Por qué tardan en cambiar las previsiones económicas

Por qué tardan en cambiar las previsiones económicas
Este contenido ha sido traducido automáticamente con IA.

Las previsiones de muchas variables macroeconómicas tienden a estar correlacionadas serialmente, lo que es incompatible con las expectativas racionales. Esta columna presenta nuevas pruebas obtenidas de un panel de dos décadas de previsiones individuales de 36 países distintos. Aunque hay indicios de lentitud en las previsiones medias, las previsiones individuales se revisan con bastante frecuencia. Puede que la teoría de la información pegajosa no describa adecuadamente cómo forman sus expectativas los pronosticadores.

En la década de 1970 se desarrolló el concepto de expectativas racionales. Para ser compatibles con las expectativas racionales, las revisiones de las previsiones no deberían estar correlacionadas serialmente (Nordhaus 1987). De no ser así, las revisiones de las previsiones tendrían un componente predecible, lo que implicaría, a su vez, que no se estaba utilizando plenamente toda la información disponible.

Sin embargo, los estudios empíricos sugieren que los pronosticadores se apartan de este referente de expectativas racionales con información plena. Las previsiones del PIB real —y, de hecho, las previsiones de muchas otras variables macroeconómicas— se caracterizan por su lentitud; es decir, las revisiones de las previsiones tienden a estar correlacionadas serialmente.

Se han propuesto dos teorías principales para explicar este hallazgo.

  • La primera, formulada por Mankiw y Reis (2002), sostiene que los pronosticadores actualizan sus conjuntos de información —y, por tanto, sus previsiones— con poca frecuencia, porque adquirir información tiene costos fijos.

  • En la segunda, desarrollada por Woodford (2002) y Sims (2003), los pronosticadores actualizan continuamente sus conjuntos de información, pero reciben señales imperfectas sobre el estado real de la economía.

Ambas teorías de la falta de atención racional —denominadas en la literatura «información pegajosa» e «información imperfecta», respectivamente— son compatibles con la lentitud observada en el comportamiento de los pronosticadores (Coibion y Gorodnichenko 2012).

Sin embargo, casi toda la documentación empírica de esta lentitud se basa en el uso de previsiones promediadas entre muchos pronosticadores individuales. Por ejemplo, las previsiones de «consenso», ampliamente utilizadas, son la media simple de muchas previsiones individuales. Nuestro trabajo reciente (Dovern et al., de próxima publicación) muestra que las propiedades de las previsiones medias (o de consenso) difieren significativamente de las de los pronosticadores individuales. Si bien confirma la lentitud de las previsiones medias, mostramos, utilizando un amplio conjunto de datos de panel de revisiones individuales de previsiones, que estas se actualizan con frecuencia y que sus revisiones están correlacionadas serialmente. Ambas características son incompatibles con el modelo de información pegajosa, que implica que las previsiones se actualizan con poca frecuencia, pero plenamente (es decir, se revisan para ajustarse a la expectativa racional con información plena). En cambio, nuestros resultados respaldan la idea de que los modelos de información imperfecta son una herramienta útil para describir cómo se forman las previsiones.

Lentitud de las previsiones medias

Nuestro análisis se basa en previsiones del crecimiento anual del PIB recopiladas por Consensus Economics, Inc. Cada mes, se pide a los pronosticadores que comuniquen sus previsiones de las tasas anuales de crecimiento del PIB para el año natural en curso y el siguiente. Por tanto, para cada año objetivo, el conjunto de datos contiene una secuencia de 24 previsiones de cada panelista, que comienza en enero del año anterior al año objetivo y termina en diciembre del año objetivo. Disponemos de más de 35.000 previsiones individuales para años objetivo comprendidos entre 1989 y 2011, procedentes de 36 países distintos, de las cuales aproximadamente la mitad corresponden a 14 economías avanzadas. Podemos utilizar esta información para calcular las revisiones de las previsiones de cada pronosticador individual, así como las revisiones una vez promediadas las previsiones individuales (es decir, podemos calcular las revisiones de las previsiones de consenso).

