MODELOS DE SIMULACION

BOLO

1.-.LA TEORIA ECONOMICA Y DATOS

La Teoría Económica es el conjunto de hipótesis que pretenden reproducir aspectos de la

realidad económica. En la teoría económica se distinguen dos enfoques diferenciados:

1.1. MICROECONOMÍA.- Es una parte de la economía que estudia el tipo de

comportamiento económico de agentes individuales, como pueden ser los consumidores,
empresas, trabajadores e inversores; así como de los mercados que comprenden las áreas.

La microeconomía tiene muchas ramas de desarrollo. Algunas de las más importantes son: la
teoría del consumidor, la de la demanda, la del productor, la del equilibrio general, y la de los
mercados de activos financieros. No pueden considerarse enteramente separadas porque los
resultados de unas influyen o son parte de la base de las otras. Por ejemplo, las empresas no
sólo ofertan bienes y servicios, sino que también demandan bienes y servicios para poder
producir los suyos. De ahí la necesidad de la simplificación (Céteris páribus, ) y de que a
veces no se esté muy seguro de donde comienza y donde termina una teoría). La
Microeconomía se estudia con modelos matemáticos que se desarrollan a partir de los
supuestos que se hacen sobre el comportamiento de los agentes económicos.Una de las
incorporaciones más importantes al estudio de la microeconomía es la llamada "Teoría de
juegos". Es una teoría matemática que estudia el comportamiento de varios agentes cuando
las decisiones tomadas por cada uno influyen en qué medida cada uno logra los objetivos que
desea. Se usa, por ejemplo, en la teoría de la producción industrial, para estudiar los casos de
oligopolio y de competencia imperfecta.

1.2. MACROECONOMÍA.- Rama de la teoría económica que se ocupa del

comportamiento de la economía como un todo y de sus componentes en forma agregada. A la
vez es el estudio global de la economía en términos del monto total de bienes y servicios
producidos, el total de los ingresos, el nivel de empleo, de recursos productivos, y el
comportamiento general de los precios.

La macroeconomía puede ser utilizada para analizar cual es la mejor manera de influir en
objetivos políticos como por ejemplo hacer crecer la economía, estabilidad de precios, trabajo
y la obtención de una sustentable balanza de pagos. La macroeconomía por ejemplo, se
enfoca en los fenómenos que afectan las variables indicadoras del nivel de vida de una
sociedad.

1.3. ECONOMETRIA.- Rama de la Teoría Económica que a través de las técnicas

estadísticas y matemáticas intenta cuantificar las principales relaciones existentes entre las
diversas variables de un modelo económico.

Una de las funciones básicas de la ECONOMETRIA , es que está estrechamente relacionada

con la Teoría Económica o Hipótesis . Ejemplo

¿Está el consumo directamente relacionado con el ingreso?¿ Está la cantidad demandada de

un artículo inversamente relacionada con su precio.

Ejemplo1. La teoría del consumo nos dice que , en general, las personas incrementan sus
gatstos de consumo C, cuando sus ingresos disponibles (después de impuestos), Y d se
incrementan , pero no tanto como el incremento en estos. Todo puede establecerse en forma
de ecuación lineal explícita, así:

C = b 0 + b 1 Yd

Donde b0 y b1; son constantes desconocidas llamadas PARÁMETROS. El parámetro b1, es

el coeficiente de la pendiente que representa la Propensión Marginal a Consumir. ,puesto que
es probable que aún personas con ingresos idénticos disponibles tengan gastos de consumo ,
un poco diferentes , la relación teóricamente exacta y determinística , representada por esa
ecuación , debe ser modificada para incluir una perturbación aleatoria o término de error, u ;
y volverse estocática :

C= b0 + b1Yd + u
Las otras 2 son Estimar numéricamente los coeficientes de relaciones Económicas y la tercera es
Predicción de los sucesos económicos.
La Econometría a llegado a estar ampliamente identificada con el ANÁLISIS DE
REGRESIÓN(Estudia la relación causal entre una variable económica que debe
explicarse(variable dependiente)y una o más variables independientes o explicativas).

