PARTE IV. GENEALOGÍA INTELECTUAL
15. Economía de la complejidad
15.1. Santa Fe Institute
15.2. W. Brian Arthur
15.3. Sistemas adaptativos
15.4. Rendimientos crecientes
15.5. Dependencia de trayectoria
15. Santa Fe, W. Brian Arthur y la economía de la complejidad
Introducción: de la economía como equilibrio a la economía como proceso adaptativo
El capítulo anterior situó a Bertalanffy, Forrester y Meadows como antecedentes del pensamiento sistémico que RMS 2.0 incorpora: sistemas abiertos, stocks, flujos, feedbacks, retardos y puntos de intervención.
La siguiente genealogía procede ya directamente de la economía.
A finales de los años ochenta, el Santa Fe Institute reunió a economistas, físicos, matemáticos e investigadores de sistemas complejos para explorar una forma diferente de estudiar determinados fenómenos económicos. W. Brian Arthur fue una de las figuras centrales de aquel programa, del que surgiría lo que posteriormente se conocería como complexity economics. El propio Santa Fe Institute sitúa el comienzo de este programa alrededor de las reuniones de 1987 y presenta a Arthur como uno de sus principales impulsores.
La aportación no consiste simplemente en afirmar que:
la economía es complicada.
Ni tampoco en abandonar:
- equilibrio;
- optimización;
- teoría convencional.
La idea más interesante es otra:
determinados fenómenos económicos se comprenden mejor cuando la economía se representa como un sistema de agentes heterogéneos que adaptan sus estrategias mientras interactúan con un entorno que ellos mismos contribuyen a modificar.
Arthur ha descrito la complexity economics precisamente como una perspectiva en la que la economía está continuamente formándose, generando novedad y adaptándose, en lugar de ser concebida exclusivamente como un sistema ya instalado en un estado estático.
Esto conecta directamente con una de las tesis centrales de RMS:
Sistemaₜ → comportamientoₜ → resultadosₜ → aprendizaje → Sistemaₜ₊₁.
Pero debemos mantener desde el principio la misma cautela que establecimos con la teoría de sistemas:
RMS no utilizará “complejidad” como sustituto de explicación económica.
Decir:
“esto ocurre porque la economía es compleja”
no explica nada.
La complejidad sólo resulta útil cuando permite identificar mecanismos específicos como:
- rendimientos crecientes;
- aprendizaje;
- interacción;
- heterogeneidad;
- feedback;
- path dependence;
- selección;
- redes;
- adaptación.
La contribución de Santa Fe y Arthur será, por tanto, fundamentalmente:
convertir la economía de una fotografía de estados posibles en una teoría más explícita de procesos de formación, selección y evolución de esos estados.
15.1. Santa Fe y el nacimiento de la economía de la complejidad
15.1.1. Una pregunta distinta
La teoría económica convencional pregunta con frecuencia:
¿qué equilibrio es compatible con las decisiones de los agentes?
La economía de la complejidad añade:
¿cómo aparecen los patrones económicos a partir de agentes que interactúan, aprenden y se adaptan?
Las preguntas no son incompatibles.
Pero el foco cambia.
De:
estado
a:
proceso.
15.1.2. El equilibrio como referencia, no necesariamente como punto de partida
RMS debe evitar una caricatura.
La economía de la complejidad no demuestra que:
el equilibrio no exista.
Lo que cuestiona es la conveniencia de asumirlo siempre como:
punto de partida suficiente.
En ciertos problemas:
- coordinación;
- adopción tecnológica;
- mercados financieros;
- innovación;
el proceso mediante el cual los agentes descubren estrategias puede ser tan importante como:
el estado al que finalmente llegan.
15.1.3. Economy in formation
Arthur caracteriza la economía de la complejidad como una visión en la que agentes y patrones se ajustan mutuamente y la economía está permanentemente generando nuevas estructuras. En su síntesis sobre los fundamentos de esta tradición, contrapone explícitamente una economía continuamente “en formación” con una representación puramente estática y mecanicista.
Esto encaja con RMS:
Sₜ → Aₜ → Oₜ → Sₜ₊₁.
Pero RMS añade:
stocks, capacidades e instituciones.
15.1.4. Agentes heterogéneos
Una economía contiene agentes con:
- estrategias;
- información;
- balances;
- competencias;
diferentes.
En muchos modelos convencionales, parte de esta heterogeneidad puede agregarse sin perder información esencial.
En otros problemas:
no.
Por tanto, la regla RMS será:
introducir heterogeneidad cuando cambie causalmente el resultado.
No por realismo decorativo.
15.1.5. Interacción
El comportamiento de un agente puede depender de:
lo que hacen otros agentes.
Ejemplo:
comprar una tecnología puede ser más atractivo si:
muchos ya la utilizan.
Entonces:
utilityᵢ = f(own choice, choices of others).
Tenemos:
interaction effects.
15.1.6. Adaptación
Los agentes pueden modificar:
- estrategias;
- reglas;
- expectativas.
Entonces:
behavior ruleₜ₊₁ ≠ behavior ruleₜ.
Ésta es una diferencia muy importante respecto a sistemas donde las reglas permanecen constantes.
15.1.7. Emergencia
Las interacciones pueden producir patrones:
no diseñados centralmente.
Ejemplo:
- concentración industrial;
- convenciones;
- estructura de precios.
El patrón:
emerge.
