Solución y estimación de modelos dinámicos en macro
Estos tres últimos meses no me he prodigado mucho en NeG, en parte por viajes y en parte por lo que brevemente mencioné como obligaciones académicas. Tenía dos cosas que entregar con fechas límite hoy 31 de diciembre. Finalmente acabé las dos (todavía con unas cuantas horas de margen ;-).
La más importante de estas obligaciones era un capítulo para el nuevo volumen 2 del Handbook of Macroeconomics en solución y estimación de modelos de equilibrio general dinámico estocástico en macroeconomía con Frank Schorfheide y nuestro co-editor en NeG, Juan Rubio.Aquí esta una copia del capítulo. Es largo, 244 páginas, prácticamente un libro, y aun así nos hemos dejado muchísimas cosas en el tintero (modelos en tiempo continuo, modelos de cambio de régimen Markoviano, modelos con agentes heterogéneos, extensión de los métodos propuestos a programación masiva en paralelo, ingeniería del software para macroeconomistas con material como el de esta entrada o esta otra). Pero estamos realmente satisfechos con el resultado final y creemos que es será un muy buen recurso para enseñar muchos de los métodos que un macroeconomista necesita manejar estos días. A mi me lleva aproximadamente un semestre (42 horas lectivas) cubrir el material en el capítulo y voy relativamente rápido. Con una breve introducción a análisis numérico básico y el material adicional que mencionaba antes, el contenido cubriría una secuencia completa de segundo año de doctorado de métodos computacionales en macroeconomía.
Como muchos estudiantes/investigadores jóvenes leen esta página, he pensado que colgar esta entrada pueda resultarles útiles para una resolución para el año nuevo de aprender cosas nuevas.
Y ahora, a ponerme a terminar un “survey” de la literatura de incertidumbre en macro que tengo que entregar al Journal of Economic Literature el 31 de enero y que voy en exceso retrasado...
http://nadaesgratis.es/fernandez-villaverde/solucion-y-estimacion-de-modelos-dinamicos-en-macro
http://economicsone.com/2014/10/03/wanted-a-new-handbook-of-macroeconomics/
Solution and Estimation Methods
for DSGE Models
Jesus Fern´andez-Villaverde
University of Pennsylvania
Juan F. Rubio-Ramırez
Emory University
Frank Schorfheide∗
University of Pennsylvania
December 31, 2015
Prepared for
Handbook of Macroeconomics, Volume 2
http://economics.sas.upenn.edu/~jesusfv/FVRS_Handbook.pdf
http://nadaesgratis.es/fernandez-villaverde/programacion-funcional-para-economistas
http://nadaesgratis.es/fernandez-villaverde/cosas-que-hacer-para-los-que-tengan-vacaciones
Critica
Cedric Villani medalla Fields del 2010 dice que la modelización en Macroeconomia es “un fiasco”.
Jesús Fernández-Villaverde
F.A. Hayek, uno de los grandes economistas del siglo XX, nos enseño que la civilización moderna se basa en la división del conocimiento. El mejor oncólogo del mundo probablemente no alcance el nivel de conocimiento de ingeniería aeronáutica de un estudiante de grado mediano y el mejor físico de partículas del planeta probablemente sepa menos de historia de Sudáfrica (¡al menos que sea de Sudáfrica) que un estudiante de instituto avispado de Ciudad del Cabo. Incluso dentro de los campos, la gente sabe poco fuera de su área de especialización. Yo mismo raramente hablo en las reuniones de contratación de mi departamento cuando discutimos casos de economistas trabajando en teoría de juegos o micro empírica. Dejo que sean los especialistas en esas áreas los que expresen juicios de valor más fundados que el mío.
Villani es, como lo demuestran sus premios, un matemático magnífico, pero obviamente, de economía sabe bastante poquito y su comentario sobre la macroeconomía circula entre lo trivial y lo irrelevante. Es más, el que se atreva a hablar en público sobre lo que obviamente no sabe nada me hace dudar bastante de su sentido común (el síndrome Sheldon Cooper es algo muy extendido en la academia: gran inteligencia para algo pero bastante obtuso para todo lo demás). Si eso es lo mejor que los críticos de la macro moderna pueden poner encima de la mesa, me quedo bastante tranquilo.
La gente que hace direccion de empresas no tiene porque saber mucho de economia y viceversa. Krugman lo explico fenomenal hace mucho tiempo:
Si uno es Frances y quiere aprender economia se va a la PSE o a TSE, pero no a HEC. El departamento de economia de HEC
es pequeñito y tienen un par de tipos excelentes en teoria (Itzhak Gilboa es magnifico). En macro:
http://www.hec.edu/Faculty-Research/Faculty-Directory/Search-by-topics/(domain)/12360/(theme)/37934?
tienen a tres personas, las tres jovenes y muy majas, pero lejos de ser “pesos pesados” de la profesion.
