CUANDO MANTENER LAS VARIABLES CONSTANTES FALLA EN LOS MERCADOS DEL MUNDO REAL

Los modelos económicos son herramientas indispensables para analizar, pronosticar e interpretar el funcionamiento de los mercados. En el núcleo de estos modelos se encuentra una práctica subyacente crucial: el supuesto de ceteris paribus, que en latín significa "en igualdad de condiciones". Este supuesto permite a los economistas aislar el efecto de una sola variable manteniendo todas las demás constantes. Por ejemplo, al evaluar cómo el precio influye en la demanda, los economistas asumen que los ingresos, los gustos y los precios de los bienes sustitutos del consumidor permanecen invariables.

Esta simplificación hace que los modelos sean manejables, permite representaciones matemáticas elegantes y garantiza la claridad en la interpretación de los resultados. Ejemplos típicos incluyen:

• Ley de la demanda: Si el precio de un bien sube, la cantidad demandada disminuye, suponiendo que todo lo demás permanece constante.
• Curvas de oferta: Las empresas ofrecen más cuando los precios suben, suponiendo que los costos de los insumos y la tecnología se mantienen estables.
• Modelos de inflación: La política monetaria puede frenar la inflación si la velocidad y los niveles de producción son constantes.

Estos marcos estilizados sirven como punto de partida para la educación, la investigación y la planificación de políticas. Sin embargo, si bien estos supuestos son fundamentales para la claridad teórica, a menudo resultan insuficientes en mercados reales dinámicos e interdependientes, donde los factores cambian simultáneamente.

Tomemos, por ejemplo, la Curva de Phillips, que plantea la hipótesis de una relación inversa entre la inflación y el desempleo manteniendo fijas las expectativas inflacionarias. En realidad, las expectativas se adaptan rápidamente, alterando la forma de la curva con el tiempo. De manera similar, las curvas de oferta y demanda se vuelven menos predecibles cuando los costos, el comportamiento del consumidor o las regulaciones evolucionan simultáneamente. Estos cambios no son raros ni insignificantes; son inherentes a la vida económica.

Los riesgos de ignorar las variables en movimiento se vuelven más significativos en las economías modernas, estrechamente interconectadas. La innovación digital, la globalización y la imprevisibilidad geopolítica contribuyen a la rápida evolución de los panoramas de mercado, donde las antiguas constantes son ahora variables que se mueven al unísono o en sentido contrario.

Además, los supuestos de ceteris paribus pasan por alto los hallazgos de la economía del comportamiento sobre cómo las personas reales se desvían de los modelos de actores racionales. Los factores psicológicos, culturales e institucionales añaden capas de variabilidad que se pasan por alto en los aislamientos simplistas.

Por lo tanto, el problema fundamental no es que la idea de mantener las variables constantes carezca de valor, sino que, en contextos prácticos, a menudo no representa con precisión el comportamiento del mercado. Los economistas y analistas deben reconocer tanto la utilidad como los límites de estos supuestos a medida que construyen y aplican modelos.

Por qué fallan los supuestos en la práctica

La pulcritud estructurada de la teoría económica a menudo choca con la complejidad de los mercados reales. Los supuestos que simplifican el proceso analítico fallan bajo la presión de las condiciones dinámicas del mercado. A continuación, se presentan las principales maneras en que falla el supuesto de "mantener otros factores constantes":

1. Interdependencia multivariable

Las economías reales operan con variables en constante cambio. Un cambio en un factor influye invariablemente en los demás. Por ejemplo, un aumento de impuestos puede no solo reducir la renta disponible (lo que afecta a la demanda), sino también alterar las decisiones de inversión empresarial (lo que impacta en la oferta). Dado que los mercados son sistemas interconectados, los ciclos de retroalimentación pueden hacer que un análisis aislado resulte engañoso rápidamente.

2. Difusión rápida de la información

En la economía digitalizada actual, las noticias viajan rápidamente. Una interrupción del suministro en una parte del mundo desencadena un efecto dominó instantáneo en las cadenas de valor globales. Intentar aislar una variable, como el precio de las materias primas, sin tener en cuenta el riesgo geopolítico o la inversión especulativa, rara vez refleja una imagen precisa de lo que impulsa el comportamiento del mercado.

3. Cambios de comportamiento

Los consumidores y productores muestran un comportamiento que no siempre se ajusta a las expectativas racionales. Por ejemplo, el comportamiento gregario durante burbujas financieras o crisis conduce a movimientos de precios totalmente incompatibles con la mecánica estándar de la oferta y la demanda. Cuando variables como la confianza de los inversores o el sentimiento del consumidor se volatilizan, socavan la premisa de que otros factores pueden permanecer fijos.

4. Reacciones no lineales

Las variables económicas a menudo interactúan de forma no lineal. Un pequeño cambio en los tipos de interés puede tener un efecto insignificante en el consumo actual, pero un cambio de la misma magnitud en tiempos de incertidumbre puede alterar drásticamente el comportamiento. La idea de linealidad —y de mantener las variables constantes en torno a ella— empieza a flaquear en estos escenarios.

5. Cambios en Políticas y Regulaciones

Los modelos macroeconómicos suelen presuponer instituciones y políticas estables. Sin embargo, cambios regulatorios repentinos, como el Brexit o nuevos aranceles comerciales, pueden modificar instantáneamente muchas variables económicas, dejando obsoletas las suposiciones previas. Los analistas que se basan en suposiciones estáticas en estos momentos se arriesgan a errores de cálculo sustanciales.

