La evolución reciente de la inversión en España desde una perspectiva macroeconómica

Por Pablo Aguilar, Corinna Ghirelli y Blanca Jimenez-García

Las fluctuaciones cíclicas de la inversión son habitualmente más acusadas que las del resto de componentes de la demanda agregada. En esta entrada se analiza, mediante el modelo econométrico presentado en Aguilar, Ghirelli y Jimenez-García (2023) , el papel desempeñado por los tipos de interés, la demanda y la confianza de los agentes en la evolución de la inversión tras los distintos shocks ocurridos en 2020 y 2021 y en qué medida éstos podrían condicionar la evolución de la inversión en 2023.

Tras la fuerte caída experimentada al inicio de la crisis sanitaria, la inversión se recuperó de manera intensa y rápida conforme la demanda recobraba su pulso y la incertidumbre tendía a atenuarse, al eliminarse progresivamente las restricciones sanitarias. Además, las condiciones financieras eran muy propicias para el gasto en inversión, con tipos de interés muy bajos hasta mediados de 2021. Sin embargo, la inversión registró una pérdida progresiva de dinamismo en la segunda mitad de 2022, que, a priori, cabe atribuir, entre otros factores, a la caída de la confianza de los agentes y al empeoramiento de las perspectivas de crecimiento para España, en un contexto de enorme incertidumbre geopolítica y de endurecimiento de la política monetaria.

En concreto, en esta entrada se analiza cómo la evolución de la inversión responde a los shocks pasados y presentes de tipos de interés, demanda y confianza de los agentes y cómo éstos condicionan la dinámica de la inversión en el corto plazo. El impacto de estas perturbaciones sobre la inversión no es inmediato y se materializa al cabo de varios trimestres, siendo el desfase distinto según el tipo de shock considerado, así como su duración en el tiempo. Hay que señalar que existen otros factores con potencial impacto en la inversión que no han sido considerados en este análisis como, por ejemplo, los cuellos de botella en los procesos productivos o el desarrollo de los proyectos asociados a los fondos Next Generation EU (NGEU).

Metodología y datos

A través de la estimación de un modelo SVAR (modelo vectorial autorregresivo estructural) se pueden estimar los shocks que tienen lugar en distintas variables del sistema (demanda, confianza y política monetaria) y cómo estos afectan a la evolución de la inversión. El modelo considera las siguientes variables: la tasa de crecimiento intertrimestral de la inversión (definida formación bruta de capital fijo descontada la construcción), la tasa de crecimiento intertrimestral del PIB sin inversión, el nivel del indicador de sentimiento económico denominado DENSI (siglas de Daily Economic News Sentiment Indicator) y el Euríbor a 3 meses. Este modelo se estima para el período 1999-2019

El impacto de la política monetaria

El gráfico 1 recoge la respuesta de la inversión ante un shock de política monetaria, definido como un aumento inesperado de los tipos de interés de tamaño igual a una desviación típica de la variable en cuestión. En concreto, un aumento de los tipos de interés de 175 pb reduce la inversión en 0,26 pp en términos anualizados de manera directa hasta alcanzar un máximo 0,57 pp, también en términos anualizados, al cabo de siete trimestres. Esto pone de manifiesto que la política monetaria tiene efectos significativos y persistentes sobre la inversión, si bien su transmisión se materializa completamente al cabo de varios trimestres. Esto se debe a que, por un lado, la política monetaria afecta a las nuevas decisiones de inversión, pero no a los proyectos que ya están en curso. Por otro lado, los tipos de interés relevantes para las decisiones de inversión suelen ser los tipos del crédito bancario y, habitualmente, la transmisión a los mismos desde el tipo del Euríbor a 3 meses, que es el que interviene en el modelo, tarda algunos meses en producirse.

En el artículo de Aguilar, Ghirelli y Jimenez-García (2023) se muestran también los efectos de un shock de confianza y de demanda sobre el crecimiento de la inversión. Éstos tienen signo positivo, si bien también muestran menos persistencia en su respuesta en comparación con una perturbación de política monetaria.

FUENTE: Modelo SVAR de inversión, elaboración propia

¿Cómo han contribuido estos factores a la evolución de la inversión en 2022?

A partir de la descomposición histórica que proporciona el modelo estructural, el gráfico 2 muestra las contribuciones de cada una de las variables a la evolución de la inversión durante 2022. En particular, se distingue entre las contribuciones pasadas (inercia) procedentes de los desfases y la duración con los que operan los shocks y las contribuciones presentes (corrientes) procedentes de los propios shocks de 2022.

