El Impacto Macroeconómico del Coronavirus
Javier FerriJosé E. Boscá; Rafael Doménech y Javier Ferri
Hace sólo dos semanas que empezaron a
tomarse las primeras medidas en España para hacer frente al COVID-19, lo
que dificulta la previsión de sus efectos económicos con un mínimo
nivel de certidumbre y precisión. La duración del periodo de
confinamiento; la intensidad con la que el virus afectará a la población
y a la economía; la gradualidad en el levantamiento de las
restricciones a la movilidad de las personas, o en la apertura de
empresas; la probabilidad de un rebrote en el otoño e invierno próximo,
que pueda originar una segunda ola de contagios; el tiempo hasta que
pueda aparecer una vacuna; la efectividad de las políticas adoptadas
para luchar contra esta crisis sanitaria y económica; y las nuevas
medidas que puedan aprobarse próximamente, tanto en España como en el
marco de las instituciones europeas, son todos ellos factores que
entrañan una incertidumbre muy elevada como para realizar cualquier
ejercicio de previsión. A esto hay que añadir que, para una pequeña
economía abierta como España, no sólo afectan esos elementos de
incertidumbre en su dimensión doméstica, sino también los asociados a la
recuperación de nuestros socios comerciales y las restricciones para
viajar de las decenas de millones de turistas extranjeros que anualmente
visitan nuestro país.
En esta entrada nos centramos en realizar una primera aproximación al
impacto macroeconómico en España causado por la epidemia COVID-19.
Desde Nada es Gratis, durante las dos últimas semanas se ha estado
haciendo un seguimiento de esta crisis sanitaria, siempre desde una
perspectiva económica aunque desde distintos enfoques. En lugar de
ofrecer previsiones de crecimiento, nuestro enfoque consiste en realizar
simulaciones condicionadas a un conjunto de supuestos, sobre los que
seremos muy transparentes. Estas simulaciones se obtienen a partir de la
última versión del modelo de equilibrio general dinámico y estocástico
EREMS (véase Boscá et al, 2018),
que es un modelo elaborado con financiación y cooperación
público-privada de la Fundación Rafael del Pino, el BBVA Research, los
Ministerios de Economía y de Hacienda y la Universidad de Valencia. El
enfoque es similar al utilizado en otras investigaciones recientes que
han empezado a evaluar los efectos de esta crisis (por ejemplo, Eichenbaum, Rebelo y Trabandtz, 2020, o Faria e Castro,
2020). Su funcionamiento está determinado por un conjunto de
ecuaciones, variables y parámetros que describen cómo se comporta a
nivel agregado la economía española. La mayor parte de las variables son
endógenas en el modelo. Cuando la economía recibe perturbaciones, como
las originadas por el coronavirus, la respuesta de estas variables
endógenas ofrece una imagen de la dinámica de los principales agregados
macroeconómicos que suceden a estas perturbaciones.
Como veremos a continuación, los supuestos en los que se basan
nuestras simulaciones del impacto de la crisis están basadas en el
principio de prudencia, por lo que pueden considerarse relativamente
optimistas. En cualquier caso, como elemento de comparación, también se
ofrecen, al final de la entrada, los resultados de otros supuestos menos
optimistas, pero relativamente verosímiles. Sólo a medida que se
empiecen a conocer en las próximas semanas y meses datos en tiempo real
sobre la evolución del empleo y de la actividad se estará en condiciones
de evaluar en qué medida esa información disponible permite discriminar
unos escenarios frente a otros.
Supuestos de las simulaciones
Dos de los supuestos principales tienen que ver con:
a) la duración del periodo de confinamiento, periodo en el que suponemos que los shocks negativos se muestran en su plenitud; y
b) la rapidez con la que desaparecen esos shocks negativos cuando se levante el confinamiento.