 Cuando hay solamente una variable independiente o explicativa , tenemos regresión

Simple.
 Cuando hay más de una variable independiente o explicativa, tenemos regresión Múltiple.

La Econometría presupone la existencia de un grupo de teorías económicas o Hipótesis que

requieren prueba . Si las variables sugeridas por la Teoría Económica NO ofrecen una
explicación satisfactoria , el investigador puede experimentar con formulaciones alternativas y
variables sugeridas por pruebas previas o teorías opuestas . De está forma la investigación
econométrica puede guiar a la aceptación . rechazo o reformulación de teorías económicas.

Esquemáticamente se puede presentar la Teoría Económica de la siguiente manera (En las etapas
siguientes de una investigación Econométrica:
 TEORIA ECONÓMICA

MODELO MATEMÁTICO

MODELO ECONOMÉTRICO (Estocástico)

RECOLECCIÓN DE DATOS APROPIADOS

ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO

EVALUACIÓN DEL MODELO SOBRE LAS BASES DE

CRITERIOS ECONÓMICOS, ESTADÍSTICOS Y ECONOMÉTRICOS

Aceptar la teoría si es
Compatible con los datos Rechazar la teoría si es Revisar la teoría si es
compatible con los datos compatible con los datos

Predicción
Confrontación de la
Teoría revisada con
Nuevos datos

DATOS.- Son los hechos que describen sucesos y entidades."Datos" es una palabra en plural
que se refiere a más de un hecho. A un hecho simple se le denomina "data-ítem" o elemento de
dato.

Los datos son comunicados por varios tipos de símbolos tales como las letras del alfabeto,
números, movimientos de labios, puntos y rayas, señales con la mano, dibujos, etc. Estos
símbolos se pueden ordenar y reordenar de forma utilizable y se les denomina información.
Los datos son símbolos que describen condiciones, hechos, situaciones o valores. Los datos se
caracterizan por no contener ninguna información. Un dato puede significar un número, una letra,
un signo ortográfico o cualquier símbolo que represente una cantidad, una medida, una palabra o
una descripción. La importancia de los datos está en su capacidad de asociarse dentro de un
contexto para convertirse en información.
UTILIDADES DE LOS MODELOS ECONOMÉTRICOS

El modelo econométrico tiene tres utilidades principales:

• Análisis estructural: cuantificación de las relaciones que entre el periodo analizado ha existido
entre las variables implicadas, a través del conocimiento del signo y valor de los parámetros
estimados. Es decir, sirve para conocer como inciden en la variable endógena a variaciones de las
variables explicativas.

• Predicción: Dados unos valores a futuro para las variables explicativas, y conociendo la
expresión matemática que relaciona las variables explicativas y la variable endógena, es posible
predecir los valores que tomará a futuro la variable objeto de estudio.

• Simulación o evaluación de políticas: Efectos que tienen sobre la variable endógena diferentes
estrategias que se planteen de las variables explicativas. Por ejemplo si analizamos las ventas de
una empresa en función de los precios del producto y del nivel de gasto realizado en publicidad,
podríamos estar interesados en analizar cuanto incrementarían las unidades vendidas si se
mantienen los precios fijos y se incrementa el gasto en publicidad en un porcentaje determinado.

En general, el modelo econométrico es una herramienta de análisis que ayuda en la toma de

decisiones tanto a nivel económico en general (macro) como en el ámbito de la dirección de
empresas (micro).

2.- CLASIFICACIÓN DE LOS MODELOS ECONOMÉTRICOS

Existe una tipología amplia de modelos econométricos en función de distintas clasificaciones:

Según el tipo de datos de las variables utilizadas en el modelo:

• Series temporales: los datos pueden corresponder a los valores de una variable en el tiempo.
Estos pueden tener frecuencia, diaria, semanal, mensual o anual. Así podemos analizar las
cotizaciones en bolsa diarias, los índices de predio al consumo mensuales, los datos anuales del
PIB de un país, etc.
• Series de corte transversal: los valores corresponden a distintos sujetos para un mismo
momento del tiempo. En este caso se trataría de series del tipo de consumo de diferentes familias,
inversión de distintas empresas, paro en diferentes provincias, etc.