A grandes rasgos, la recuperación de la demanda y de la confianza observadas durante 2021 y a comienzos de 2022, como consecuencia de la eliminación gradual de las restricciones asociadas a la pandemia y la consiguiente reapertura de la economía, habrían contribuido positivamente al crecimiento de la inversión en 2022, dado el desfase temporal con el que operan estos shocks (véanse las barras sólidas del gráfico 2). Sin embargo, tanto la demanda como la confianza de los agentes se deterioraron a lo largo de 2022, a raíz de la invasión de Ucrania y del aumento de los precios energéticos, por lo que su contribución al crecimiento de la inversión en dicho año es negativa (barras rayadas). Por su parte, las subidas de tipos de 2022 no habrían tenido apenas efecto sobre la inversión de ese año (véase el gráfico 3), trasladándose el grueso del impacto al año 2023, como se comenta a continuación.

FUENTE: Modelo SVAR de inversión, elaboración propia

¿Cómo condicionarían estos factores las perspectivas de la inversión en 2023?

Así, en el gráfico 3 se muestran exclusivamente las aportaciones de los shocks ocurridos en 2022 al crecimiento de la inversión en 2023, como consecuencia de su inercia y en ausencia de los nuevos shocks que puedan surgir a lo largo del año. Por ejemplo, la confianza ha mejorado al inicio de 2023, pero podría empeorar en el futuro si se reavivaran las tensiones geopolíticas o si se volviera a desatar algún episodio de turbulencias financieras, como el que se produjo en marzo de este año.

Los shocks ocurridos en 2022, por tanto, podrían incidir negativamente sobre el crecimiento de la inversión en 2023. En concreto, las subidas de los tipos de interés de 2022 podrían ejercer una notable presión a la baja sobre el crecimiento de la inversión en 2023, de magnitud creciente a lo largo del año. Lógicamente, a ello habría que añadir los efectos de las alzas introducidas en 2023, que se desconocen. De modo análogo, de acuerdo con el modelo, los efectos sobre el crecimiento de la inversión del deterioro de la confianza observado a lo largo de 2022 se prolongarían en 2023 debido al desfase con que opera esta variable. De este modo, el deterioro de la confianza ocurrido en 2022 se materializaría en un descenso del crecimiento de la inversión durante 2023

Por el contrario, el dinamismo que mostró la economía española en 2022 apuntaría a que la demanda de ese año habría generado un efecto positivo sobre el crecimiento de la inversión que se materializaría a lo largo de 2023. A ello habría que añadirle los nuevos shocks que se produzcan en esta variable como, por ejemplo, una mejor evolución de la demanda, que podría incidir positivamente sobre el crecimiento de la inversión y contrarrestar el efecto negativo procedente de la inercia de la demanda y de otros shocks.

FUENTE: Modelo SVAR de inversión, elaboración propia

Cabe mencionar que la naturaleza de este análisis no permite explicar la totalidad del crecimiento de la inversión en 2022 y 2023, sino cuantificar la contribución de los tres factores considerados, que son habitualmente los más destacados en la literatura y que, además, tienen, intuitivamente, una gran relevancia en el contexto actual. Existen otros factores no analizados aquí, como el desvanecimiento de los cuellos de botella que todavía persisten en las cadenas de producción globales o la intensificación del despliegue de los fondos del plan Next Generation EU (NGEU) que tendrían efectos positivos.

Conclusiones

El análisis aquí presentado ayuda a comprender la transmisión de las perturbaciones asociadas a la demanda, la confianza y la política monetaria sobre la inversión, cuya traslación se prolonga con un cierto desfase, de modo que el impacto máximo se alcanza al cabo de varios trimestres. Los resultados sugieren que, en conjunto, la demanda, la confianza y los tipos de interés sustentaron el crecimiento de la inversión en 2022, debido a los efectos inerciales positivos procedentes de 2021. Sin embargo, los efectos del comportamiento de estas variables en 2022, en particular, la subida de tipos de interés y el deterioro de la confianza, limitarían el crecimiento de la inversión en 2023, aunque la demanda podría compensar, al menos parcialmente, estos efectos.

