BCRA Macro — API de Estadísticas Monetarias v4.0

API oficial del BCRA para consultar variables macroeconómicas nacionales (no provinciales).
Base URL:

https://api.bcra.gob.ar

Catálogo total: 1220 series → 638 series nacionales en ./references/VARIABLES.md.

Endpoints

#	Endpoint	Uso
1	`GET /estadisticas/v4.0/Monetarias`	Catálogo de variables (paginado)
2	`GET /estadisticas/v4.0/Monetarias/{IdVariable}`	Serie histórica de una variable (paginado)
3	`GET /estadisticas/v4.0/Metodologia`	Índice de metodologías (paginado)
4	`GET /estadisticas/v4.0/Metodologia/{IdVariable}`	Ficha metodológica de una variable

Autenticación: no requiere. CORS: abierto. Encoding: ISO-8859-1 en algunos textos.

1. Catálogo de variables

GET /estadisticas/v4.0/Monetarias

Devuelve el listado completo con metadatos (

idVariable

descripcion

categoria

tipoSerie

periodicidad

unidadExpresion

moneda

primerFechaInformada

ultFechaInformado

ultValorInformado

Filtros disponibles (query params)

Parámetro	Tipo	Descripción
`IdVariable`	int	Filtra por ID exacto
`Categoria`	string	Búsqueda parcial sin acentos ( `"depositos"` , `"prestamos"` )
`Periodicidad`	string	`D` diaria, `M` mensual, `T` trimestral
`Moneda`	string	`PES` , `DOL` , `ML` , `ME` , `MEyML`
`TipoSerie`	string	`Stock` , `Flujo` , `Tasa` , etc.
`UnidadExpresion`	string	Texto libre
`Limit`	int	Default 1000, máx 3000
`Offset`	int	Paginación (sumar al salto)

Ejemplo mínimo

python

import requests, pandas as pd
r = requests.get("https://api.bcra.gob.ar/estadisticas/v4.0/Monetarias", params={"Limit": 3000})
df = pd.DataFrame(r.json()["results"])

2. Serie histórica de una variable

GET /estadisticas/v4.0/Monetarias/{IdVariable}

Devuelve

{idVariable, detalle: [{fecha, valor}]}

Parámetro	Tipo	Requerido	Descripción
`IdVariable`	int (path)	Sí	ID de la variable
`Desde`	string	No	`YYYY-MM-DD`
`Hasta`	string	No	`YYYY-MM-DD`
`Limit`	int	No	Default 1000, máx 3000
`Offset`	int	No	Paginación

python

r = requests.get("https://api.bcra.gob.ar/estadisticas/v4.0/Monetarias/1",
                 params={"Desde": "2020-01-01", "Hasta": "2025-12-31"})
df = pd.DataFrame(r.json()["results"][0]["detalle"])
df["fecha"] = pd.to_datetime(df["fecha"])
df = df.set_index("fecha").sort_index()

3. Metodologías

GET /estadisticas/v4.0/Metodologia           # índice paginado
GET /estadisticas/v4.0/Metodologia/{idVar}   # ficha completa

python

r = requests.get("https://api.bcra.gob.ar/estadisticas/v4.0/Metodologia/1")
print(r.json()["results"][0]["detalle"])

4. Paginación: cómo superar el límite de 3000 registros

El API devuelve máximo 3000 filas por llamada y la serie diaria más larga (Reservas internacionales, ID 1) tiene ~9000 observaciones desde 1996. Hay dos estrategias.

Estrategia A — Paginación con

Offset

(la más simple)

Iterar sumando

Offset += Limit

hasta que la respuesta venga vacía.

python

import requests, pandas as pd

def get_serie(id_variable, limit=3000):
    url = f"https://api.bcra.gob.ar/estadisticas/v4.0/Monetarias/{id_variable}"
    offset, partes = 0, []
    while True:
        r = requests.get(url, params={"Limit": limit, "Offset": offset}).json()
        det = r["results"][0]["detalle"]
        if not det:
            break
        partes.append(pd.DataFrame(det))
        offset += limit
    df = pd.concat(partes).drop_duplicates("fecha").sort_values("fecha")
    df["fecha"] = pd.to_datetime(df["fecha"])
    return df.set_index("fecha")

reservas = get_serie(1)  # ~9000 observaciones desde 1996

Estrategia B — Chunking por rango de fechas (más rápido en serie larga)

Partir el rango total en ventanas (ej. anual) y pedir cada una con

Desde

Hasta

. Es preferible cuando la serie tiene >50.000 obs o se quieren datos muy antiguos en simultáneo.

python

import requests, pandas as pd
from datetime import date

def get_serie_por_chunks(id_variable, desde, hasta, ventana_dias=365):
    url = f"https://api.bcra.gob.ar/estadisticas/v4.0/Monetarias/{id_variable}"
    partes, d = [], pd.to_datetime(desde)
    fin = pd.to_datetime(hasta)
    while d <= fin:
        h = min(d + pd.Timedelta(days=ventana_dias - 1), fin)
        r = requests.get(url, params={"Desde": d.strftime("%Y-%m-%d"),
                                       "Hasta": h.strftime("%Y-%m-%d"),
                                       "Limit": 3000}).json()
        partes.append(pd.DataFrame(r["results"][0]["detalle"]))
        d = h + pd.Timedelta(days=1)
    df = pd.concat(partes).drop_duplicates("fecha").sort_values("fecha")
    df["fecha"] = pd.to_datetime(df["fecha"])
    return df.set_index("fecha")

base = get_serie_por_chunks(15, "1996-01-01", date.today().isoformat())

