«es difícil hacer predicciones, especialmente sobre el futuro» – así dice el dicho. Lo mismo se aplica a la modelización económica. Este no es solo el punto trillado de que es difícil hacer predicciones sobre cosas que son inciertas, aunque te sorprendería cuántos modelos económicos se expresan como deterministas, es decir, sin límites de probabilidad., Pindyck hace el punto válido de que las entradas clave a menudo se eligen arbitrariamente; incluso el mejor modelo escupe basura si se bombea basura . Pero quiero centrarme en el punto un poco más sutil de que las mismas cosas que son más interesantes cuando se trata de hacer predicciones décadas por delante son las que son más difíciles de modelar., El resultado es que la mayoría de las veces, simplemente no se modelizan y, por lo tanto, los modelos nos dicen poco sobre cómo evolucionará el futuro y mucho menos sobre los verdaderos costos y beneficios de las políticas a largo plazo, como las que promueven las tecnologías renovables y la eficiencia de los recursos.
Un modelo económico es esencialmente un marco simplificado para describir el funcionamiento de la economía. Ejerce la disciplina de obligar al modelador a articular formalmente suposiciones y provocar relaciones detrás de esas suposiciones. Los modelos se utilizan para dos propósitos principales: la simulación (por ejemplo,, cómo cambiaría el mundo en relación con algún contrafactual si asumimos un cambio en esta o aquella variable) y el pronóstico (por ejemplo, cómo podría ser el mundo en 2030). Los modelos económicos son excelentes herramientas para simulaciones: dado lo que sabemos sobre el funcionamiento conductual de la economía, y tomando estos principalmente como dados, ¿cómo podría responder la economía a, digamos, un aumento en el precio de la energía? Sin embargo, los modelos son mucho menos eficaces a la hora de proporcionar previsiones precisamente porque, al hacer previsiones, muy poco se puede tomar como dado., Cuanto más lejos está el pronóstico, mayores son las incertidumbres estructurales que hacen que las proyecciones de los modelos sean, en el mejor de los casos, ilustrativas, especialmente cuando se trata de predecir el impacto de impulsos no marginales, como los impactos del cambio climático o la transformación del sistema energético mundial.
Los modelos utilizados por los ministerios de Finanzas, los bancos y los bancos centrales toman la estructura subyacente de la economía como se indica y analizan las perturbaciones en los márgenes a través de ecuaciones de comportamiento estimadas., Tanto los modelos de equilibrio general computable como los de «Nueva Keynesia» estimados se basan en suposiciones sobre tendencias predeterminadas a largo plazo o «convexidad» asociadas con rendimientos marginales decrecientes y productos marginales decrecientes, con el fin de converger en un estado estacionario. Debido a que rara vez miran hacia adelante más allá de un horizonte de cuatro años, tales suposiciones simplificadoras hacen buenas aproximaciones de la realidad. De hecho, en el tesoro, fijamos las principales variables de pronóstico (crecimiento del PIB, desempleo, balanzas comerciales, inflación, etc.) primero y luego ejecutamos el modelo ., Esta es en realidad la norma para la previsión macroeconómica – el modelo se utiliza esencialmente como un control de coherencia y no una fuente de proyecciones. Siempre que los residuos de pronóstico estén en línea con patrones pasados, luego se valida la fijación de la ruta de pronóstico de antemano porque las proyecciones son compatibles con el comportamiento estimado pasado. Pero mirando más allá, las incertidumbres crecen y también las posibilidades de que las rupturas estructurales empujen a la economía hacia nuevos caminos impulsados por nuevas tecnologías, instituciones y comportamientos., Caracterizar las variables clave, como la salida, como volver a una media determinista es conveniente pero poco realista cuanto más lejos se mira.