 

The Neoclassical growth of China

 The Neoclassical growth of China

Fernández-Villaverde con Ohanian y Yao

https://t.co/QaUIE2vTod

El paper estudia el desarrollo de China comparado con otros países asiáticos en el pasado (Japón, Corea, etc.). El desarrollo de China ha sido espectacular, pero nada especial comparado con esos países

 La cantidad de inversión en China ha sido algo superior al resto de estos países, lo que apunta a que la acumulación de capital ha sido relativamente mayor en China; pero el retorno de ese capital invertido ha sido menor

Si China sigue una trayectoria parecida a estos países (recordemos, muy exitosos), su crecimiento tendría que reducirse sustancialmente en los próximos años

Un modelo relativamente sencillo explica la trayectoria de China y las economías asiáticas. Si nos creemos la capacidad predictiva del modelo, los autores estiman que China crecerá menos que USA a partir de 2043, y que en 2100 solo tendrá el 44% de su PIB per cápita(en 2019 el PIB per capita de China estaba en el 25% del de USA, viniendo de ser un 7% en 1995)

La demografía es un factor clave. Recordemos el gráfico del terror de China 

 Pero el otro factor clave es la propia desaceleración “natural” del proceso de convergencia tecnológica. La historia está plagada de ejemplos, y evitar este camino es complejísimo. La pregunta no es tanto *si* puede ser evitado (probablemente no) si no *hasta cuándo*Pero el otro factor clave es la propia desaceleración “natural” del proceso de convergencia tecnológica. La historia está plagada de ejemplos, y evitar este camino es complejísimo. La pregunta no es tanto *si* puede ser evitado (probablemente no) si no *hasta cuándo*

Por añadir: es un modelo sencillo de largo plazo que no incluye shocks. Es decir, las predicciones sobre China no incluyen posibles pinchazos por culpa de desequilibrios acumulados u otros eventos

Es interesante ver como Japón se alejó del momentáneamente de la predicción del modelo, pero fue a cambio de acumular desequilibrios que acabaron en el pinchazo de su particular burbuja (¿les suena?) y la posterior desaceleración hasta converger con la predicción

   Esos shocks tienen impacto inmediato sobre el corto plazo (“ciclo”) pero también pueden modificar el largo plazo (“tendencia”). Puede que en Japón ocurriera, al menos en parte, eso. O en Europa tras la crisis de 2008. A tener en cuenta en caso de que China tuviera una crisis

https://twitter.com/MCanalN/status/1680845838732480512 

Este gráfico ilustra los problemas estructurales del modelo chino: fuerte dependencia de la inversión (42% del PIB) y debilidad del consumo (38% del PIB). El objetivo desde hace más de una década es impulsar el consumo interno, pero siguen lejos de la media mundial.

 

 

Markowitz y la democratización de las finanzas

Por Jose Penalva (Universidad Carlos III) y Gonzalo Rubio (Universidad CEU Cardenal Herrera)

 

Más allá de la pérdida personal, Harry Markowitz deja una huella imborrable en las finanzas que queremos celebrar con estas líneas (otra muestra, aquí). Y cómo mejor celebrarlo que compartiendo su contribución más fundamental: la teoría de elección de carteras eficientes, y las ideas que subyacen a dicha teoría. Algunas de esas ideas no son nada obvias, pero lo parecen en gran parte porque ya están integradas en nuestro día a día.

Markowitz deja su impronta en las finanzas como catalizador del cambio fundamental que ocurrió en la década de 1950. Antes de 1950, las finanzas eran el dominio de magnates poderosos, donde las decisiones de inversión se hacían en base a lo que pudiese ganar una empresa y el riesgo era un concepto nebuloso que sólo unos pocos privilegiados podían dominar. Hablamos de “las finanzas de los clubes privados”. Con Markowitz empieza la transición a las finanzas académicas, a su desarrollo como ciencia, con su lógica plasmada en fórmulas y relaciones matemáticas y, con ello, abiertas a cualquiera que tenga unas bases matemáticas y estadísticas básicas.

Hoy en día, damos por hecho que con un poco de esfuerzo uno puede invertir por su cuenta sin demasiado problema, y no le damos importancia. Pero pre-Markowitz esto no era así, y antes de que la huella de H. Markowitz se difumine del todo, igual que la de aquellos que inventaron la escritura, aprovechamos este momento para reconocer su importante rol catalizador. Empecemos por el contexto histórico del que surge el cambio. Nuestros lectores, más los más jóvenes, han de transportarse a un mundo ya lejano: la década que comienza en 1950. Empezamos el 21 de abril de 1951. En el MIT, se construye la primera computadora que funciona en tiempo-real, llamada Whirlwind (torbellino, en castellano). Un ordenador que pesa más de 900 kilos, que se bloquea cada 20 minutos de media y que tiene una capacidad de memoria de nada más y nada menos que 2k (no Gigas, no megas, dos magníficos Kilobytes – ¡un solo Emoji ocupa 12 Kilobytes!). A esta década llega Harry Markowitz matriculándose en la Universidad de Chicago donde desarrolla sus estudios de grado, máster en matemáticas aplicadas a la economía y leyendo su tesis doctoral en 1954. Las contribuciones de su tesis doctoral fueron tan novedosas que se hizo famoso el comentario de Milton Friedman sugiriendo que “aquello” no era una tesis en economía y que, por tanto, no se le podía reconocer el título de doctorado.