Pero RMS exigirá siempre identificar:
qué reglas micro generan el patrón macro.
Proposición RMS-CE1
La economía de la complejidad resulta especialmente útil cuando heterogeneidad, interacción y adaptación son mecanismos causales relevantes para explicar el resultado agregado.
15.2. W. Brian Arthur: rendimientos crecientes
Una de las aportaciones más importantes de Arthur es su trabajo sobre:
increasing returns.
La teoría económica clásica conoce perfectamente los rendimientos crecientes.
La aportación de Arthur consiste en estudiar sistemáticamente sus consecuencias para:
- selección tecnológica;
- localización;
- competencia;
- historia.
Arthur desarrolló esta agenda durante los años ochenta y posteriormente la reunió en Increasing Returns and Path Dependence in the Economy.
15.2.1. Rendimientos decrecientes
En una estructura con rendimientos decrecientes:
una ventaja inicial puede encontrar:
fuerzas compensadoras.
Ejemplo simplificado:
más producción → coste marginal ↑.
Entonces:
expansión se frena.
15.2.2. Rendimientos crecientes
Con increasing returns:
más adopción → mayor ventaja.
Una tecnología utilizada por muchos puede beneficiarse de:
- aprendizaje;
- estándares;
- proveedores;
- usuarios.
Entonces:
adopción ↑ → atractivo ↑ → adopción ↑.
Tenemos:
feedback reforzador.
15.2.3. Positive feedback economics
Arthur mostró cómo los rendimientos crecientes o feedbacks positivos pueden magnificar pequeñas diferencias iniciales y favorecer que determinadas tecnologías o empresas adquieran posiciones dominantes, especialmente cuando existen efectos de red.
Esto conecta directamente con el capítulo 4:
feedback reforzador.
15.2.4. Cuatro mecanismos de increasing returns
Podemos distinguir al menos cuatro fuentes.
1. Learning-by-doing
producción ↑ → experiencia ↑ → coste ↓.
2. Economías de escala
producción ↑ → coste unitario ↓.
3. Network effects
usuarios ↑ → utilidad ↑.
4. Complementariedades
adopción ↑ → proveedores/infraestructura ↑ → utilidad ↑.
RMS debe identificar:
cuál opera.
15.2.5. No confundir mecanismos
Ésta es una precisión importante.
Si observamos:
concentración,
no podemos concluir automáticamente:
“increasing returns”.
Puede deberse a:
- talento;
- regulación;
- poder de mercado.
El feedback debe:
demostrarse.
Proposición RMS-CE2
Los rendimientos crecientes pueden transformar pequeñas ventajas iniciales en diferencias persistentes cuando la adopción genera aprendizaje, escala, efectos de red o capacidades complementarias.
15.3. Path dependence
De los rendimientos crecientes surge una de las ideas más conocidas de Arthur:
path dependence.
Pero debe definirse con precisión.
No significa simplemente:
“la historia importa”.
Eso sería demasiado amplio.
15.3.1. Definición estricta
Utilizaremos:
Path dependence = situación en la que eventos y decisiones anteriores modifican de manera persistente el conjunto de resultados posteriores accesibles o sus probabilidades.
En:
Sₜ₊₁ = F(Sₜ),
el estado presente incorpora:
historia.
15.3.2. Historia amplificada
Supongamos:
tecnologías A y B.
Inicialmente:
muy similares.
Un accidente histórico favorece ligeramente:
A.
Entonces:
A adoption ↑ → learning ↑ → ecosystem ↑ → attractiveness ↑ → A adoption ↑.
La pequeña ventaja inicial se amplifica.
Arthur estudió precisamente cómo increasing returns pueden producir lock-in de tecnologías a partir de acontecimientos históricos contingentes.
15.3.3. Path dependence no significa determinismo
La historia condiciona:
opciones y probabilidades.
No determina necesariamente:
un único futuro.
Esto es importante.
RMS debería evitar:
“pasó A, por tanto B era inevitable”.
15.3.4. Dependencia de trayectoria débil
La historia influye.
Pero cambiar de trayectoria:
es fácil.
15.3.5. Dependencia fuerte
La historia genera:
- activos específicos;
- conocimiento;
- estándares;
- redes.
Entonces:
switching cost ↑.
15.3.6. Stocks como mecanismo de path dependence
Aquí RMS añade algo especialmente útil.
La historia importa porque muchas decisiones pasadas quedan incorporadas en:
stocks.
Por ejemplo:
decisión tecnológicaₜ → maquinaria → conocimiento → proveedores → capacidadesₜ₊₁.
Así:
path dependence = historia incorporada en stocks y relaciones.
15.3.7. North
North incorpora posteriormente esta lógica a:
instituciones.
Instituciones actuales pueden depender de:
trayectorias institucionales previas.
Los materiales académicos de North citan explícitamente a Arthur y Paul David como antecedentes del concepto de path dependence aplicado posteriormente al cambio institucional.
15.3.8. Krugman
Krugman aplica dinámicas semejantes a:
geografía económica.
Una localización industrial inicial puede generar:
- proveedores;
- trabajadores;
- mercado.
Entonces:
history → agglomeration.
15.3.9. Hausmann-Hidalgo
RMS puede extender la lógica hacia:
Capability Space.
Capacidades actuales determinan:
qué nuevas actividades son cercanas.
Entonces:
past capability accumulation → future option set.
