Documente Academic
Documente Profesional
Documente Cultură
V. ¿ESTAMOS AQUÍ?
Haavelmo abogó por la formulación de modelos económicos como modelos de
probabilidad, no como un fin en sí mismo, sino porque vio esto como la única
forma en que sería posible probar los modelos entre sí y así avanzar. Ahora
tenemos, en los modelos Bayesian DSGE, el primer paso en el programa de
Haavelmo. Pero estos modelos en su forma actual están listos para ser
mejorados, en varias direcciones.
La reciente crisis financiera y la recesión no fue predicha por los modelos DSGE.
Las predicciones de los modelos de probabilidad por construcción estarán
sujetas a error. Por lo tanto, no es la existencia de los errores, ni siquiera de su
tamaño, lo que constituye un problema; es que los errores en los pronósticos de
los DSGE (y los SVAR estándar, para el caso) fueron de un tamaño que las
estructuras de probabilidad implícitas de los modelos casi nunca deberían
ocurrir. Que se produjeran demasiados errores importantes, en comparación con
las predicciones de los modelos, era verificable antes de la crisis reciente,
aunque la escala de errores en la crisis reciente fue mayor. Reconocer la
verdadera probabilidad de grandes errores en los modelos económicos es un
desafío técnico, razón por la cual recibieron poca atención de los modeladores.
Quizás más importante fue que los errores inusualmente grandes son por
definición eventos raros. Por lo tanto, no es posible que los datos históricos por
algún procedimiento estadístico mecánico generen un modelo de probabilidad
para los grandes errores. Es decir, el papel de las distribuciones anteriores será
importante para modelar estos errores y la incertidumbre acerca de ellos será
grande. Un enfoque basado en las herramientas habituales de la econometría
frecuentista, de muestra grande aproximada no será suficiente.
Una brecha relacionada en la cosecha actual de DSGE es que casi todas se
basan en la linealización en torno a una trayectoria de crecimiento de estado
estable. Los usuarios de los modelos son conscientes de que, por lo tanto, es
probable que los modelos se vuelvan poco confiables ante las grandes
desviaciones de la economía con respecto a su línea de tendencia. Sin embargo,
las grandes perturbaciones nos empujan fuera de la línea de tendencia, y
necesitamos identificar y modelar las no linealidades importantes que surgen.
Muchos economistas ya están trabajando para integrar más datos financieros y
modelos más completos del sector financiero en los modelos DSGE, con la
esperanza de que estas mejoras ayuden a evitar otro colapso como el de 2008,
o fracasen, lo que hace que las elecciones de políticas se produzcan ante tal
choque. con más precisión aparente. Igualmente, importante, de hecho,
probablemente más importante de cara al futuro, es la ampliación de DSGE para
modelar con mayor precisión la dinámica fscal. La mayoría de los DSGE de
Bayesia no modelan, o no modelan con precisión, la deuda nacional, la conexión
de los déficits a la deuda y los efectos de la riqueza en el comportamiento de la
deuda del sector privado y la futura política fiscal futura. Estos aspectos de la
economía son fundamentales para las discusiones actuales sobre políticas.
Los DSGE existentes son principalmente variantes del modelo de Christiano,
Eichenbaum y Evans. Este es un modelo "micro-fundado", en el que la inercia y
la adherencia, en lugar de ser inyectadas en el modelo de una manera
puramente ad hoc, son empujadas un nivel hacia abajo, hacia las restricciones
de optimización de agentes representativos. Pero estos micro fundamentos
están en muchos casos claramente en desacuerdo con la evidencia empírica o
el sentido común. La adherencia de los precios, por ejemplo, se modela
asumiendo que existe una restricción o un costo asociado a el cambio de un
precio nominal, y que los precios de configuración de las empresas son
individualmente insignificantes en tamaño. Todo el mundo entiende que las
industrias reales casi siempre se caracterizan por grandes divergencias en
cuanto al tamaño, y algunas grandes empresas son estratégicamente
importantes. Todo el mundo entiende que el "costo" de cambiar un precio
nominal o la restricción de que los precios nominales solo se pueden cambiar en
los momentos en que la incidencia no puede controlarse es, en el mejor de los
casos, una metáfora. Si uno piensa que los DSGE son un conjunto de historias
que hacen que los economistas y los responsables de la formulación de políticas
se sientan más cómodos con las proyecciones de políticas que básicamente
reproducen lo que implicaría SVAR, la importancia de las micro fundaciones de
los DSGE es de importancia secundaria. Pero cuando los modelos se utilizan
para evaluar los efectos en el bienestar de las políticas alternativas, estos
problemas se vuelven más importantes. Es poco probable que los modelos
macroeconómicos que se construyen explícitamente a partir de datos micro sean
factibles en un futuro próximo. Pero es factible experimentar con variaciones en
los mecanismos de inercia en el marco de Christiano, Eichenbaum y Evans,
investigando si otras especifcaciones también pueden funcionar y pueden tener
diferentes implicaciones políticas.