¿Y cómo puede ser que aquello que "no era economía" recibiera el Nobel de economía en 1990? El tema básico de la tesis era el análisis de inversiones. Todo el mundo, hasta los magnates de las finanzas en sus clubs privados, ya sabían que eso de meter todos los huevos en la misma cesta no era muy buena idea. Que había que repartir las inversiones, por lo menos un poco. ¿Cuánto? Pues no sabemos, un poquito aquí, otro poquito allá. Aquí entra Markowitz. Guiado por el concepto matemático de eficiencia que le trasmitió su profesor Tjalling Koopmans (premio Nobel de economía en 1975), aplicó las matemáticas para definir el problema de inversión, definir un criterio objetivo para comparar cuando una cartera es ``mejor’’ que otra, y con ello establecer la mejor estrategia de inversión. Esto suena a mucha matemática, pero como habíamos avanzado antes, los conceptos básicos están al alcance de cualquier inversor. Y vamos a intentar transmitir estos conceptos incluso sin las matemáticas.

En primer lugar, el símil de los huevos en la cesta no es bueno para describir la elección de empresas con cuyas acciones crear una cartera de inversión. Más apropiado sería pensar que se trata de elegir qué gallinas son adecuadas para mantener un buen corral, porque el secreto no está en las empresas en sí (los huevos o gallinas), sino en cómo se relacionan los precios de las acciones de una empresa con las demás (si un tipo de gallina se lleva bien con las otras o no).

Dicho esto, pasemos a definir el problema de inversión con más detalle. Una inversión (en Bolsa) implica usar tu dinero hoy para comprar acciones de una o varias empresas y, en un futuro, volverlas a vender. Esto te permite transferir los recursos que puedes ahorrar hoy al futuro, cuando necesitarás usar esos recursos. Pero, entre la compra hoy y la venta futura el precio de tus inversiones puede subir o bajar, y eso depende de todas las cosas que puedan pasar de aquí a entonces. Matemáticamente, el precio futuro de la acción se puede describir como una variable aleatoria, es decir, un objeto matemático que cumple ciertas reglas estadísticas, como tener un valor esperado, y una varianza. Markowitz estableció la siguiente descomposición de la inversión: por un lado, tienes la rentabilidad esperada, la diferencia entre el dinero inicial para comprar acciones y el valor esperado del precio de venta de las acciones que obtendrás en el futuro. Por otro lado, tienes la diferencia entre el valor esperado de venta y el precio que de verdad recibirás. Esta desviación puede ser buena (por encima del valor esperado) y mala (por debajo del valor esperado), aunque en media la desviación es cero (por definición del valor esperado). Pero esa diferencia (entre el valor esperado de venta y el real) tiene una propiedad importante llamada varianza. No es lo mismo que las desviaciones sean +1 o -1, o que sean+10 o -10. Ambas combinaciones de desviaciones de la media son en media cero, pero en el segundo caso las desviaciones son mucho mayores. Eso lo describe la varianza. La segunda combinación (+10 o -10) tiene más varianza que (+1 o -1).

A Markowitz le bastan estos dos componentes, la rentabilidad esperada y la varianza, para describir lo que es importante de una inversión y establecer criterios para comparar carteras. Si la rentabilidad esperada es mayor, eso es claramente es mejor—tu yo futuro tendrá (en media) más para gastar. Pero, que las desviaciones sean mayores (+10, -10) es peor que sean más pequeñas (-1 o +1). Así que ¿cómo comparo dos carteras? Fácil. Si las dos tienen la misma rentabilidad esperada, la que tenga menor varianza es mejor. Pero si cambiamos la rentabilidad esperada, normalmente la cartera de menor varianza será diferente. Lo que nos interesa es el conjunto de las mejores carteras (la denominada frontera eficiente). Este conjunto consiste en hacer una lista con todas las parejas de rentabilidad esperada y la cartera de menor varianza asociada a esa rentabilidad esperada, y elegir para cada nivel de varianza la pareja rentabilidad-cartera con mayor rentabilidad esperada. Parece un poco lioso, pero eso es porque en la lista de parejas hay algunas parejas con la misma varianza y menor rentabilidad esperada, y queremos ser muy cuidadosos.