Proposición RMS-CE3
La dependencia de trayectoria aparece cuando decisiones anteriores quedan incorporadas en stocks, conocimientos, redes o instituciones que alteran los costes y posibilidades de decisiones futuras.
15.4. Lock-in
Path dependence puede producir:
lock-in.
Pero no toda path dependence acaba en lock-in.
15.4.1. Definición
Lock-in = situación en la que un sistema permanece en una determinada configuración porque cambiar de trayectoria resulta suficientemente costoso, aun cuando exista una alternativa potencialmente superior.
La última condición es importante.
Si la tecnología actual es simplemente:
la mejor,
no tenemos:
lock-in problem.
15.4.2. Fuentes de lock-in
Puede ser:
Tecnológico
maquinaria específica.
Humano
skills específicos.
Institucional
regulación adaptada al sistema actual.
Financiero
activos y deuda asociados.
Cognitivo
rutinas/modelos mentales.
De red
todos utilizan el mismo estándar.
15.4.3. Arthur y tecnología
El mecanismo clásico:
más adopción A → más complementariedades A → coste de cambiar a B ↑.
Así:
success today → persistence tomorrow.
15.4.4. Lock-in eficiente
Debemos introducir una cautela.
Persistencia:
no implica ineficiencia.
Un estándar dominante puede generar:
grandes beneficios de coordinación.
Cambiarlo podría:
destruir esos beneficios.
15.4.5. Liebowitz-Margolis: crítica necesaria
La literatura económica también ha cuestionado interpretaciones demasiado fuertes de path dependence y lock-in, señalando que efectos de red y dependencia histórica no implican automáticamente que el mercado haya quedado atrapado en un resultado inferior.
Esta crítica debe estar presente en RMS.
No debemos llamar lock-in ineficiente a cualquier persistencia tecnológica.
15.4.6. Prueba RMS de lock-in
Para afirmar:
inefficient lock-in
deberíamos demostrar:
- existe alternativa;
- es superior bajo criterio relevante;
- no se adopta;
- existen switching costs/self-reinforcement que explican persistencia.
Proposición RMS-CE4
La persistencia no demuestra lock-in ineficiente; para diagnosticarlo debe identificarse una alternativa superior y un mecanismo autorreforzador que impida o encarezca la transición hacia ella.
15.5. El Farol: incertidumbre, coordinación y aprendizaje inductivo
Otro aporte célebre de Arthur es:
El Farol Bar Problem.
El problema fue diseñado como un ejemplo sencillo de coordinación bajo incertidumbre y razonamiento inductivo. Arthur señala que el modelo muestra de forma natural heterogeneidad, indeterminación, evolución de estrategias y autoorganización.
15.5.1. El problema
Un conjunto de personas decide:
cada semana
si ir a un bar.
El bar es agradable si:
no está demasiado lleno.
Cada persona debe anticipar:
cuántos irán.
15.5.2. La paradoja
Si todos creen:
“habrá poca gente”,
todos van.
Entonces:
está lleno.
Si todos creen:
“estará lleno”,
nadie va.
Entonces:
está vacío.
15.5.3. No existe una regla predictiva obviamente dominante
Los agentes pueden utilizar:
heurísticas diferentes.
Por ejemplo:
- media histórica;
- tendencia reciente;
- ciclo.
Después observan:
resultado
y pueden cambiar:
regla.
15.5.4. Ecología de estrategias
Entonces no tenemos necesariamente:
un agente representativo con una única regla.
Tenemos:
population of strategies.
Las reglas pueden:
- ganar;
- perder;
- ser sustituidas.
Esto se parece mucho a:
selección evolutiva.
15.5.5. Alchian
Aquí aparece una conexión natural.
Alchian:
variación → selección.
Arthur:
estrategias inductivas → evaluación → adaptación.
15.5.6. Nelson-Winter
Las heurísticas pueden compararse con:
rutinas.
No son necesariamente óptimas.
Son:
reglas que funcionan suficientemente bien hasta que:
dejan de hacerlo.
15.5.7. Sargent
Sargent estudia aprendizaje de una forma más explícitamente macroeconómica y formal.
Los agentes pueden intentar aprender:
la estructura del modelo.
Entonces Santa Fe y aprendizaje macro no son tradiciones incompatibles.
Difieren principalmente en:
supuestos y técnicas.
15.5.8. Angeletos
En problemas de coordinación, además:
cada agente necesita pensar qué harán:
los demás.
Esto conecta El Farol con:
higher-order beliefs.
Proposición RMS-CE5
Cuando el resultado depende de las expectativas mutuas de agentes que desconocen el modelo verdadero, puede emerger una ecología de estrategias adaptativas en lugar de una única regla de decisión común.
15.6. Racionalidad inductiva
Arthur utiliza El Farol para enfatizar:
inductive reasoning.
En muchos problemas reales los agentes no conocen:
- distribución verdadera;
- modelo causal exacto.
Entonces buscan:
patrones.
15.6.1. Deductivo
Si conocemos:
- modelo;
- parámetros;
podemos resolver:
la estrategia óptima.
15.6.2. Inductivo
Si no conocemos:
el modelo,
debemos aprender desde:
datos y experiencia.
15.6.3. Hansen-Sargent
Aquí Hansen-Sargent ofrecen un puente extremadamente importante.
La incertidumbre puede no estar sólo en:
qué shock ocurrirá.
Puede estar en:
qué modelo es correcto.
Entonces:
Arthur → agentes crean hipótesis.
