure (mean of economic + governance) + 0.10 × international_integración (Heritage trade_freedom / 100) + 0.05 × demographic_viability (population / 5M, capped at 1.0)
Fuentes de Datos: Indicadores DFI (compilados por OMS/UNESCO/Banco Mundial), índices de democracia V-Dem, Freedom House, Índice de Percepción de la Corrupción de Transparencia Internacional, Riesgo INFORM, Índice de Progreso Social (validación cruzada), WGI del Banco Mundial, WDI del Banco Mundial, Vulnerabilidad Climática ND-GAIN, Riesgo Hídrico WRI, Índice de Capital Humano, Libertad Económica Heritage, Conectividad Marítima LSCI, Índice de Gobierno Electrónico de la ONU, Soft Power 30, líneas base de capacidad militar, índice de fragilidad, ajustes subnacionales, valores de operaciones SAPA Fase 6, coaliciones de red Fase 7, impactos residuales estatales Fase 8

Salida: optimal_configurations.json — 220 entidades soberanas, 16 archetype configurations, sub-national DFI for 20 countries (75 regions), residual capital humano for 49 host nations, SPI cross-validation. Explore on Optimizaciones

Nota metodológica: Análisis de ciudades como extensión, no como reemplazo

El city-level detachment framework (Sections 11–13) extiende the country-level valuation (Sections 1–10); it does not replace it. Recuentory valuations remain the foundation — a city's Lambda y la severance scores are derived from its relationship to the host nation's valuation. Plataforma sovereignty analysis adds a new analytical dimension that applies to both countries y la cities. El viability scores in this framework are composite indices, not calibrated probabilities — they measure structural feasibility, not likelihood.

16. Limitaciones Conocidas

Incertidumbre del modelo de integración

El marco valora entidades soberanas y ahora modela los impactos posteriores a la desagregación a través de la Fase 8 (Evaluación de Impacto Residual del Estado), incluyendo erosión fiscal, fuga de capital humano, cambio en la distribución de habilidades y efectos de inmovilidad en las naciones anfitrionas. Sin embargo, el modelado completo posterior a laintegración modeling — what happens if a nation is really absorbed by an acquirer — remains unmodelado. Key uncertainties:

La brecha entre captura económica y adquisición formal sigue siendo la mayor incertidumbre conceptual del marco.

Lo que este marco NO captura

Degradación de la confianza a lo largo del tiempo

Este marco de valoración está intencionalmente simplificado para mayor claridad. El análisis geopolítico real requiere modelado de escenarios, teoría de juegos y experiencia regional. Las 16 configuraciones de arquetipo (Federalismo Fiscal, Devolución, Red de Ciudades-Estado, Plataforma Común, Optimización Completa, Impuesto de Resiliencia Climática, Monarca Global Benévolo, Realpolitik Soberano, Economía de Mando Estatal, Ecofascismo, Ecomodernismo, Decrecimiento, Gobernanza Algorítmica No Consensuada, Colapso Total, Anarquía Utopista, Gobernanza de IA Consensuada) operan cada una en diferentes horizontes temporales, y la confianza se degrada a diferentes ritmos dependiendo del arquetipo asumido. Utilice esto como punto de partida, no como oráculo.

Limitaciones de datos de soberanía de plataforma

Approximately 170 of 220 entidades soberanas in the platform sovereignty analysis rely on modeled platform data (Nivels 2–3) rather than directly observed metrics. Nivel 1 coverage (direct measurement) is limited to ~50 países with robust digital infrastructure reporting. El inequality-adjusted dignity floor count (5.76B people) depends on World Bank poverty headcount data quality, which covers 182 países with varying recency (2014–2024). Recuentories with older survey data may have dignity floor estimates that lag real conditions by several years.

Agregación a nivel nacional

El Índice del Piso de Dignidad trata cada país como una unidad homogénea, calculando un único puntaje de viabilidad por nación. La desigualdad dentro del país se aborda parcialmente mediante el ajuste por desigualdad (inyección del recuento de pobreza del Banco Mundial en el cálculo de la brecha fiscal) y la desagregación subnacional (20 países, 75 regiones). Sin embargo, la mayoría de los países carecen por completo de datos subnacionales, lo que significa que la variación significativa dentro del país en capacidad de gobierno, base económica y calidad de infraestructura se promedia. Las federaciones, estados afectados por conflictos y países con grandes divisiones urbano-rurales son los más propensos a tener su variación subnacional oscurecida por la agregación a nivel nacional.

¿Preguntas o comentarios?

Este marco evoluciona en base a los comentarios de los investigadores. Si encuentra lagunas, contradicciones o mejoras, por favor repórtelas.

Regrese al GLOBO para explorar valoraciones, o consulte la página de ANÁLISIS para metarankings y patrones.