El final del periodo de confinamiento los establecemos en el 11 de
abril de 2020, de acuerdo con la reciente decisión del Gobierno sobre la
prolongación del estado de alarma. En base a nuestras propias
simulaciones con una función logística que ajusta el número de
contagiados registrados, y a supuestos razonables (pero también algo
optimistas) sobre la efectividad de las medidas de confinamiento que
incluimos en un modelo SEIR, el pico de contagios se produciría en la
primera semana de Abril (final de la zona amarilla en el Gráfico 1) y el
pico de hospitalizaciones en la segunda semana de Abril (marca en las
barras del Gráfico 2). Aunque tanto nuestras simulaciones con la función
logística (de 20 de marzo), como las del modelo SEIR (que es un modelo
epidemiológico, que ajusta funciones matemáticas para la evolución del
número de personas susceptibles, expuestas, infectadas y recuperadas)
son muy sensibles a los supuestos epidemiológicos y poblacionales
empleados, estimaciones más recientes de otros investigadores siguen
fijando el pico de contagios en fechas muy parecidas a las nuestras, por
lo que, asumimos como creíble la fecha del 11 de abril para el final de
la cuarentena social.
-
Gráfico 1. Extrapolación con una función logística del número de contagiados registrados
(Simulación realizada el 20/03/2020)
(Simulación realizada el 20/03/2020)
Gráfico 2. Simulación con un modelo SEIR del número de infectados y hospitalizados.
(La marca en el día 42 corresponde con el 11 de abril)
(La marca en el día 42 corresponde con el 11 de abril)
En cuanto a la duración de las perturbaciones negativas como
consecuencia del estado de alerta, una vez establecida la fecha para el
final del confinamiento, nuestro supuesto de partida (también optimista)
es que sus efectos van desapareciendo de forma gradual y lineal a lo
largo del segundo trimestre. Es decir, el tercer trimestre empezaría sin
ninguna perturbación negativa actuando sobre la economía, aunque
obviamente con los efectos arrastrados por la respuesta a los shocks
hasta ese momento, con la excepción de la que afecta a la morosidad en
el sector bancario, que suponemos que se prolongaría hasta finales de
2021.
Durante las cuatro semanas de cuarentena modelizamos los efectos del coronavirus a través de cinco tipos de perturbaciones:
a) las que afectan a la utilización de los factores productivos (en el modelo mediante un shock a la productividad total de los factores, PTF);
b) las que afectan a la confianza y se plasman en una contracción de la demanda latente de consumo (shock a las preferencias por el consumo);
c) las que afectan a la confianza y se plasman en una contracción de la demanda latente de compra de vivienda (shock a las preferencias por las casas);
d) las que afectan a las exportaciones (shock a la renta del resto del mundo), y
e) las que afectan a los impagos en el sector bancario (shock a la morosidad bancaria).
Para calibrar el shock a la productividad total de los factores
se ha tomado como referencia la caída en la demanda total de energía
eléctrica, comparando los días antes del inicio del confinamiento con
los días posteriores. En el Gráfico 3 se muestra esta comparación. La
demanda de energía eléctrica a lo largo del día se ha reducido un 13.9%.
Este va a ser el dato que vamos a utilizar para calibrar el shock a la
utilización de los factores. Pensamos que se trata de un límite inferior
en la caída de la producción real. De hecho, la demanda de energía
tiene un suelo que se produce sobre las 5 de la madrugada. Con toda
seguridad este suelo tiene un componente importante que es independiente
de la actividad económica (por ejemplo, alumbrados de calles,
electrodomésticos conectados, anuncios luminosos, etc). Si restamos el
suelo observado el 20 de marzo de ambas series (antes y después del
inicio del confinamiento), la caída observada en la energía eléctrica
sería del 45%. Podríamos promediar ambas tasas, y obtener una caída
media del 29%, más cercana a lo observado en China durante el periodo de
confinamiento. Por lo tanto, nuestra cifra del 13.9% para calibrar el
shock a la PTF puede considerarse optimista.
-
Gráfico 3. Evolución de la demanda diaria de electricidad por hora del día, antes y después del confinamiento.