Estrategia C — Catálogo paginado (para re-listar todas las variables)

python

def catalogo_completo(limit=3000):
    url = "https://api.bcra.gob.ar/estadisticas/v4.0/Monetarias"
    offset, todo = 0, []
    while True:
        r = requests.get(url, params={"Limit": limit, "Offset": offset}).json()
        batch = r["results"]
        todo += batch
        if len(batch) < limit:
            break
        offset += limit
    return pd.DataFrame(todo)

Reglas de oro

La respuesta no incluye
total
→ siempre hay que chequear con
```
len(batch) < limit
```
o
```
detalle == []
```
.
Hacer una sola llamada grande (Limit=3000) es más eficiente que muchas chicas.
La API no impone rate-limit público pero ser cortés: agregar
```
time.sleep(0.2)
```
entre llamadas si se itera en masa.

Variables nacionales (IDs más usados)

Listado completo en

VARIABLES.md

(638 series nacionales). Las 30 más consultadas:

ID	Descripción	Per.
1	Reservas internacionales (mill. USD)	D
4	Tipo de cambio minorista ($/USD)	D
5	Tipo de cambio mayorista de referencia ($/USD)	D
7	Tasa BADLAR bancos privados (% TNA)	D
8	Tasa TM20 bancos privados (% TNA)	D
11	Tasa BAIBAR (% TNA)	D
12	Tasa depósitos 30 días (% TNA)	D
13	Tasa adelantos cta. cte. (% TNA)	D
14	Tasa préstamos personales (% TNA)	D
15	Base monetaria (mill. $)	D
16	Circulación monetaria (mill. $)	D
17	Billetes y monedas en poder del público (mill. $)	D
18	Depósitos en entidades financieras (mill. $)	D
19	Préstamos al sector privado (mill. $)	D
26	Tasa de política monetaria (% TNA)	D
27	Variación mensual IPC (%)	M
28	Variación interanual IPC (%)	M
29	REM - mediana inflación prox. 12 meses (%)	M
30	CER (índice, base 2.2.02=1)	D
31	UVA ($)	D
32	UVI ($)	D
40	ICL - Índice Contratos Locación ($)	D
1187	Banda cambiaria - límite inferior ($/USD)	D
1188	Banda cambiaria - límite superior ($/USD)	D
1189	Tasa plazo fijo pesos (% TNA)	D
1197	Tasa Intereses Moratorios TIM (% TNA)	D
1232	M1 (mill. $)	D
1233	M2 (mill. $)	D
1234	M3 (mill. $)	D

Tip: el ID cambia con la refactorización del API. Para confirmar el ID actual de una variable usar el endpoint de catálogo.

Categorías presentes en el catálogo

Categoría	Cantidad nacional	Descripción
Principales Variables	35	Indicadores macro headline (tasas, TC, reservas, base, CER, UVA, IPC)
Informe Monetario Diario	33	Series diarias del IMD (líneas del exterior, M1/M2/M3, créditos BCRA)
Series.xlsm	154	Factores de variación de la base monetaria y reservas
Tasas de interés de depósitos	10	Tasas de depósitos desagregadas por moneda y plazo
Préstamos por tipo de titular y destino	74	Préstamos por destino (hipotecarios, prendarios, personales)
Préstamos por tipo de titular	120	Préstamos al sector público/privado nacional, por moneda
Depósitos por tipo de titular	212	Depósitos del sector público/privado nacional, por moneda y plazo

Excluidas (582 series provinciales/municipales): los IDs 322+ desagregan por provincia (Buenos Aires, Córdoba, Santa Fe, etc.) y los items que mencionan "gobiernos provinciales" o "municipales" sin agregado nacional.

Códigos de moneda

Código	Significado
`ML`	Moneda local (pesos argentinos)
`ME`	Moneda extranjera (dólares)
`MEyML`	Agregado moneda local + extranjera
`USD`	Dólares (sin conversión)

Tipos de serie

Saldos a fin de mes

Saldos

Tasa de interés

Flujo diario

Tipo de cambio

Variación

Cociente

Índice

Unidad de cuenta

Margen

Monto

Consideraciones técnicas

Sin autenticación — no requiere key ni token.
Tope de paginado: 3000 registros por llamada.
Encoding: las respuestas pueden traer caracteres extendidos (ISO-8859-1) — usar
```
response.encoding
```
o
```
pd.read_json(..., encoding="utf-8")
```
.
Formato fechas: ISO 8601 (
```
YYYY-MM-DD
```
).
SLA: best-effort, sin garantías formales.

bcra-macro

NPX Install

Tags

SKILL.md Content

BCRA Macro — API de Estadísticas Monetarias v4.0

Endpoints

1. Catálogo de variables

Filtros disponibles (query params)

Ejemplo mínimo

2. Serie histórica de una variable

3. Metodologías

4. Paginación: cómo superar el límite de 3000 registros

Estrategia A — Paginación con
`Offset`
(la más simple)

Estrategia B — Chunking por rango de fechas (más rápido en serie larga)

Estrategia C — Catálogo paginado (para re-listar todas las variables)

Reglas de oro

Variables nacionales (IDs más usados)

Categorías presentes en el catálogo

Códigos de moneda

Tipos de serie

Consideraciones técnicas

Enlaces útiles