Los DSGE existentes están demasiado estrechamente parametrizados. El
modelo de Smets and Wouters en EE. UU. (2007), por ejemplo, utiliza datos de
siete variables y tiene 37 parámetros libres, aproximadamente cinco por
“ecuación”, que es una densidad de parámetros que probablemente sea más
baja que la caracterizada por los modelos keynesianos a gran escala de los años
60 y Años 70. El resultado es que el VAR bayesiano es mejor que el DSGE, por
un margen sustancial. 11 El DSGE podría mejorarse agregando parámetros que
permitan una mayor dinámica en las perturbaciones o especificaciones más
flexibles de varias fuentes de inercia. Sin embargo, dado que pensamos que la
teoría de estos modelos es, en el mejor de los casos, un enfoque más
prometedor puede ser el de DelNegro y Schorfheide (2004), extendido por
DelNegro, Schorfheide, Smets y Wouters (2007), quienes usan un DSGE como
fuente para una distribución previa de los parámetros de un SVAR. En su
procedimiento, el resultado puede ser, en principio, casi idéntico al DSGE, si el
DSGE se ajusta bien a los datos. Park (2010) ha ampliado el marco Del Negro /
Schorfheide para hacerlo reflejar de manera más realista las incertidumbres
sobre la identificación. Este enfoque del modelado, ya que no trata el DSGE
como una explicación directa de los datos, hace imposible utilizar la teoría del
modelo para evaluar los efectos de la política en el bienestar. Pero como he
señalado anteriormente, esto puede ser muy bueno. Y el uso del modelo para
rastrear la distribución del futuro de la economía en función de varias fuentes de
perturbación sigue siendo posible, y probablemente sea más preciso que utilizar
el modelo DSGE directamente.
VI. CONCLUSIÓN
A pesar de la confusión inicial acerca de cómo llevar los datos de las series
cronológicas macroeconómicas sobre el tema, la controversia entre los puntos
de vista keynesianos y de teoría de la cantidad de los efectos de la política
monetaria estándar está, al menos por el momento, en gran parte resuelta. Los
cambios en las tasas de interés diseñados por las operaciones de mercado
abierto tienen efectos sustanciales en la economía, tanto en la producción real
como en la inflación. Los cambios erráticos en la política monetaria no son la
principal fuente de variación cíclica en la economía. La cantidad de dinero no es
un buen índice unidimensional de política monetaria. Los efectos de la política
monetaria sobre la producción son bastante rápidos; Los efectos sobre la
inflación tardan más en ponerse en práctica. Los métodos de inferencia que se
han desarrollado para resolver estos problemas nos han acercado a los objetivos
de Haavelmo para un enfoque científico de la macroeconomía.
No obstante, aún hay incertidumbres sobre la nueva visión de consenso, y los
modelos ahora en la frontera todavía contienen grandes brechas. Queda mucho
por hacer.
(Notas finales)
1 Un ejemplo de un economista sofisticado que lucha con este problema es
Sargent (1984). Ese papel pretende caracterizar tanto las opiniones de Sargent
como las mías. Creo que sí caracteriza los puntos de vista de Sargent en ese
momento, pero no caracteriza correctamente los míos.
2 Este hecho, que todos sabían en cierto sentido, fue anunciado enérgicamente
por Liu (1960), y mucho más tarde se volvió a enfatizar en mi artículo de 1980b.
3 El modelo de Haavelmo se diferencia del modelo clásico de Samuelson (1939)
solo en el uso de ingresos actuales en lugar de retrasados en la función de
consumo.
4 Utilizamos la cadena de datos indexados, que no existían cuando Haavelmo
escribió. Construimos Y como C + I + G, ya que los datos indexados de la cadena
no satisfacen la identidad contable y no estamos utilizando datos sobre otros
componentes del PIB.
5 Este es el punto señalado, con ejemplos más realistas, por Leeper y Zha
(2003).
6 Lo verifiqué colocando los VAR de primer y segundo orden.
7 Por ejemplo, los mínimos cuadrados de dos etapas se utilizaron ampliamente
para estimar las ecuaciones en estos modelos. De acuerdo con la teoría,
mientras más variables exógenas y predeterminadas estén disponibles, mejores
serán las propiedades (de gran muestra) del estimador. Pero en estos modelos
había una vergüenza de riquezas, tantos instrumentos que dos etapas mínimos
cuadrados usando todos ellos reducidos a mínimos cuadrados ordinarios: el
mismo método utilizado por Tinbergen antes del Haavelmo. Entonces, de hecho,
los modeladores usaron menos instrumentos, sin ninguna justificación formal.
8 Argumenté en contra de esta forma de formular el análisis de políticas con
mayor extensión en 1987.
9 Estudié el estado del modelado de políticas del banco central y el uso de
modelos en el proceso de políticas en un documento de 2002.
10 El trabajo de Christiano, Eichenbaum y Evans circuló en forma de documento
de debate durante años antes de su publicación final.
11 Smets y Wouters informan en sus tablas solo las probabilidades marginales
para el VAR bayesiano que son al menos ligeramente peores que la probabilidad
marginal del DSGE. En la nota 13, sin embargo, informan que un BVAR con un
anterior diferente produce una probabilidad marginal de registro mejor que la del
DSGE por 9.2 en unidades de registro, una ventaja sustancial en pies para el
BVAR.