Una importante agenda de investigación en macroeconomía durante los últimos años se ha centrado en el estudio de las consecuencias en la variación de la incertidumbre a lo largo del tiempo. ¿Qué ocurre cuando vivimos en tiempos más inciertos de lo normal? ¿Cómo responden las economías a un súbito incremento de la incertidumbre?
Los lectores de NeG ya me han visto escribir sobre este tema, aquí, aquí y aquí. Mañana lunes y martes enseño una clase en el departamento de economía de UCL, en Londres, sobre este tema. Dado el interés que mis entradas anteriores despertaron y que a mí me parece importante distribuir al máximo los materiales de enseñanza existentes, he decidido colgar las transparencias en mi página web y enlazarlas también en nuestro blog.
Lecture 1: Empirical Evidence cubre la primera sesión, de motivación y evidencia empírica. Intento cubrir tanto las consecuencias de la incertidumbre a nivel agregado como el incremento de la incertidumbre a nivel individual (empresas, salarios, etc.). Nick Bloom ha generosamente compartido conmigo varias de sus gráficas (pp. 32-37, 39-41 y 49-51).
Lecture 2: DSGE Models with Uncertainty Shocks presenta dos ejemplos canónicos de modelos con variación temporal de la incertidumbre. El primer modelo tiene un agente representativo. Es un modelo sencillo (casi trivial) pero que permite presentar de manera sencilla las ideas principales. La lección número 1 para cualquier economista es comenzar siempre con el modelo más sencillo posible. Complicar el modelo por el puro deseo complicarlo (¡en el mundo real no existe un agente representativo! ¡En el mundo real existen gatitos monísimos!) suele ser una receta para el desastre. Los modelos son mapas y los mapas solo sirven cuando están a la escala adecuada. El segundo modelo es mucho más complejo: en vez de una sola empresa, tenemos un continuo de las mismas. Esto permite contestar, con cierta seguridad, la pregunta: ¿importa la heterogeneidad individual en la transmisión de la incertidumbre? La respuesta es sutil: a veces sí, pero es más complicado de lo que parece.
Lecture 3: Solution Methods es una brevísima introducción a los métodos de solución de esta clase de modelos, centrándome en la teoría de la perturbación y en el algorítmo de Krusell-Smith.
Lecture 4: The Econometrics of Uncertainty Shocks estudia la implementación empírica de esta clase de modelos, que es compleja al ser la incertidumbre estocástica un proceso inherentemente no lineal y no-Gaussiano (por cierto, querido lector: estas notas son prueba fehaciente que la próxima vez que oiga a alguien decir que los economistas solo empleamos modelos “lineales” o “Gaussianos” o que no hablamos de colas gordas, es obviamente alguien que no sabe de lo que esta hablando y que repite un topicazo sin entenderlo).
Finalmente, Lecture 5: Applications es un ejemplo de cómo esta clase de modelos se puede aplicar a problemas concretos, como los de la incertidumbre sobre la política fiscal.
Apéndice 1: Es una pena que cada vez más y más profesores cuelguen sus notas solo detrás de páginas privadas de su universidad (empleando programas como Blackboard o Canvas). Mientras yo mismo a veces no quiero distribuir todas mis notas (por ejemplo, si están muy verdes), mi opinión es que en cuanto estas lleguen a un nivel más o menos adecuado, ganamos mucho más de distribuirlas que lo que sufrimos de los posibles errores que las mismas tengan.
Apéndice 2: esta semana he estado en el Banco de Inglaterra trabajando en temas de regulación financiera macroprudencial y fintech y esta semana entrante estaré en UCL. Mi acceso a internet es, sin embargo, limitado (fundamentalmente en términos de tiempo), con lo cual no puedo moderar comentarios. Además, mi experiencia con estas entradas más técnicas es que generan menos comentarios, con lo cual el coste de mi decisión es de segundo orden. Cuando regrese a Estados Unidos, mi siguiente entrada volverá a la política habitual de permitir comentarios.