En una lectura atenta se ve que, por el camino, hemos cambiado el objeto de inversión. Empezamos en los clubes privados eligiendo empresas de forma individualizada. Ahora estamos hablando de acciones en una cartera. Desde Markowitz, lo importante no es si una empresa es buena o no (o por lo menos no es lo más importante). Lo importante es lo que aportan las acciones de la empresa a la cartera de inversión. En términos de rentabilidad esperada, esto es sencillo. Una rentabilidad por encima de la media de la rentabilidad de la cartera, aumenta la rentabilidad de la cartera. Y al revés si es más baja. Tiene un efecto sencillo, lineal. Pero el riesgo, la varianza, no. Cuando añades una acción nueva a una cartera, su efecto sobre el riesgo (la varianza) de la cartera no depende de la varianza de la acción. Permítanos repetir esto porque es muy sorprendente: si añades una acción con mucha varianza puede que suba la varianza, o no. Puede que baje. El efecto del riesgo de una acción sobre el riesgo de la cartera depende no de la varianza de la acción sino de su covarianza con el resto de las acciones que ya están presentes en la cartera. A grandes rasgos es un concepto estadístico que describe la relación entre las desviaciones de la media de dos variables. Si hablamos de las rentabilidades de dos acciones, la covarianza positiva indica que cuando la rentabilidad de una está por encima de la media, la rentabilidad de la otra también estará (estadísticamente) por encima de la media. Y al revés, cuando la rentabilidad de una está por debajo de la media, la de la otra también. La covarianza también puede ser negativa—cuando una acción sube en relación a la media, la otra baja—y la covarianza puede ser mayor o menor dependiendo de cuán fuerte es esta interrelación entre las rentabilidades. En términos de una cartera, lo bueno es que se compensen: cuando la rentabilidad de una acción esté por encima de su media, otra esté por debajo, y así se compensan, la rentabilidad de la cartera está más cerca de su media, y el riesgo de la cartera disminuye. Volviendo al símil del gallinero: lo importante no es la gallina en sí, sino cómo se lleva esa gallina con las que ya están en el gallinero. Cuanto menor sea la covarianza, y mejor aún si es negativa, mejor se llevan las gallinas entre sí. Esto lo demostró Markowitz.

Estos son los conceptos básicos de inversión de Markowitz. ¡Ni una ecuación! Pero ahí no se quedó la cosa. El problema siguiente era cómo obtener los datos básicos (rendimientos esperados, varianzas, y covarianzas), y una vez conseguidos, cómo calcular la cartera eficiente. Y recordemos, no hay una sola cartera eficiente—ya han visto el contorsionismo que tuvimos que hacer para definir las mejores carteras, la frontera eficiente. Para cada nivel de varianza (riesgo) aquella que tenga la mayor rentabilidad esperada será una cartera eficiente. Pero como el título de nuestro blog, nada es gratis. Si quieres más rentabilidad esperada, la varianza de la cartera eficiente aumenta. Por lo que no hay que calcular una cartera eficiente, sino toda la frontera eficiente. Y así dentro de esta frontera, cada uno puede elegir la combinación de rentabilidad esperada y riesgo que más le guste según su percepción del riesgo.

Recordemos que la tesis es de 1954. ¿Se acuerdan de Torbellino, el super computador de 2k? Con papel y lápiz, la solución de Markowitz podía ser elegante, pero tener que identificar tanta cartera óptima no era útil. Y por ahí siguió Markowitz. No contento con una contribución que le valdrá el Nobel, se puso a trabajar (en la Rand Corporation) en cómo utilizar la nueva tecnología de la computación para aplicar sus soluciones. Y de ahí salieron dos grandes contribuciones adicionales: por un lado, el lenguaje de programación SIMSCRIPT, y por otro obtuvo varios resultados fundamentales sobre matrices dispersas (matrices sparse). SIMSCRIPT nunca llegó a ser tan impactante como el lenguaje COBOL en 1959 de la gran Grace Murray Hopper, pero aún se utiliza hoy en día en algunos radares de vuelo. Y las matrices dispersas son una herramienta fundamental para obtener carteras eficientes ya que el problema requiere trabajar con matrices enormes y con muchos ceros. Por estos trabajos recibió en 1989 el premio John von Neumann de la Sociedad Americana de Investigación Operativa.

Hoy en día, la huella de las contribuciones académicas de Harry Markowitz las encontramos en las finanzas y más allá, escondido entre líneas de código cada vez más ocultas tras capas y capas de programación. Los ordenadores del siglo XXI han democratizado la computación y con ellos las finanzas que anticipó este gigante intelectual que fue Harry Markowitz.

https://nadaesgratis.es/admin/markowitz-y-la-democratizacion-de-las-finanzas