Hansen-Sargent → agentes/policymaker protegen decisiones frente a model misspecification.
Dos respuestas distintas a:
model uncertainty.
15.6.4. RMS
Esto justifica incorporar explícitamente:
Model Uncertainty
en:
Arquitectura Informativa.
Los agentes no sólo tienen información imperfecta.
Pueden tener:
modelos imperfectos.
Proposición RMS-CE6
La incertidumbre económica puede afectar no sólo a los parámetros de un modelo conocido, sino al propio modelo causal que los agentes utilizan para interpretar el entorno.
15.7. Emergencia y autoorganización
La economía de la complejidad estudia también:
patrones emergentes.
Arthur señala que El Farol produce autoorganización sin que exista un planificador que asigne quién debe asistir.
Pero debemos precisar:
15.7.1. Autoorganización no significa eficiencia
Un sistema puede autoorganizarse alrededor de:
un patrón:
- eficiente;
- mediocre;
- frágil.
Por tanto:
emergent ≠ optimal.
15.7.2. El mercado como mecanismo autoorganizativo
Los mercados son un ejemplo.
Millones de decisiones pueden producir:
- precios;
- asignaciones.
Pero externalidades o información imperfecta pueden generar:
equilibrios deficientes.
15.7.3. Organizaciones también emergen
Empresas, estándares y clusters pueden emerger mediante:
interacción.
Pero posteriormente se convierten en:
estructuras persistentes.
15.7.4. De emergencia a stock
RMS introduce aquí una ampliación:
un patrón emergente puede:
cristalizar en un stock.
Ejemplo:
cluster emerge.
Después acumula:
- infraestructura;
- talento;
- proveedores.
Entonces:
emergence → accumulation → path dependence.
Proposición RMS-CE7
Un patrón emergente puede transformarse en estructura persistente cuando queda incorporado en stocks, redes, instituciones o capacidades, convirtiendo una dinámica inicialmente contingente en dependencia de trayectoria.
15.8. Economía fuera del equilibrio
La expresión:
out-of-equilibrium economics
debe manejarse cuidadosamente.
RMS no necesita elegir:
equilibrium versus complexity.
15.8.1. Equilibrio como caso posible
Un proceso adaptativo puede:
converger.
Entonces:
equilibrio emerge.
15.8.2. Pero puede no converger
Las reglas pueden seguir cambiando.
Innovación:
crea:
nuevas opciones.
Entonces el sistema puede estar:
continuamente adaptándose.
15.8.3. Endogenous novelty
Ésta es una característica particularmente importante.
Nuevas tecnologías crean:
nuevos objetos económicos.
Ejemplo:
internet.
Antes de existir:
no había:
- plataformas digitales;
- advertising online.
La economía cambia:
el espacio de posibilidades.
15.8.4. RMS y equilibrium ecology
El capítulo 2 introdujo:
ecología de equilibrios.
Ahora podemos ampliarla:
System → possible equilibria → learning/adaptation → changed system → changed equilibrium set.
Entonces:
E(Sₜ) ≠ E(Sₜ₊₁).
15.8.5. El equilibrio puede desaparecer
Una innovación puede modificar:
- costes;
- agentes;
- tecnología.
Entonces un equilibrio anteriormente posible:
puede dejar de serlo.
15.8.6. Equilibrio como objeto endógeno
Por tanto:
el conjunto de equilibrios también evoluciona.
Ésta es una idea especialmente compatible con RMS.
Proposición RMS-CE8
En sistemas innovadores y adaptativos, no sólo cambian las variables dentro de un equilibrio: pueden cambiar también la estructura y el conjunto de equilibrios accesibles.
15.9. La economía crea su propia complejidad
Arthur desarrolla una idea especialmente interesante:
la tecnología se construye combinando tecnologías anteriores.
Su trabajo posterior sobre la naturaleza y evolución de la tecnología presenta la tecnología como combinatoria y evolutiva; esta línea forma una parte importante de su programa más amplio sobre complejidad económica.
15.9.1. Tecnología combinatoria
Tecnología nueva:
T_new = combination(T₁,T₂,...).
Entonces:
más tecnologías disponibles
pueden producir:
más posibles combinaciones.
15.9.2. Capability Space
Esto conecta directamente con RMS.
capacidades actuales → combinaciones futuras.
Por tanto:
Cₜ → Ωₜ₊₁.
15.9.3. Hausmann-Hidalgo
La relación es especialmente cercana a:
Product Space.
Las actividades existentes condicionan:
qué actividades nuevas son próximas.
Arthur enfatiza:
combinación tecnológica.
Hausmann-Hidalgo:
proximidad de capacidades productivas.
RMS puede integrar ambas.
15.9.4. Dosi
Dosi añade:
paradigmas y trayectorias tecnológicas.
No exploramos uniformemente:
todo el espacio tecnológico.
Exploramos alrededor de:
conocimiento existente.
15.9.5. Innovation frontier
Por tanto:
Innovation Space is structured.
No todas las innovaciones son:
igualmente accesibles.
Proposición RMS-CE9
La innovación expande el espacio económico mediante recombinación de conocimientos y capacidades previas, por lo que las oportunidades tecnológicas futuras dependen parcialmente de la estructura acumulada del presente.
15.10. Path dependence no implica imposibilidad de transición
Una trayectoria puede autorreforzarse.
Pero puede ser:
modificada.