2.1.- CORTE TRANSVERSAL Y EL PROBLEMA DE LA HETEROGENEIDAD

Este método de muestreo es el llamado de corte transversal o cross section. Este enfoque es el
más comúnmente utilizado y consiste en la realización de observaciones en sujetos diferentes, de
una sola vez.

A manera de ejemplo podemos considerar que queremos estudiar el efecto de la publicidad en

supermercados de un determinado tipo de producto e imaginemos que para tal fin tenemos un
modelo que explica el volumen de ventas semanal V de dicho producto como una función del
precio propio P del producto, de un índice de precios PS que representa a los bienes sustitutos, en
otro índice PC representativo de los bienes complementarios y finalmente de la inversión en
publicidad A. Asumamos finalmente que el modelo tiene forma lineal del tipo

Vi  a  b . Pi  c . PSi  d . PCi  e . Ai  ui

donde claramente esperamos que b<0, c>0, d<0, e>0.

En el caso que nos ocupa, la muestra de estudio consta de observaciones de Vi, Pi, PSi, PCi y Ai
llevadas a cabo simultáneamente en diferentes supermercados ( indicado cada uno de ellos con el
subíndice i). La idea detrás de esta técnica es que los individuos ( supermercados ) son
esencialmente homogéneos, de forma tal los valores de los parámetros son los mismos en todos
los casos. El poder tomar un muestreo en varios lugares a la vez nos permite evaluar a un tiempo
diferentes puntos de la misma relación, es como observar los volúmenes de ventas en el “mismo”
supermercado, en diferentes condiciones y de una sola vez. Esta es la gran ventaja de las
muestras de corte transversal, pues permiten tener un gran volumen de datos ( lo que mejora la
calidad de estimación ) en muy poco tiempo.
La eficacia de este tipo de muestreos depende fuertemente de dos supuestos principales. En
primer lugar depende de la independencia entre las observaciones, vale decir que conocido el u
en las ventas de un dado supermercado, no me es posible esperar un dado signo para el u de otro
supermercado. Y segundo, y más importante, depende de la veracidad de la conjetura de que
todos los individuos son equivalentes, en el sentido de que es factible agrupar las observaciones
tomadas en diferentes supermercados como si proviniesen de uno único y representativo. Por eso
en economía esta técnica de corte transversal es tan frecuente. En general los modelos
económicos suponen que existe un único tipo de agente, representativo de todos ( a decir verdad,
la heterogeneidad de agentes trae problemas analíticos), para lo cual la toma de datos de tipo
cross section es la más apropiada.

No obstante, el mundo real es mucho más complejo que los modelos que los economistas
podemos a veces construir. Tomemos el mismo modelo de publicidad en supermercados pero
ahora tengamos en cuenta que las sucursales donde hemos realizado el muestreo provienen de
barrios diferenciados, en donde la distinción viene dada por los respectivos niveles de ingresos.
Clasifiquemos pues a los vecindarios como de alto, mediano y bajo ingreso. Es claro que
manteniendo todas las variables exógenas constantes, el grupo de alto ingreso tendrá un mayor
gasto en consumo que los grupos de mediano y bajo ingreso ( si suponemos que el bien en
cuestión es un bien normal en el sentido económico). Esta heterogeneidad viene capturada por las
diferentes ordenadas al origen. Una potencial colección de puntos que podríamos obtener es la
que aparece en la Figura 1
 Figura 1

en donde todos los supermercados presentan el mismo valor de e, positivo , mientras que cada
grupo por su parte posee una diferente ordenada al origen, que captura las diferencias en nivel de
ingreso de los consumidores. El tomar los datos como homogéneos hace que el valor de
pendiente estimado sea muy próximo a cero, llevando a la decisión errada de que la inversión en
publicidad no tiene impacto en las ventas, cuando sí lo tiene.