Bajo la hipótesis nula de expectativas racionales con información plena, la secuencia de revisiones de las previsiones para un evento concreto no está correlacionada con las revisiones en ningún adelanto ni rezago. Por lo tanto, una regresión de las revisiones de las previsiones sobre sus propios rezagos arroja estimaciones de coeficientes iguales a cero bajo la hipótesis nula. En particular, puede demostrarse que, en una regresión de la revisión media de las previsiones sobre su primer rezago, el coeficiente de regresión se traduce directamente en el grado de rigidez de la información, tanto en el marco de la información pegajosa como en el de la información imperfecta (Coibion, de próxima publicación).

Encontramos pruebas sólidas y coherentes de rigideces de información en las previsiones de consenso (Figura 1). La revisión actual de las previsiones está muy correlacionada positivamente con su primer rezago en todos los grupos de países. Los coeficientes de las revisiones rezagadas son estadísticamente significativos en todos los casos. El grado de rigidez de la información parece ser, en términos generales, similar en las previsiones de las economías avanzadas y emergentes. Bajo los supuestos del modelo de información pegajosa, estas estimaciones implican que las previsiones se actualizan aproximadamente cada seis meses.

Figura 1. Comparación de la lentitud en las previsiones de consenso e individuales

Notas: Las barras representan los coeficientes estimados de las regresiones de las revisiones de las previsiones sobre su primer rezago. Un coeficiente más alto indica mayor lentitud en las revisiones de las previsiones (es decir, una menor frecuencia de actualización de las previsiones). Véanse los detalles en Dovern et al. (de próxima publicación).

Revisión rápida de las previsiones individuales

Cuando utilizamos el mismo marco para analizar las rigideces de información en las revisiones individuales de las previsiones, los resultados son bastante distintos. Aunque seguimos obteniendo un coeficiente positivo y estadísticamente significativo para el primer rezago, su magnitud es mucho menor que la del consenso. Por lo tanto, el grado de lentitud de las previsiones es mucho menor. En lugar de la actualización cada seis meses que implica el uso de previsiones de consenso, el uso de previsiones individuales sugiere una actualización aproximadamente cada dosmeses . Esto sugiere que el proceso de promediar las previsiones introduce una rigidez adicional que no está presente en el nivel individual.

La distribución de los coeficientes de rigidez de la información entre países respalda la idea de que el proceso de agregación introduce lentitud. Como se muestra en la Figura 2, tanto para las economías avanzadas como para las emergentes, el uso de previsiones medias indica una lentitud considerable; los coeficientes se agrupan en torno a 0,5 y 0,6. Sin embargo, cuando se utilizan datos individuales, los coeficientes son mucho menores y se agrupan en torno a 0,2 tanto para las economías avanzadas como para las emergentes.

Figura 2. Distribución de los coeficientes de rigidez de la información entre países

Notas: Se trata de estimaciones de densidad kernel de la distribución de los coeficientes obtenidos en regresiones por país de las revisiones de las previsiones sobre la revisión anterior. Los coeficientes estimados muestran el grado de rigidez de la información en cada país: un valor mayor indica más lentitud al revisar las previsiones.

Frecuencia de actualización de las previsiones

Una ventaja de utilizar previsiones a nivel individual es que podemos medir directamente la frecuencia de las actualizaciones. Una vez más, encontramos que las previsiones individuales se revisan con bastante frecuencia. La proporción de pronosticadores que actualizan sus previsiones al menos una vez en los tres meses anteriores a un horizonte de previsión determinado oscila entre 0,8 y 0,9 a lo largo de todo el horizonte de previsión (Figura 3). Estas estimaciones son cercanas a las obtenidas por Andrade y Le Bihan (2013) para la Encuesta Europea de Pronosticadores Profesionales y sugieren que la información pegajosa desempeña un papel menor a la hora de explicar el grado general de rigidez de la información en las previsiones de crecimiento.

Figura 3. Proporción media de previsiones individuales revisadas según el horizonte de previsión

Notas: Los límites superior e inferior corresponden a las estimaciones extremas específicas de cada país dentro de cada grupo de países. La línea negra representa el promedio de todas las previsiones individuales de los países pertenecientes a un grupo determinado.