15.10.1. Shock externo
Puede romper:
el feedback.
15.10.2. Nueva tecnología
Puede cambiar:
relative payoff.
15.10.3. Política
Puede modificar:
- reglas;
- infraestructura.
15.10.4. Capacidad de sustitución
Puede reducir:
switching cost.
15.10.5. Meta-capacidad
Puede permitir:
construir nueva trayectoria.
Entonces:
path dependence ≠ path determinism.
15.11. Arthur y transición tecnológica
La transición entre tecnologías puede representarse:
A dominance
↓
innovación B
↓
adopción inicial B
↓
learning B
↓
ecosystem B
↓
switching dynamics
↓
B dominance.
Pero la transición puede detenerse en:
cualquier punto.
15.11.1. Threshold
B puede necesitar:
critical mass.
Antes:
feedback insuficiente.
Después:
autorrefuerzo.
15.11.2. Tipping point
Cuando se supera determinado umbral:
la dinámica dominante cambia.
Entonces:
incremental input → discontinuous outcome.
15.11.3. Precaución
“Tipping point” tampoco debe utilizarse:
retrospectivamente para todo.
Debemos identificar:
- no linealidad;
- threshold;
- cambio de feedback.
15.12. Arthur y competencia
Los increasing returns generan una implicación importante.
Competencia puede producir:
winner-take-most.
15.12.1. Ventaja inicial
Empresa A:
crece.
15.12.2. Feedback
más usuarios:
→ más datos
→ mejor producto
→ más usuarios.
15.12.3. Concentración
A puede dominar.
Por tanto:
competition → concentration.
15.12.4. Gabaix
Gabaix aporta otra explicación de:
granularidad.
Cuando algunas firmas son enormes:
sus shocks tienen efectos macro.
Arthur ayuda a explicar potencialmente:
cómo pueden volverse enormes en ciertos contextos.
Gabaix:
qué consecuencias macro tiene su tamaño.
15.12.5. Antitrust
La política de competencia necesita entonces distinguir:
scale efficiency
de:
self-reinforcing dominance.
No toda empresa grande:
es ineficiente.
Pero los efectos de red pueden producir:
barriers to entry.
15.13. Arthur y geografía económica
Increasing returns también interactúan con:
espacio.
15.13.1. Cluster
Más empresas:
→ más trabajadores especializados
→ más proveedores
→ mayor atractivo
→ más empresas.
15.13.2. Krugman
La nueva geografía económica formaliza mecanismos relacionados mediante:
- costes de transporte;
- economías de escala.
Por tanto:
Arthur y Krugman son:
complementarios, no rivales.
15.13.3. RMS
El cluster es:
stock relacional.
Una vez formado:
contiene:
- proveedores;
- conocimiento.
Esto explica:
T_destroy < T_rebuild.
15.14. Arthur y mercados financieros
La tradición Santa Fe también se extendió hacia:
artificial stock markets.
Arthur, Holland, LeBaron y colaboradores desarrollaron modelos donde agentes heterogéneos forman expectativas mediante reglas que evolucionan según su desempeño; estas investigaciones forman parte explícita de la colección de trabajos de Arthur sobre complejidad económica.
15.14.1. Expectativas heterogéneas
Agentes utilizan:
reglas diferentes.
15.14.2. Performance selection
Las reglas que funcionan:
ganan peso.
15.14.3. Prices affect beliefs
Precios resultantes:
modifican:
qué reglas parecen buenas.
Entonces:
beliefs → prices → belief selection.
15.14.4. Reflexividad sin necesidad de vaguedad
Podemos expresar:
expectationₜ → tradeₜ → priceₜ → forecast performanceₜ → expectation ruleₜ₊₁.
Tenemos un feedback preciso.
15.14.5. Angeletos y Woodford
Los enfoques son distintos.
Woodford:
expectativas coherentes dentro de estructura macro.
Angeletos:
información imperfecta/higher-order beliefs.
Santa Fe:
heterogeneidad y evolución de reglas.
RMS puede utilizarlos según:
la pregunta.
15.15. Complexity economics y Agent-Based Models
Aquí aparece la herramienta metodológica más asociada a esta tradición:
ABM.
15.15.1. Qué es un ABM
Un modelo basado en agentes especifica:
- población de agentes;
- reglas;
- interacción.
Después estudia:
patrones agregados emergentes.
15.15.2. Ventaja
Permite representar:
- heterogeneidad;
- redes;
- aprendizaje.
15.15.3. Coste
Puede introducir:
muchos grados de libertad.
Entonces aparece riesgo de:
model overfitting / story machine.
15.15.4. RMS
Un ABM debe utilizarse sólo cuando:
heterogeneidad + interacción + adaptación
sean esenciales.
15.15.5. Farmer
Doyne Farmer será el protagonista del siguiente capítulo porque desarrolla precisamente el puente entre:
complexity economics
y:
modelos económicos computacionales aplicados.
15.16. Complexity versus DSGE
No necesitamos plantear:
una guerra metodológica.
DSGE
Es muy potente para:
- consistencia intertemporal;
- política;
- expectativas.
ABM
Puede ser más flexible para:
- heterogeneidad;
- redes;
- aprendizaje.
Network models
Útiles para:
propagación.
System Dynamics
Útil para:
stocks/flows agregados.
15.16.1. RMS como pluralismo disciplinado
La regla:
método según mecanismo.
No:
método según escuela.