Existen numerosos ejemplos en distintos sectores. Por ejemplo, el desplome inmobiliario de 2008 se produjo en parte porque los modelos de riesgo no reconocieron las correlaciones entre los precios de la vivienda, los swaps de incumplimiento crediticio y la exposición bancaria sistémica. Cada factor influyó en el otro, pero los modelos los mantuvieron constantes para aislar los efectos.

Otro problema radica en los desfases temporales y la disponibilidad de datos. Los indicadores económicos suelen ser retrospectivos, lo que dificulta la respuesta en tiempo real. Para cuando se aplican los supuestos, es posible que las variables subyacentes ya hayan cambiado.En última instancia, tratar algunas variables como constantes es como contener la respiración mientras se corre: puede funcionar en una distancia corta, pero falla en una maratón. La falta de solidez de estos supuestos exige innovación en la forma en que los economistas modelan y abordan los sistemas de mercado.Para abordar esto, los analistas incorporan cada vez más análisis de sensibilidad, modelado de escenarios y pronósticos probabilísticos. Estos métodos permiten una mejor comprensión de la dinámica intervariable y la exposición al riesgo en múltiples escenarios, lo que mejora significativamente la viabilidad del análisis económico.

Reconocer la brecha entre los supuestos teóricos y las realidades del mercado ha llevado a los economistas a explorar diversas herramientas y metodologías robustas. Los avances en los enfoques de modelización buscan equilibrar la necesidad de simplificación con una representación más precisa de sistemas económicos complejos.

1. Modelos de Equilibrio General Estocástico Dinámico (DSGE)

Los modelos DSGE incorporan el tiempo, las expectativas y la aleatoriedad (shocks estocásticos) en los marcos económicos tradicionales. Simulan cómo una amplia gama de agentes (hogares, empresas, gobiernos) reaccionan a los shocks a lo largo del tiempo, ofreciendo una perspectiva de la interacción entre la política fiscal, la inflación, los tipos de interés y otras variables.

Aunque aún se basan en supuestos, los modelos DSGE intentan tener en cuenta explícitamente el cambio a lo largo del tiempo y la incertidumbre, ofreciendo respuestas más realistas a los cambios de política que los modelos estáticos comparativos.

2. Modelado Basado en Agentes (MBA)

Los MBA rompen con el diseño clásico de modelos al simular las acciones de agentes individuales (p. ej., consumidores, empresas) y observar cómo sus interacciones generan resultados macroeconómicos. Estos agentes operan con base en reglas en lugar de optimización, imitando con mayor precisión el comportamiento del mundo real y adaptándose a la heterogeneidad de los tipos de agentes.

Los MBA captan fenómenos emergentes (resultados que no se deducen fácilmente de componentes individuales), como burbujas y crisis, principalmente porque permiten que las variables coevolucionen dinámicamente en lugar de permanecer fijas.

3. Pruebas de Estrés y Análisis de Escenarios

Las pruebas de estrés, comunes en el sector financiero, implican evaluar cómo reaccionan los sistemas en condiciones extremas pero plausibles. Las entidades del mercado están sujetas a escenarios donde múltiples variables experimentan shocks, lo que revela vulnerabilidades que los modelos tradicionales podrían pasar por alto.

El análisis de escenarios va un paso más allá al no asignar probabilidades estrictas, sino explorar una gama de estados futuros, desde convencionales hasta altamente improbables, para comprender los resultados potenciales y aumentar la resiliencia de los sistemas.

4. Aprendizaje automático y big data

Las nuevas herramientas de datos permiten a los economistas procesar grandes cantidades de información no estructurada en tiempo real. Los modelos de aprendizaje automático se adaptan y aprenden de los datos en lugar de basarse en suposiciones rígidas, lo que los hace ideales para las condiciones cambiantes del mercado. Estos modelos detectan patrones y correlaciones que, de otro modo, pasarían desapercibidos con los marcos tradicionales.

5. Economía de métodos mixtos y del comportamiento

La incorporación de perspectivas psicológicas en la modelización ayuda a considerar la irracionalidad, el sesgo y la heurística. En lugar de asumir la maximización de la utilidad, estos modelos aceptan que los humanos reales operan bajo una racionalidad limitada y responden a los efectos del marco y a las señales sociales, mejorando así su capacidad explicativa.

Además, la combinación de modelos cuantitativos con perspectivas cualitativas provenientes de la historia, la sociología o la ciencia política enriquece la comprensión al integrar las acciones del mercado en narrativas contextuales más amplias.

En última instancia, si bien mantener las variables constantes sigue siendo un recurso analítico útil, debe utilizarse con cautela en su aplicación. Los mercados son sistemas vivos, repletos de complejidad, adaptación y sorpresa. Los economistas con visión de futuro ahora enfatizan la flexibilidad, la adaptabilidad y el diseño iterativo en sus modelos, reemplazando los supuestos estáticos por una capacidad de respuesta dinámica. Esta evolución no descarta la claridad analítica obtenida al mantener las variables constantes; más bien, la complementa con herramientas más adecuadas para un mundo cambiante.

En resumen, los modelos económicos están pasando de representaciones idealizadas a sistemas matizados que reflejan la naturaleza interdependiente de los mercados globales. Con mejores herramientas, datos más completos y una comprensión más profunda del comportamiento humano, los economistas están preparados para hacer predicciones más creíbles y viables, incluso sin mantener todo lo demás igual.