En general, este sesgo producto de la heterogeneidad no tiene un signo característico. Como

podemos apreciar en la Figura 2, el error puede ser positivo o negativo.
 Figura 2. Efectos de la heterogeneidad en la estimación

Hasta aquí hemos considerado el problema de heterogeneidad en la ordenada al origen.

Asimismo, podemos pensar en casos en donde también las pendientes son diferentes dependiendo
de los grupos. En este caso, la homogeneización también traerá aparejado sesgos en las
estimaciones, como se ve en la figura 3
 Figura 3

Aquí se observa que pese a que cada grupo de individuos posee una pendiente bien definida (citar
el ejemplo del cambio porcentual en el consumo de papas respecto del porcentaje de aumento del
ingreso), el considerar a todas las observaciones como homogéneas y equivalentes, nos lleva al
resultado erróneo de suponer que no hay relación alguna entre las ventas y la inversión en
publicidad.

2.2.- ESPECIFICACION DE MODELOS DINAMICOS

Los modelos dinamicos se caracterizan por que se aplican las relaciones o interacciones de sus
componentes en funcion del tiempo y permiten realizar estudios del modelo.

Los modelos dinámicos son aquellos donde las variables se involucran en distintos momentos del
tiempo, es decir la variable endógena no sólo depende de un conjunto de valores en un momento del
tiempo, sino que es función de toda una evolución temporal. Por ello es más difícil determinar y
analizar las soluciones de un modelo dinámico.

La expresión general de un modelo dinámico se puede definir como:

 Yi = ß0 + ß1 Xt-1 + ß2 Xt-2 + ...+ ßg Xt-g + ßj Xt-j + ßk Yt-k + et

Un modelo de carácter dinámico puede ser representado por nodos o aristas donde:

 Los nodos respresentan los componentes del sistema.

 Las aristas representan las iteraciones entre los componentes del sistema.

B NODOS

ARISTAS

Es una metodología para modelar y estudiar en comportamiento de un sistema complejo a través

del tiempo tomando en cuenta la existencia de retardos y bucles de alimentación.

Retardos.- son elementos que retrasan la transmisión de la información en el sistema o retrasos en

la llegadas de material, estos retrasos no pueden ser eliminados para estudiar generalmente se
presenta en bucles de alimentación positiva y en bucles de alimentación negativa.

Existen estructuras complejas donde se presenta la retroalimentación positiva o negativa, con las
cuales se realiza o se desarrolla un modelo mediante Diagrama Causal.

Diagramas Forrester.- también llamados diagramas de flujos y niveles o dynamo. Un diagrama de

Forrester muestra las relaciones entre los componentes de un sistema. Se clasifican en:

- Variables de Flujo.- variable que representa el cambio que sufre una determinada
magnitud por una unidad de tiempo.
 - Variable de Nivel.- una variable de nivel corresponde a un proceso de acumulación de la
dinámica del sistema y este proceso se realiza mediante las variables de flujo.

- Variable Auxiliar.- una variable auxiliar si tiene efectos en los componentes del sistema o
en la dinámica del sistema.

Símbolos:

Nivel

Flujo

Auxiliar

MODELOS AUTORREGRESIVOS

Definimos un modelo como autorregresivo si la variable endógena de un período t es explicada por

las observaciones de ella misma correspondientes a períodos anteriores añadiéndose, como en los
modelos estructurales, un término de error. En el caso de procesos estacionarios con distribución
normal, la teoría estadística de los procesos estocásticos dice que, bajo determinadas condiciones
previas, toda Zt puede expresarse como una combinación lineal de sus valores pasados (parte
sistemática) más un término de error (innovación).

MODELOS AR (p).- los modelos AR muestran o explican el comportamiento de una variable en

función de su pasado.