Éste debería ser uno de los principios metodológicos más importantes del libro.
15.17. Complexity economics y equilibrio
Podemos ahora reconciliar capítulo 2 y capítulo 15.
La teoría del equilibrio pregunta:
¿qué estados son mutuamente consistentes?
La complejidad pregunta:
¿cómo se forma y modifica el estado?
RMS necesita ambos.
15.17.1. Consistencia
Equilibrio evita:
contradicciones lógicas.
15.17.2. Formación
Complejidad explica:
posible proceso de llegada.
15.17.3. Transición
RMS añade:
capacidad para pasar de un estado a otro.
15.17.4. Arquitectura final
Systemₜ → interaction/adaptation → equilibrium/patternₜ → accumulation → Systemₜ₊₁.
15.18. Complexity economics y política
Una economía adaptativa genera dificultades particulares para:
policy design.
15.18.1. Agentes adaptan
Policy:
P.
Agentes responden:
A(P).
Entonces:
Outcome = f(P,A(P)).
15.18.2. Lucas
Esto conecta:
complexity
con:
Lucas critique.
15.18.3. Goodhart
También:
cuando una métrica se convierte en objetivo,
puede cambiar:
comportamiento alrededor de ella.
15.18.4. Política como experimento
Si no conocemos perfectamente:
modelo,
puede ser racional:
experimentar.
Rodrik entra aquí.
15.18.5. Policy portfolio
En lugar de:
gran apuesta única,
podemos probar:
múltiples soluciones.
Entonces:
variation → selection → scaling.
Esto combina:
- Alchian;
- Nelson-Winter;
- Rodrik.
15.19. Evolutionary Policy
Podemos introducir:
política evolutiva = política que genera variación controlada, mide desempeño, selecciona soluciones y escala aquellas que superan criterios previamente definidos.
No significa:
laissez-faire.
Ni:
planificación.
Significa:
learning architecture.
15.20. Pero experimentación también puede fallar
La experimentación necesita:
- capacidad de evaluación;
- capacidad de cerrar proyectos.
Si todo experimento:
continúa indefinidamente,
tenemos:
subsidy lock-in.
15.21. Selection discipline
Por tanto:
experimentación sin selección ≠ aprendizaje.
RMS debería insistir:
Variation + Measurement + Selection + Scaling.
15.22. China y Arthur: hipótesis futura
Aquí aparece una aplicación futura especialmente interesante.
Podríamos preguntar:
¿determinadas políticas chinas generan mayor velocidad de experimentación, learning-by-doing y escala?
Pero también:
¿pueden los mismos feedbacks generar sobrecapacidad, lock-in y mala asignación?
Naughton será central.
15.23. Europa y lock-in: hipótesis futura
Del mismo modo, podríamos investigar:
si determinadas arquitecturas europeas generan switching costs institucionales o regulatorios que reducen la velocidad de transición.
Pero de nuevo:
debe ser:
hipótesis.
No conclusión.
15.24. Complexity y capacidades
La conexión entre Arthur y RMS se vuelve especialmente clara aquí.
RMS dice:
Cₜ → Ωₜ₊₁.
Arthur:
tecnologías existentes generan:
nuevas combinaciones.
Hausmann-Hidalgo:
capacidades existentes determinan:
productos próximos.
Teece:
dynamic capabilities permiten:
reconfiguración.
Estas tres perspectivas pueden integrarse.
15.24.1. Capability adjacency
Una capacidad nueva puede ser más fácil si:
comparte componentes con:
capacidades existentes.
15.24.2. Recombination
Nuevas capacidades:
C_new = recombination(C_existing).
No siempre, pero frecuentemente.
15.24.3. Capability ladder
Podemos imaginar:
C₁ → C₂ → C₃.
Intentar:
C₁ → C₁₀
puede ser mucho más costoso.
15.25. Complexity y bottlenecks
El sistema adaptativo también genera:
nuevos bottlenecks.
Si capacidad A crece:
demanda de B aumenta.
Entonces:
growth itself relocates constraints.
Esto conecta:
Arthur + capítulo 9.
15.26. Complexity y resiliencia
La diversidad de agentes y estrategias puede:
aumentar resiliencia.
Pero también:
complejidad de interacciones puede generar:
cascadas.
Entonces:
complexity ≠ resilience automatically.
15.27. Diversity
Más variedad puede aumentar:
opciones de respuesta.
Ashby.
15.28. Connectivity
Más conexión puede aumentar:
difusión.
Pero también:
contagio.
Acemoglu.
15.29. Modularity
Puede limitar:
cascadas.
Pero reducir:
sinergia.
15.30. Complexity trade-off
Podemos formular:
la complejidad puede simultáneamente aumentar capacidad de adaptación y crear nuevas vías de propagación de shocks.
Ésta será importante en capítulos 16 y 21.
15.31. Complexity y poder
Los feedbacks también pueden:
concentrar poder.
Ejemplo:
usuarios → plataforma → datos → calidad → usuarios.
Entonces:
network feedback
genera:
economic power.
Aquí Arthur conecta posteriormente con:
- Gabaix;
- Farrell-Newman.
15.32. Power lock-in
Si una empresa dominante utiliza:
posición
para aumentar:
switching costs,
tenemos:
feedback tecnológico + feedback político/institucional.
Entonces aparecen:
multilayer lock-ins.
15.33. Path dependence multicapa
Podemos distinguir:
Tecnológico
Arthur/Dosi.