esto causa problemas para las previsiones económicas encargadas de examinar el impacto de un gran cambio transformador, como la transición a una economía global eficiente en el uso de los recursos durante períodos más largos. El requisito de que un modelo tiende hacia un equilibrio de estado estacionario significa que muchas dinámicas clave se modelan como tendencias hacia ese equilibrio, en lugar de determinantes del mismo. El ‘cambio’ y la heterogeneidad se modelan como Estados transitorios., Sin embargo, el mundo real es lo que los economistas llaman endógeno, es decir, sujeto a cambios sistémicos que se originan dentro del sistema. Los procesos heterogéneos generan bucles de retroalimentación que se convierten en características permanentes del sistema, lo que requiere una teoría a largo plazo caracterizada por tales procesos. Los factores económicos que están sujetos a economías de escala, el bloqueo de capital e institucional, las irreversibilidad, las nuevas redes y las dependencias de la trayectoria son difíciles de estimar empíricamente (en algunos casos nunca han ocurrido, todavía) y aún más difíciles de modelar debido a la dinámica no lineal., Las perturbaciones tendrán efectos persistentes (pensemos en el 9/11), las decisiones políticas tendrán implicaciones grandes y amplificadas (pensemos en el gasto en defensa e internet), lo que hará que la predicción sea cada vez más difícil. Los diferentes modelos meteorológicos y las ejecuciones de pronóstico hacen pronósticos globales consistentes y precisos durante un período de dos semanas, pero luego comienzan a divergir debido al infame efecto de «ala de mariposa». Más allá de un mes o así, tales pronósticos divergen salvajemente y se consideran casi inútiles. Lo mismo ocurre con los modelos económicos a largo plazo.
tome algunos ejemplos del mundo real., La inversión en tecnologías de energía renovable empuja su precio a la baja como resultado de la experimentación y el aprendizaje de los errores; el llamado «aprendizaje práctico». Estas caídas de los precios hacen que la inversión sea cada vez más atractiva en relación con las tecnologías convencionales, donde las ganancias del aprendizaje adicional o la ampliación son menores. A medida que bajan los costos, la inversión aumenta y los ingenieros aprenden a instalar, conectar y reparar la tecnología a bajo costo (una de las razones por las que la energía solar fotovoltaica es considerablemente más barata en Alemania que en los Estados Unidos), las instituciones de planificación se actualizan y se construyen o transfiguran nuevas redes., Los consumidores cambian de comportamiento y exigen eficiencia, reciclado y peatonalización.
muy rápidamente, una región puede cambiar de una red tecnológica a otra, ya que el aprendizaje y la experiencia la hacen más atractiva que el operador tradicional. Pero tal dinámica inherentemente bipolar dependiente de la trayectoria es difícil—si no imposible-de modelar. Las ciudades planificadas en un modelo de desarrollo denso con transporte público integrado se convierten en muchos órdenes de magnitud menos intensivos en recursos que las ciudades basadas en un modelo basado en automóviles en expansión, a pesar de tener los mismos niveles de ingresos., Una vez construidos, son difíciles de cambiar retrospectivamente a medida que los comportamientos y las infraestructuras se quedan bloqueados. Las circunscripciones abogan por precios más bajos de la gasolina y más carriles de carretera en la ciudad en expansión y carriles para bicicletas, el transporte público y la carga de congestión en el denso y eficiente. Las decisiones tomadas por los planificadores en China, India y otros lugares contribuirán en gran medida a determinar la eficiencia y la seguridad de los recursos de sus economías en su conjunto. También crean nuevos mercados considerables que estimulan a los innovadores e inversores de todo el mundo.,
pero nada de esto se incorpora en los modelos estándar porque la interacción completa de un sistema endógeno es diabólicamente compleja de replicar y cualquier error se propaga a través del modelo como una enfermedad maligna. Por lo tanto, el modelado requiere abstracción. No se pueden incluir todas las variables y no se pueden simular todos los procesos causales. Pero abstraer está bien hasta que abstraigas de las propiedades clave del sistema y luego pretendas pronosticar ese sistema como un todo., En la mayoría de los modelos, se supone que la innovación que impulsa las perspectivas económicas a largo plazo acaba de ocurrir y se asumen características clave del capitalismo, como la tendencia hacia el oligopolio, en favor de la suposición más manejable de la competencia.