Los modelos autorregresivos se abrevian con la palabra AR tras la que se indica el orden del modelo:
AR (1), AR (2),....etc. El orden del modelo expresa el número de observaciones retasadas de la serie
temporal analizada que intervienen en la ecuación. Así, por ejemplo las siguientes expresiones:
Orden 1: AR (1) Z t  C   1 Z t 1   t
Orden 2: AR (2) Z t  C   1 Z t 1   2 Z t  2   t
Orden 3: AR (3) Z t  C   1 Z t 1   2 Z t  2   3 Z t  3   t
Orden P: AR (p) Z t  C  1 Z t 1   2 Z t  2   3 Z t 3  ...   p Z t  p   t
Donde el orden p es el número de retardos a los que se extiende el modelo.

Los modelos AR son modelos que relacionan entre sí varias variables (n variables), y en los que
el valor que toma cada una de ellas en un período de tiempo se relaciona con los valores que toma
esa misma variable y todas las demás variables en períodos anteriores.

Estos modelos son expresiones algebraicas que muestran como una serie de tiempo o variable
económica esta relacionada con su pasado.

Zt = f (Zt-l , Zt-2 , Zt-3 , … )

Normalmente, se suele trabajar con modelos autorregresivos de órdenes bajos: AR (1) o AR (2),
o bien con órdenes coincidentes con la periodicidad de los datos de la serie analizada (si es
trimestral AR (4), si es mensual AR (12).

MODELOS MA (MEDIAS MOVILES).- Son de orden (q) explican el comportamiento de una

variable en el futuro en función de la variable sock o innovación.

Un modelo de los denominados de medias móviles es aquel que explica el valor de una
determinada variable en un período t en función de un término independiente y una sucesión de
errores correspondientes a períodos precedentes, ponderados convenientemente. Estos modelos se
denotan normalmente con las siglas MA, seguidos, como en el caso de los modelos
autorregresivos, del orden entre paréntesis. Así, un modelo con q términos de error MA (q)
respondería a la siguiente expresión:
Orden 1: MA (1) Z t  C   1 t 1   t
Orden 2: MA (2) Z t  C   1 t 1   2  t  2   t
Orden 3: MA (3) Z t  C   1 t 1   2  t  2   3  t  3   t
Orden P: MA (q) Z t  C   1 t 1   2  t  2   3 t 3  ...   p  t  p   t

Al igual que en el caso de los modelos autorregresivos, el orden de los modelos de medias
móviles suele ser bajo MA (1), MA (2) o corresponderse con la periodicidad de los datos
analizados, MA (4) para series trimestrales, o MA (12) para series mensuales.

El término de error de los modelos de este tipo se denomina generalmente ruido blanco cuando
cumple las tres hipótesis básicas tradicionales:

- E ( t )  0
-
Var ( t )  0
-
Cov ( t )  0

MODELOS MATEMÁTICOS ESTÁTICOS VS MODELOS MATEMÁTICOS

DINÁMICOS

• En un modelo estático la variable tiempo no desempeña un papel relevante. En un modelo

dinámico, por el contrario, algunos de los elementos que intervienen en la modelización no
permanecen invariables, sino que se consideran como funciones del tiempo, describiendo
trayectorias temporales

• El análisis de un modelo dinámico tiene por objeto el estudio de la trayectoria temporal

específica de algunos de sus elementos.
MODELOS DINÁMICOS DETERMINISTAS VS MODELOS DINÁMICOS
ESTOCÁSTICOS

• Un modelo dinámico determinista es aquel en el que, tanto a los parámetros como a las
variables temporales, se les asignan valores determinados con certeza absoluta

• En general existen pocos modelos deterministas en el campo de la Economía y las Finanzas, ya

que en la mayor parte de los casos, las variables y parámetros involucrados en los modelos
económicos y financieros (tasas de interés, precios de activos,....) son impredecibles.

• Habitualmente la modelización dinámica en modelos económico-financieros hace uso de

modelos estocásticos.

• En un modelo estocástico, alguna variable (o parámetro) sigue un proceso estocástico, es decir,

que los valores que toma a lo largo del tiempo no son determinados con certeza absoluta sino que
siguen una distribución de probabilidad.