Institucional
North/Acemoglu.
Espacial
Krugman.
Productivo
Hausmann-Hidalgo.
Organizativo
Nelson-Winter.
Político
Acemoglu.
Esto puede ser una contribución integradora de RMS.
15.34. RMS Path Dependence Matrix
| Capa | Stock persistente | Feedback | Coste de cambio |
|---|---|---|---|
| Tecnología | maquinaria/know-how | learning | alto |
| Instituciones | reglas/rutinas | poder | alto |
| Espacio | infraestructura/cluster | aglomeración | alto |
| Capacidades | skills/proveedores | proximity | medio-alto |
| Finanzas | balances | leverage | variable |
Esto permite pasar de:
“hay path dependence”
a:
¿dónde reside exactamente?
15.35. Lock-in score conceptual
Podemos pensar:
L_i = Specificity × SelfReinforcement × SwitchingCost × CoordinationDependence.
No como índice definitivo.
Sino como:
herramienta de diagnóstico.
15.36. Path creation
Una idea importante:
los sistemas no sólo:
heredan trayectorias.
Pueden intentar:
crear otras nuevas.
15.36.1. Nueva capacidad
C_new.
15.36.2. Inicialmente débil
No tiene:
- ecosistema;
- escala.
15.36.3. Necesita fase de construcción
investment → adoption → learning → scale.
15.36.4. Path creation policy
La política puede intentar:
activar feedback suficiente para que nueva trayectoria se vuelva autosostenible.
Pero esto plantea riesgo:
premature lock-in.
15.37. Premature lock-in
Si escogemos demasiado pronto:
tecnología A,
podemos impedir explorar:
B y C.
Entonces:
coordination benefit today → lower option value tomorrow.
Ésta es una conexión importante con:
Hansen-Sargent
y:
optionalidad.
15.38. Exploración versus explotación
Un sistema enfrenta:
Exploitation
mejorar lo conocido.
Exploration
probar alternativas.
Demasiada explotación:
→ lock-in.
Demasiada exploración:
→ falta de escala.
15.39. RMS Exploration-Exploitation Balance
La política y empresa necesitan:
equilibrar:
learning from existing path
con:
search for alternative paths.
Ésta será especialmente importante en:
transiciones tecnológicas.
15.40. Qué aporta Arthur específicamente a RMS
Después de todo el análisis podemos separar sus aportaciones.
1. Increasing returns
feedback positivo económico.
2. Path dependence
la historia modifica opciones futuras.
3. Lock-in
trayectorias pueden autorreforzarse.
4. Inductive reasoning
agentes aprenden sin conocer modelo perfecto.
5. Heterogeneity
estrategias pueden coexistir.
6. Emergence
patrones agregados pueden autoorganizarse.
7. Endogenous novelty
la economía crea nuevas tecnologías y posibilidades.
8. Complexity economics
la economía como proceso en formación.
15.41. Qué debe añadir RMS a Arthur
La integración exige añadir:
Stocks
Forrester.
Instituciones
North/Ostrom.
Contratos
Coase/Hart/Holmström.
Equilibrios
economía convencional.
Finanzas
Minsky/Shin/Brunnermeier.
Capabilities
Hausmann-Hidalgo/Teece.
Redes
Acemoglu.
Resilience
Holling/Folke.
Transition capacity
RMS.
15.42. Una cautela fundamental: complexity no sustituye identificación
Esta debe quedar explícita.
Podemos construir:
ABM muy complejo
que reproduzca:
datos.
Pero quizá:
muchas parametrizaciones diferentes
generen:
el mismo resultado.
Entonces:
model fit ≠ causal identification.
15.43. Complexity model discipline
Todo modelo de complejidad RMS debe:
- justificar heterogeneidad;
- justificar reglas;
- validar microcomportamiento;
- contrastar macroresultados;
- realizar sensibilidad;
- comparar con modelo más simple.
15.44. Complejidad mínima suficiente
Recuperamos el principio del capítulo 1:
usar el modelo más sencillo capaz de representar los mecanismos relevantes.
Complexity economics no significa:
maximum complexity.
15.45. Falsabilidad
Ejemplo:
hipótesis:
network effects generan lock-in tecnológico.
Predicciones:
- adopción pasada aumenta probabilidad futura;
- controlar calidad no elimina efecto;
- switching cost aumenta con tamaño de red.
Si no aparecen:
debemos rechazar:
la explicación.
15.46. RMS Complexity Protocol
Ante un fenómeno donde sospechamos complejidad:
1. Heterogeneidad
¿los agentes relevantes son distintos?
2. Interacción
¿las decisiones dependen de otros?
3. Adaptación
¿cambian estrategias?
4. Feedback
¿existe autorrefuerzo?
5. Stocks
¿qué incorpora historia?
6. Path dependence
¿el pasado altera opciones presentes?
7. Thresholds
¿existen no linealidades?
8. Selection
¿qué agentes/rutinas sobreviven?
9. Emergence
¿qué patrón macro resulta?
10. Falsificación
¿qué observación refutaría el mecanismo?
Éste será el:
RMS Complexity Protocol.
15.47. Proposiciones RMS derivadas de la economía de la complejidad
RMS-CE1 — Heterogeneidad
Cuando agentes heterogéneos interactúan y adaptan estrategias, los resultados agregados pueden depender de la distribución de comportamientos y no sólo de sus promedios.