el error de Malthus fue tomar la estructura de la economía global como se dio. Su modelo suponía que las tecnologías y los procesos permanecerían sin cambios, de modo que el mundo se quedaría sin recursos ante el aumento de la población y la demanda. De hecho, cada boca humana extra viene con un cerebro humano., Y fue la innovación humana la que permitió que los rendimientos agrícolas se dispararan y la industrialización proporcionara una gama sin precedentes de posibilidades de consumo. Modelar la innovación requiere comprender las consecuencias no deseadas que resultan de los derrames de conocimientos de un sector a otro. Mariana Mazzucatto cuenta una historia convincente de cómo casi todas las tecnologías radicales detrás del iPhone fueron financiadas por el Gobierno, principalmente a través de fondos de investigación de defensa: esto incluye internet, GPS, Pantalla táctil e incluso el nuevo asistente personal Siri activado por voz ., Estas dinámicas subyacentes son conocidas y predecibles como procesos, pero no en términos de resultados específicos. En consecuencia, casi todos los modelos abstraen estas relaciones clave.
también hay una serie de dinámicas de comportamiento a tener en cuenta. Por ejemplo, la acción colectiva global está sujeta a los juegos donde los beneficios de la acción individual del agente (países, regiones, empresas) depende de cómo actúen los demás. Si suficientes jugadores actúan, se alcanza una masa crítica o «conjunto de propinas» donde vale la pena actuar también., Por ejemplo, puede pagar a una empresa o economía para retrasar el costo de la inversión eficiente en el uso de los recursos, pero a medida que otros hacen la inversión, puede tener cada vez más dificultades para vender en nuevos mercados donde las normas de eficiencia mejoran (como fue el caso de los fabricantes de automóviles estadounidenses). Estas dinámicas pueden modelizarse, pero son difíciles de incorporar en los modelos integrados existentes. ¿Quién podría haber modelado determinísticamente la apertura del comercio mundial en la segunda mitad del siglo pasado? Sin embargo, estas dinámicas subyacentes son conocidas y predecibles y, en última instancia, son ellas las que darán forma al mundo.,
los beneficios potenciales de la política que dirige el cambio estructural en última instancia eclipsarán los costos distorsionadores de la primera ronda asociados con un impuesto sobre el carbono aquí, o un nuevo estándar de eficiencia allí. Al igual que en el caso del gasto en defensa, es probable que un esfuerzo concertado para impulsar la innovación ecológica R&D haya multiplicado los impactos sobre la innovación en toda la economía., Esto significa que, para los encargados de la formulación de políticas, la planificación de una economía competitiva y eficiente en el uso de los recursos adecuada para un siglo XXI con dificultades podría ser una prioridad más importante que determinar el costo a corto plazo de un conjunto de energías renovables, por pertinente que sea. Sin embargo, los modelos se centran casi exclusivamente en cuestiones estrechas de este último tipo, solo porque pueden, generando un conjunto de costos para cada acción, con poca comprensión de todos los beneficios potenciales., La predisposición resultante a aplazar la adopción de medidas obstaculiza las cuestiones más pertinentes de cómo puede lograrse un cambio estructural de manera transparente y favorable al mercado, que promueve la competencia y el crecimiento y limita las posibilidades de que los intereses creados busquen rentas.
¿esto significa que debemos desechar los modelos económicos? Absolutamente no. Todavía debemos tratar de estimar y modelar procesos complejos conocidos. Los modelos son herramientas esenciales para ayudarnos a formular, examinar y comprender las relaciones interactivas., Sin embargo, si bien los modelos económicos integrados aplicados a largo plazo han producido ideas valiosas, nunca fueron diseñados para servir como estimaciones de los impactos Totales de cosas como las políticas para reducir las emisiones y mejorar la eficiencia de los recursos. Los sistemas endógenos completamente integrados hacen que los largos períodos de modelado sean muy difíciles porque incluso los pequeños errores persisten y explotan y alteran los resultados del modelo como una enfermedad maligna. Los modelos intentan sortear este problema asumiendo que las partes clave de esa historia están predeterminadas, pero esto no las hace más realistas., Lo que se requiere es una teoría coherente detrás de los procesos de largo plazo de cambio sistémico y estos se modelan mejor por separado, y no como parte de un modelo totalmente integrado que imparte falsas nociones de determinismo y precisión. Los modelos no son toda la historia; son simplemente frases de apoyo a la historia y deben ser entendidos y tratados como tales. En un sistema suficientemente complejo, en realidad puede ser más fácil impulsar el cambio que predecirlo.
Dimitri Zenghelis es codirector de política en el Instituto de investigación Grantham en la LSE y anteriormente fue Jefe de previsión económica en el Tesoro de Su Majestad., Este artículo fue publicado originalmente en Business Green El 18 de septiembre de 2013.