Promedio de los viernes 28 de febrero y 6 de marzo frente al viernes 20 de marzo (MW)
Promedio de los viernes 28 de febrero y 6 de marzo frente al viernes 20 de marzo (MW)
Para calibrar el shock a las preferencias por el consumo se
ha utilizado la desagregación del gasto total de los hogares que hace el
INE. En particular, suponemos que existen cinco categorías de gasto
fuertemente afectadas por el confinamiento de los hogares: vestido y
calzado; muebles y artículos del hogar; transporte; ocio y cultura; y
restaurantes y hoteles. Nuestro supuesto (de nuevo optimista) es que la
demanda latente de estos bienes se ha reducido al 50%. Teniendo en
cuenta la proporción que esos bienes representan sobre el presupuesto
medio de los hogares, obtenemos una caída de la demanda de consumo del
18,8%.
La calibración del shock a las preferencias por la adquisición de vivienda se basa de nuevo en el supuesto de la reducción de la misma a la mitad.
En cuanto al sector exterior, suponemos que los países a los que
exportamos van a sufrir consecuencias en su PIB ligeramente inferiores a
las que el modelo reproduce para España, lo que consideramos de nuevo
un supuesto optimista y nos proporciona un tamaño del shock a la renta del resto del mundo.
Por último, basándonos en el efecto conjunto de los anteriores cuatro
shocks sobre el PIB y la tasa de desempleo, se estima que la tasa de
morosidad podría aumentar en cuatro puntos porcentuales. Para llegar a
esta cifra se estima que la relación entre el aumento del desempleo en
puntos porcentuales y la disminución del componente cíclico del PIB es
de 1 a 1 aproximadamente, y que por cada punto de aumento del desempleo
la mora aumenta en 0.75 puntos. En el modelo, el aumento de la tasa de
morosidad frena la acumulación de capital bancario disponible para
crédito y se supone que este incremento se produce a partir del segundo
trimestre y se mantiene hasta el último del año 2021.
Como se ha indicado, la mayor parte de las perturbaciones afectan con
toda su intensidad durante la fase de confinamiento, y luego van
desapareciendo linealmente hasta el final del segundo trimestre.
Necesitamos convertir los tamaños de estas perturbaciones a un modelo
con frecuencia trimestral. Es decir, si z es la perturbación y d
representa la duración del periodo de confinamiento, teniendo en cuenta
que las medidas empezaron a hacerse efectivas a partir del 15 de marzo,
el tamaño de la perturbación que afecta al primer trimestre será 15/90*z, mientras que el tamaño del shock que afecta al segundo trimestre vendrá determinado por (d-15)*z/90+(90+15-d)/90*z/2.
El Gráfico 4 recoge la contribución del efecto de la epidemia en el
PIB, separando la contribución de cada shock. Para interpretar
correctamente este gráfico hay que tener en cuenta dos hechos. Primero,
el gráfico representa la desviación del PIB de cada trimestre con
respecto al PIB que habría sucedido en ausencia de la crisis actual.
Para anualizar estas desviaciones habría que dividir las desviaciones
correspondientes por cuatro. Segundo, estas simulaciones suponen un
escenario en ausencia de medidas de políticas económicas para paliar la
crisis, lo que significa también que la regla de consolidación fiscal
con la que España estaba comprometida sigue actuando.
-
Gráfico 4. Efecto sobre el PIB de la epidemia de COVID-19
Desviación porcentual respecto al PIB del trimestre en ausencia de shocks
Desviación porcentual respecto al PIB del trimestre en ausencia de shocks
Puede apreciarse que los shocks a las preferencias de consumo y
vivienda tienen un impacto moderado. El de consumo detrae alrededor de
medio punto de PIB trimestral en 2T, mientras que el de la construcción
produce su mayor efecto en el primer trimestre. El efecto sobre la renta
del resto del mundo se deja notar de modo importante en nuestro PIB,
con una caída de más de 3 puntos en el 2T. El shock derivado de la
traslación de problemas de liquidez en solvencia, en ausencia de medidas
paliativas, genera una elevada persistencia en la caída del PIB,
llegando a detraer casi 2 puntos de PIB del 4T. El parón de la
producción por el lado de la oferta es el que tiene efectos más
significativos sobre la producción, detrayendo casi 9 puntos en 2T.