• El estudio de los modelos dinámicos estocásticos (y sus aplicaciones económico-financieras)

constituye el contenido fundamental de la asignatura.

3.- FORMA FUNCIONAL

Se basa en la teoría o la dispersión de los puntos frecuentemente sugiere relaciones no lineales.

Es posible transformar algunas funciones no lineales en lineales de tal manera que el método de
MCO puede usarse todavía. Algunas de las funciones más comunes y sus transformaciones se
muestran en la tabla (1). Al aplicar el método de MCO a las funciones lineales transformadas
resultan estimaciones no sesgadas de las pendientes. Se puede observar que en la ecuación (1), b1
es la elasticidad de Y con respecto a X.
 Tabla Nº1

FORMAS FUNCIONALES Y SUS TRANSFORMACIONES

FUNCION TRANSFORMACION FORMA ECUACION

Y = boXb1eu Y*=b*o +b1X*+u Doble-log (1)

lnY = bo + b1X+u Y*=bo + b1X+u Semilog (2)

Y = bo +b1/X+u Y =bo + b1Z+u Reciproca (3)

Y=bo + b1X+b2X2+u Y =bo + b1X+b2W+u Polinomial (4)

Donde: Y* =ln Y, b*o, X* = ln X, u = ln eu, Z = 1/X, W = X2

ln= el logaritmo natural en base e = 2,718

Ejemplo:

Supongamos que postulamos una función de demanda de la forma

Y = boX1b1 X2 b1eu

Donde:

Y = cantidad demandada de un articulo

X1= Su precio

X2= Ingreso de los consumidores

Utilizando los datos de la tabla siguiente:

 AÑO Y X1 X2

1971 0 9 400

1972 45 8 500

1973 50 9 600

1974 55 8 700

1975 60 7 800

1976 70 6 900

1977 65 6 1000

1978 65 8 1100

1979 75 5 1200

1980 75 5 1300

1981 80 5 1400

1982 100 3 1500

1983 90 4 1600

1984 95 3 1700

1985 85 4 1800

y aplicando el método de MCO a esta función de demanda transformada a forma lineal doble-
logarítmica, tenemos:

lnY = 1,96 – 0.26lnX1 + 0.39 lnX2 R2 = 0,97

(- 3,54) (6,64)
Donde, -0,26 y 0,39 son respectivamente, estimaciones insesgadas de las elasticidades precio e
ingreso de la demanda.

SELECCIÓN DE LA FORMA FUNCIONAL

Esto puede decidirse de acuerdo a la teoría económica que puede a veces sugerir la forma
funcional de una relación económica. Por ejemplo, la teoría macroeconómica postula una curva
de costo medio (de corto plazo) en forma de U y una curva de costo fijo medio que decrece
constantemente y tiende asintótica -mente a 0 a medida que los costos fijos totales se reparten
sobre mas unidades producidas. La dispersión de los puntos también puede sugerir la forma
funcional apropiada en una relación de dos variables, cuando ninguna teoría ni dispersión de
puntos es de ayuda, la función lineal se trata usualmente primero debido a su simplicidad.

LAS MÁS UTILIZADAS DE LAS FUNCIONES LINEALES O DE LAS

TRANSFORMACIONES

Algunas de las transformaciones de funciones no lineales a lineales mas útiles y comunes son las
funciones mencionadas en las tabla que son

- Doble-log
- Semilog
- Reciproca
- Polinomial
Transformaciones más habituales
GRAFICAMENTE

PROBLEMAS DE HETEROCEDASTICIDAD

O DE NO LINEALIDAD
VENTAJAS DE LAS FORMAS FUNCIONALES

a) DOBLE-LOG.- Su ventaja principal es que las pendientes representan elasticidades

b) SEMILOG.- Su ventaja es que es apropiada cuando la variable dependiente crece en el
tiempo a un ritmo relativamente constante, como en el caso de la fuerza laboral y de la
población.
c) RECIPROCA Y POLINOMIAL.- Son apropiadas para estimar curvas de costo medio y
costo total.