2) Para las conferencias a los estudiantes, organizadas desde decanato, se trae a gente de todos los gustos y colores. Cualquiera que este en una universidad sabe que a alguien en decanato se le ocurren los nombre porque los ve en el periodico o en la tele. En Penn mismo en decanato se les ocurren dos ideas bobas de invitacion por semana. La solucion es no ir y ya esta. Los seminarios buenos en las universidades son los que organizan los departamentos.
3) Y, aunque no venga a cuento, pero como parece no quedar claro, yo hago estimacion estructural de modelos de equlibrio general dinamico. Yo no tiro regresiones.
Leeré con muchísimo gusto (y espero que con esfuerzo ) esas páginas. Aunque personalmente no tengo fe en aquella modelización que excede determinados límites:
1-porque recuerdo que cuando estudiaba esos asuntos los modelos se volvían caótico-inestables en cuanto introducías ecuaciones algo realistas,
2- porque creo firmemente que todos los datos son intrínsecamente erróneos; no solo es que se tomen o se manejen mal, sino que son per se incorrectos. Y hasta que no se resuelva eso no será posible modelar con tino. Es como modelar alfarería con gelatina en vez de arcilla. La buena noticia es que, resuelto eso, la modelización podría progresar mucho. Esto es una opinión muy personal y quizá en un 99% equivocada.
Tal vez los economistas-matemáticos hayáis desarrollado herramientas para resolver bastantes problemas en estos años y me lleve una grata sorpresa.
Gracias por colgarlo.
1-porque recuerdo que cuando estudiaba esos asuntos los modelos se volvían caótico-inestables en cuanto introducías ecuaciones algo realistas,
2- porque creo firmemente que todos los datos son intrínsecamente erróneos; no solo es que se tomen o se manejen mal, sino que son per se incorrectos. Y hasta que no se resuelva eso no será posible modelar con tino. Es como modelar alfarería con gelatina en vez de arcilla. La buena noticia es que, resuelto eso, la modelización podría progresar mucho. Esto es una opinión muy personal y quizá en un 99% equivocada.
Tal vez los economistas-matemáticos hayáis desarrollado herramientas para resolver bastantes problemas en estos años y me lleve una grata sorpresa.
Gracias por colgarlo.
“los modelos se volvían caótico-inestables en cuanto introducías ecuaciones algo realistas,”
De hecho es al revés: a los macroeconomistas nos encantaría que hubiese comportamiento caótico y/o inestable. Esto generaría fluctuaciones endógenas que nos permitirían reducir el papel de los choques exógenos, choques que siempre nos desagradan. Y tenemos instrumentos de sobra para tratar con estos casos. El problema es que es realmente difícil escribir modelos macroeconómicos que satisfagan unos criterios básicos (agentes optimizando, funciones de producción y de utilidad que cumplan unas propiedades razonables, etc.) y que te generen estos comportamientos caóticos y/o inestables. Lo explico aquí en cierto detalle:
Insisto: lo difícil es tener comportamiento caótico y/o inestable, no al contrario.
Cuando tienes precios endogenos en equilibrio general, en general eso no es verdad y no tienes comportamiento caotico. Como explicaba en la entrada que enlazaba hay gente muy lista que lleva muchos años intentando encontrar modelos caoticos convincentes. No debe de ser tan obvio cuando no los han encontrado.
En la practica es imposible, por ejemplo, solucionar un problema de programacion dinamica con mas de 25 variables de estado (incluso empleando programacion paralela masiva con GPUs) sin emplear aproximaciones a menudo excesivamente crudas. Es consecuancia de lo que se llama la “maldicion de la dimensionalidad” (i.e., la complejidad algoritmica crece de manera exponencial en el numero de dimensiones de un problema, no polinomicamente).
Este no es solo un problema en macro. En la industria es un problema generalizado. Por ejemplo, Amazon (cuyo comportamiento interno conozco en cierto detalle por motivos en los que no voy a entrar aqui) tiene serios problemas en solucionar cientos de problemas de programacion dinamica que tienen que afrontar cada dia del año precisamente por esos limites computaciones.
Y esta gente:
(con la he colaborado en el pasado) se enfrentan cotidianamente a la programacion dinamica del grid electrico de la costa este de Estados Unidos y solo pueden tratar una parte muy reducida del problema.
The Bayesian Choice: From Decision-Theoretic Foundations to Computational Implementation, Christian P. Robert
No hay comentarios:
Publicar un comentario