Por Jorge Carrera UNLP y Conicet
En momentos de crisis globales las estimaciones sobre el impacto mundial de la misma es un insumo clave para todos los gobiernos y el sector privado. Por eso son tan importantes estimaciones como las del FMI, correspondientes al World Economic Outlook (WEO) de abril, que fueron presentadas mediante reuniones virtuales.
Algunos analistas han mostrado que se produce un gran cambio en la suma total de los saldos de cuenta corriente mundial producto, posiblemente, de agregar las estimaciones de cada país sin una verificación de consistencia.
De hecho, la proyección para 2020 es un déficit global de CC de US$ 375.000 millones que significa una reversión de nada menos que US$ 780.000 millones desde el superávit del año pasado (recordemos que, descontando errores u omisiones, la suma de las CC mundiales debería sumar cero).
El punto central es que, como se remarca desde la cuenta de Twitter @GeneralTheorist, las actuales estimaciones del FMI son el resultado de la suma de lo que proyecta cada equipo de trabajo del FMI para cada país. Lo cual resulta ser un experimento complejo con respecto a la agregación de datos a semejante escala.
Varios participantes en las recientes Reuniones de Primavera del FMI preguntaron qué tan eficiente era el FMI al considerar los efectos transfronterizos que cada país recibe y genera para el resto del mundo en los pronósticos globales del WEO. Lo que técnicamente se llaman “cross-country spillovers”.
Específicamente, cómo los paquetes monetarios y fiscales masivos en cada economía afectarían, además del gasto doméstico, los movimientos potenciales en los precios de los activos, la volatilidad del tipo de cambio y los movimientos de los precios de los productos básicos y, además, cómo interactuarían las políticas de cada uno con el resto.
¿Cómo se transmitirán los efectos positivos de los estímulos o los negativos de las restricciones comerciales hacia otros países?
Modelos de consistencia global
Si bien este problema está presente en casi todas las estimaciones globales de organismos y entidades privadas, ¿por qué el FMI no hace una estimación global más consistente que minimicen estos problemas de agregar estimaciones país por país?
Históricamente, las grandes instituciones multilaterales han desarrollado modelos globales que dan consistencia a las estimaciones individuales. En efecto, desde los años '60 existen estos modelos, siendo el MULTIMOD FMI el más famoso, aunque también pueden mencionarse el Proyecto LINK promovido por el Nobel Lawrence Klein o el Global Policy Model de la UNCTAD.
Sin embargo, desde 2004 el FMI comenzó a confiar principalmente en los modelos DSGE (Dynamic Stocastich General Equilibrium Model), abandonando el modelo MULTIMOD. Entonces, una primera explicación para los problemas de agregación es que, a nivel global, los DSGE -forma dominante de modelar actualmente- tienen varios problemas en su funcionamiento (DeLong, 2016 [1] o Stiglitz, 2017 [2] ). De hecho, tienen muchos más problemas a nivel global de los que tienen cuando se usan a nivel de cada país. De esta forma, es posible que la familia de DSGE Globales que el FMI ha estado desarrollando en los últimos 17 años tenga graves defectos para capturar los efectos colaterales de shocks internacionales simultáneos como los actuales.
El primer DSGE Global del organismo era muy rústico en sus inicios. Era microfundado, con un agente representativo (trabajador y propietario de las firmas por lo cual no había cuestiones distributivas), tres sectores productivos, no tenía un sector financiero, se basaba en los llamados parámetros “profundos”, equivalencia ricardiana, etcétera. Tenía solo cinco áreas-países para estudiar los “spillovers”.
El DSGE Global del FMI evolucionó hacia una estructura más sofisticada con el GIMF, el cual ya tenía dos agentes, uno de ellos corto de liquidez (ergo había problemas distributivos), más sectores, una estructura tributaria diferenciada, activos financieros, etcétera.
Frente a la Crisis Financiera Global (CFG) iniciada en 2007, los DSGE del organismo enfrentaron graves problemas y críticas. La solución institucional fue duplicar la apuesta antes que cambiar de modelos. Entonces, agregaron varios parches “realistas” al DSGE Global. Bayoumi et al (2013) discuten muy crudamente los problemas de los DSGE para lidiar con la CFG. Un problema clave es replicar las correlaciones financieras y la transmisión de los shocks financieros. La “solución” fue un enfoque pragmático. Ampliaron el modesto “sector financiero” previo con muchas suposiciones ad hoc para generar respuestas financieras más grandes dentro y entre países.
Según los citados autores, hay una elección entre la rectitud teórica y la precisión empírica. Lo que proponen en el artículo es seguir la misma filosofía utilizada para incorporar precios “sticky” en los modelos de equilibrio neokeynesianos. Aun así, dicen que esta operación de conveniencia, que es la modificación de los mercados financieros, genera más complicaciones que poner realismo keynesiano en la determinación de precios y salarios. Teniendo en cuenta todas estas debilidades, es dable imaginar lo difícil que es para el staff del FMI utilizar los DSGE globales con suficiente confianza para presentarlo en la discusión de políticas públicas. Entonces, tal vez sea esa la razón por la que tienen más confianza en los “ejercicios ingenuos de agregación de países” basados en los que produce cada equipo de trabajo.