En conjunto, nuestra simulación a partir de supuestos sesgados hacia
lo razonablemente optimista, muestran una reducción del PIB en 1T de 4,7
puntos y de 13,5 puntos en el 2T. La reducción del PIB en los dos
últimos trimestres es de casi un 2 por cien. En términos anuales la
caída en la producción sería equivalente a 5,7 puntos sobre el escenario
en el que no hubiéramos sufrido la pandemia. Teniendo en cuenta que las
previsiones de crecimiento del PIB para 2020 anteriores a la crisis se
situaban sobre el 1,6%, la irrupción del coronavirus supondría una caída
observada del PIB durante 2020 del 4,1% condicionada a los supuestos
realizados en nuestras simulaciones.
El Gráfico 5 muestra el impacto de la epidemia (una vez incluido el
conjunto de shocks) sobre distintos agregados macroeconómicos, en
ausencia de cualquier medida de política económica. Se observa una
contracción muy acusada del consumo y de la inversión, mientras que el
sector exterior tendría una contribución ligeramente positiva al
reducirse más las importaciones que las exportaciones. Cabe destacar
que, bajo el supuesto de que la regla fiscal sigue activa, los ingresos
públicos tendrían que aumentar, en línea con la caída del PIB, para
mitigar el aumento en la ratio deuda pública/PIB.
-
Gráfico 5. Efecto sobre los componentes del PIB de la epidemia de COVID-19
Desviación porcentual respecto a cada componente en ausencia de shocks
Desviación porcentual respecto a cada componente en ausencia de shocks
Para hacernos una idea de la sensibilidad de estos resultados a los
supuestos realizados, en el Gráfico 6 se recoge, junto a nuestro
escenario base, las simulaciones de los efectos de la epidemia
correspondientes a distintos escenarios alternativos:
1) Escenario de pérdida adicional de confianza. Se trata de
un escenario ligeramente más pesimista en el que el shock de oferta
(shock a la PTF) se comporta de forma idéntica a nuestro escenario de
referencia, pero el shock de confianza que afecta a las preferencias por
el gasto en consumo privado y en vivienda se prolonga hasta finales del
tercer trimestre, fecha en la que empieza a decrecer de forma lineal
hasta final de año. También el shock sobre la renta del resto del mundo
se prolonga. Este comportamiento podría venir provocado por las noticias
negativas sobre la detención de los contagios o expectativas sobre un
aumento en la probabilidad de una segunda oleada de contagios después
del verano.
2) Escenario en el que el confinamiento dura una semana más, mientras que se mantiene el ritmo y los plazos para la recuperación.
3) Escenario en el que la bajada en utilización de los factores es
más acusada, y se corresponde al caso intermedio estimado a partir de la
reducción de demanda de energía. Por lo tanto, la PTF del modelo se reduce el 29% en lugar del 13,9% del escenario base, manteniéndose inalterados el resto de shocks.
En el escenario de pérdida de confianza, la caída simulada en el PIB durante 2020 sería del 7,1% frente al 4,1% de nuestro escenario de referencia. Una prórroga de una semana del estado de alarma reduciría el PIB anual en 0,5 puntos adicionales respecto a nuestro escenario base. Un mayor efecto del confinamiento
sobre la pérdida de utilización de la capacidad productiva provocaría
un desplome adicional del PIB anual de 3,8 puntos. Estos ejemplos
ilustran bien las dificultades de realizar cualquier ejercicio de
previsión con los niveles actuales de incertidumbre.
Hay que añadir un matiz importante: estas simulaciones se han
realizado asumiendo que los agentes económicos conocen anticipadamente
la duración del periodo de confinamiento, intensidad de la crisis y
velocidad de la recuperación posterior. Si en lugar de ello, se
introdujera incertidumbre al respecto, los efectos negativos de la
crisis del COVID-19 sobre el gasto de hogares e inversión de las
empresas sería seguramente mayores.
Mañana proporcionaremos resultados sobre la capacidad de las medidas
anunciadas hasta el momento para paliar los resultados que hemos
ofrecido en esta entrada.
-
Gráfico 6. Efecto el PIB de la epidemia COVID-19: Sensibilidad a distintos escenarios
Desviación porcentual trimestral respecto al escenario en ausencia de shocks
Desviación porcentual trimestral respecto al escenario en ausencia de shocks
No hay comentarios:
Publicar un comentario