Conclusión

Al utilizar previsiones individuales profesionales del crecimiento económico en economías avanzadas y emergentes, encontramos pruebas sólidas en contra de la utilidad del modelo de información pegajosa para describir la formación de expectativas sobre el estado futuro de la economía. La falta de atención de los pronosticadores es mucho menos pronunciada en los datos individuales que en los datos medios que solían utilizar estudios anteriores. La estimación directa de la frecuencia de actualización de las previsiones individuales también apunta a un papel menor de la información pegajosa a la hora de explicar el grado general de rigidez de la información en las previsiones económicas. Esto no implica que la teoría de la información pegajosa no pueda describir adecuadamente el proceso de formación de expectativas de otros agentes de la economía (por ejemplo, los hogares, que dedican menos recursos a recopilar información y no actualizan sus previsiones con tanta frecuencia como los pronosticadores profesionales). En resumen, los pronosticadores profesionales no están tan desatentos como podrían sugerir las previsiones medias, y aún no hay una respuesta definitiva sobre cómo forman sus expectativas los demás agentes económicos.

Referencias

Andrade, P y H Le Bihan (2013), «Pronosticadores profesionales desatentos», Journal of Monetary Economics, 60(8), 967–998.

Coibion, O (de próxima publicación), «Comentarios sobre Dovern, Fritsche, Loungani y Tamarisa», International Journal of Forecasting.

Coibion, O, y Y Gorodnichenko (2010), «Rigidez de la información y proceso de formación de expectativas: un marco sencillo y nuevos datos», documentos de trabajo del NBER 16537, National Bureau of Economic Research, Inc.

Coibion, O, y Y Gorodnichenko (2012), «¿Qué pueden decirnos las previsiones de encuestas sobre las rigideces de la información?», Journal of Political Economy, 120(1), 116–159.

Dovern, J, U Fritsche, P Loungani y N Tamirisa (de próxima publicación), «Rigideces de la información: comparación de previsiones medias e individuales para un amplio panel internacional», International Journal of Forecasting (véase también la versión como documento de trabajo).

Mankiw, G y R Reis (2002), «Información pegajosa frente a precios pegajosos: una propuesta para sustituir la curva de Phillips neokeynesiana», Quarterly Journal of Economics, 117(4), 1295–1328.

Nordhaus, W (1987), «Eficiencia de las previsiones: conceptos y aplicaciones», The Review of Economics and Statistics, 69, 667–674.

Sims, C (2003), «Implicaciones de la falta de atención racional», Journal of Monetary Economics, 50(3), 665–690.

Woodford, M (2002), «Conocimiento común imperfecto y los efectos de la política monetaria», en P. Aghion, R. Frydman, J. Stiglitz y M. Woodford (eds.), Knowledge, information, and expectations in modern macroeconomics: in honor of Edmund S. Phelps, Princeton University Press.

Nota al pie

1 Cuando se estima a partir de previsiones individuales, el coeficiente de las revisiones rezagadas debe interpretarse como una medida general del grado de suavización de las previsiones, que refleja características del comportamiento o desviaciones respecto de la eficiencia.

Publicado en colaboración con VoxEU

Autores: Jonas Dovern es profesor adjunto de macroeconomía en la Universidad de Heidelberg. Ulrich Fritsche es profesor de Economía en la Universidad de Hamburgo. Prakash Loungani es gerente sénior de recursos y asesor en el Departamento de Investigación del FMI. Natalia Tamirisa es asistente del director del Departamento de Investigación del Fondo Monetario Internacional.

Imagen: Las curvas del 17 y 18 de septiembre se ven en el panel de la Bolsa de Valores de Australia (ASX) en Sídney el 18 de septiembre de 2008. REUTERS/Daniel Munoz

Comparte esto:

Licencia y republicación
Los artículos del Foro Económico Mundial pueden volver a publicarse de acuerdo con la Licencia Pública Internacional Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0, y de acuerdo con nuestras condiciones de uso. Las opiniones expresadas en este artículo son las del autor y no del Foro Económico Mundial.