¿Por qué sobreviven modelos ineficientes?
Si bien las instituciones oficiales combinan varias fuentes y estrategias metodológicas para hacer proyecciones, los DSGE sigue siendo el centro de su sistema de pronósticos. Entonces, la pregunta es por qué estos modelos siguen ocupando un lugar central tanto a nivel de gobierno y sector privado como en organismos multilaterales.
Una razón por la cual los DSGE son centrales en el análisis y pronóstico de políticas es la “moda académica”. En los últimos 20 años, la mayoría de los académicos de renombre han aconsejado a los bancos centrales y ministerios de Economía que desarrollen sus estimaciones basándose principalmente en un DSGE teórico fuerte. Se ha impuesto un lenguaje común originado en los DSGE para analizar los shocks autónomos o de política. Hoy en día, no es bien visto ir a un seminario de un banco central para presentar un modelo tipo IS-LM sin microfundamentos, incluso aunque funcionara bien en la práctica (como suele pasar).
Segunda razón: inercia académica o costo hundido. Después de la CFG, la mayoría de la gente creía que habría una retirada de los DSGE del centro de las estimaciones dado su evidente fracaso. Pero para los académicos que han invertido la mayor parte de su vida en esto, no era una opción válida. Por lo tanto, cientos de candidatos al doctorado fueron orientados a agregar un sector financiero más amplio y otros parches realistas en nuevos DSGE cada vez más complejos.
Pronósticos, formación de expectativas y el optimismo
Podemos ver el tema de las estimaciones del FMI y otros agentes globales desde un ángulo diferente aunque complementario con la discusión previa.
El problema con los pronosticadores influyentes es que coordinan las expectativas de los agentes económicos (consumidores, productores, sistema financiero y gobiernos).
Esto ocurre con el FMI a nivel mundial. Es el nuevo oráculo oficial del futuro económico cercano. Por ejemplo, en esta crisis de Covid-19, se le pide al FMI que estime el tamaño esperado de la recesión global a nivel agregado y país por país.
Veamos el dilema en que se encuentran. Supongamos que tienen a disposición dos modelos con dos senderos de recuperación diferentes del PIB, aunque con idéntica incertidumbre frente a un shock exógeno tipo cisne negro, como es el Covid-19.
Pueden cometer 2 tipos de errores con consecuencias potencialmente perniciosas.
Error 1: Predice erróneamente una recesión mayor que la subyacente a la dinámica de la economía. Al hacerlo, acentúa el comportamiento pesimista de los agentes económicos y empeora la recesión.
Error 2: Predice una recesión más leve que la subyacente a la dinámica de la economía. Pero esta acción acentúa el comportamiento optimista de los agentes económicos y mitiga la recesión.
Suponiendo que la respuesta anticíclica de los gobiernos no pueda compensar completamente la reacción autónoma de los agentes económicos en respuesta a los pronósticos del FMI, el curso de acción más benigno para el principal pronosticador internacional es tratar de ser optimista.
Nuevos modelos, nuevas estimaciones
Me parece evidente que las inconsistencias en el pronóstico global que distintos analistas están señalando provienen de la incapacidad de tener un Modelo Global DSGE consistente, eficiente y confiable. Superar las inconsistencias de las estimaciones requiere apertura y flexibilidad.
Es hora de desarrollar un análisis más profundo de la consistencia de stocks y flujos entre los países. Un déficit actual de cuenta corriente del 3% es similar a uno del 30% hace treinta años, pero está asociado con un mayor stock de activos y pasivos externos en cada país. Siempre hemos dado mucha atención a los desbalances globales en cuenta corriente, pero la evolución de stock y flujos financieros requiere una creciente atención sobre sus efectos en la dinámica de corto y largo plazo, como en su potencial inestabilidad. También es necesario identificar y analizar agentes globales que sobrepasan las lógicas de un país o gobierno (grandes bancos, grandes fondos de inversión, grandes empresas y cadenas globales de valor) y como actuarían en los modelos globales.
Esta es una gran oportunidad para construir modelos útiles para el monitoreo de la economía global que tengan en cuenta tanto los balances de ahorro-inversión como también la consistencia y dinámica de los flujos y stocks de activos financieros y nuevos agentes trasnacionales. Por supuesto, esto requiere amplitud teórica y un seguimiento de la economía en tiempo real que premie los modelos más eficientes.
[1] DeLong, B. (2016), Macroeconomics, Fantasy, Reality, and Intellectual Utility https://www.bradford-delong.com/2016/06/macroeconomics-fantasy-reality-and-intellectual-utility.html
[2] Stiglitz J. E. (2017), Where Modern Macroeconomics Went Wrong, NBER Working Paper No. 23795