RMS-CE2 — Increasing returns
Los rendimientos crecientes pueden amplificar pequeñas diferencias iniciales mediante aprendizaje, escala, efectos de red y complementariedades.
RMS-CE3 — Path dependence
Las decisiones pasadas condicionan posibilidades futuras cuando quedan incorporadas en stocks, redes, conocimientos o instituciones.
RMS-CE4 — Lock-in
La persistencia sólo constituye lock-in ineficiente cuando existe una alternativa superior y mecanismos autorreforzados elevan suficientemente los costes de transición.
RMS-CE5 — Aprendizaje inductivo
Bajo incertidumbre de modelo, los agentes pueden utilizar y seleccionar heurísticas adaptativas en lugar de una regla universalmente óptima conocida.
RMS-CE6 — Model uncertainty
Agentes y policymakers pueden desconocer no sólo futuros shocks, sino el modelo causal que los genera.
RMS-CE7 — Emergencia
Los patrones agregados pueden emerger de interacciones descentralizadas y transformarse posteriormente en estructuras persistentes.
RMS-CE8 — Equilibrio evolutivo
En sistemas innovadores, el conjunto de equilibrios posibles puede cambiar porque la tecnología, las capacidades y los agentes también evolucionan.
RMS-CE9 — Recombination
Las capacidades y tecnologías existentes condicionan qué innovaciones nuevas resultan accesibles mediante recombinación y proximidad.
RMS-CE10 — Transition
Cambiar de trayectoria requiere superar stocks específicos, complementariedades, redes y expectativas que sostienen la trayectoria vigente.
RMS-CE11 — Exploration
Sistemas excesivamente especializados en explotar una trayectoria pueden reducir su capacidad para descubrir alternativas.
RMS-CE12 — Complexity trade-off
La diversidad y conectividad pueden aumentar aprendizaje y adaptación, pero también crear nuevas vías de contagio y fragilidad.
15.48. Genealogía intelectual de este capítulo
| Autor / tradición | Aportación |
|---|---|
| W. Brian Arthur | increasing returns, path dependence, adaptación y complexity economics |
| Santa Fe Institute | economía como sistema complejo adaptativo |
| John Holland | sistemas adaptativos y algoritmos evolutivos |
| Alchian | selección bajo incertidumbre |
| Nelson-Winter | rutinas, búsqueda y evolución empresarial |
| Dosi | paradigmas y trayectorias tecnológicas |
| Krugman | aglomeración y rendimientos crecientes espaciales |
| Schelling | emergencia micro-macro |
| Sargent / Hansen | aprendizaje e incertidumbre de modelo |
| Angeletos | coordinación y higher-order beliefs |
| Hausmann-Hidalgo | proximidad y evolución de capacidades |
| Teece | reconfiguración mediante dynamic capabilities |
| Gabaix | consecuencias macro de concentración granular |
| Acemoglu | redes y propagación |
| Farmer | desarrollo posterior de macroeconómica basada en agentes |
El protagonista sigue siendo:
Arthur.
Los demás permiten insertar su aportación dentro de:
RMS 2.0.
Conclusión: una economía no sólo ocupa un estado; construye continuamente el siguiente
La contribución de Santa Fe y W. Brian Arthur permite añadir una dimensión esencial a la genealogía de RMS.
Bertalanffy había enseñado a preguntar:
¿cuál es el sistema?
Forrester:
¿qué stocks, flujos y feedbacks producen su dinámica?
Meadows:
¿dónde se puede intervenir?
Arthur añade:
¿qué ocurre cuando los propios agentes aprenden, reaccionan y modifican la estructura que intentamos estudiar?
La economía aparece entonces como un:
sistema adaptativo.
Arthur muestra cómo los rendimientos crecientes pueden amplificar pequeños acontecimientos y generar dominancia, especialmente cuando existen mecanismos como efectos de red y aprendizaje.
De ahí surge:
path dependence.
Pero RMS puede precisar su mecanismo:
la historia importa cuando queda almacenada en capital, conocimiento, infraestructuras, redes, instituciones y capacidades que modifican el coste de las decisiones posteriores.
Esto permite conectar Arthur con:
stocks.
El siguiente paso es:
lock-in.
Pero la cautela de Liebowitz y Margolis resulta indispensable: la mera persistencia o existencia de efectos de red no demuestra automáticamente que el sistema esté atrapado en una alternativa inferior.
Por tanto, RMS debe distinguir:
persistencia
de:
inefficient lock-in.
El Farol añade otra dimensión.
Cuando los agentes no conocen una regla objetiva capaz de anticipar perfectamente lo que harán los demás, pueden utilizar estrategias inductivas y adaptarlas a partir de sus resultados. Arthur presenta El Farol precisamente como un ejemplo donde heterogeneidad, indeterminación, evolución de estrategias y autoorganización surgen de forma natural.
Esto permite conectar:
Arthur → Alchian → Nelson-Winter → Sargent → Hansen.
Los agentes:
- prueban;
- aprenden;
- seleccionan;
- actualizan.
La economía deja entonces de ser solamente:
asignación de recursos bajo una estructura dada.
Se convierte también en:
un proceso que modifica la propia estructura de posibilidades económicas.
La innovación crea:
nuevas tecnologías.
Las nuevas tecnologías crean:
nuevos mercados.
Los nuevos mercados crean:
nuevas empresas.
Las nuevas empresas construyen:
nuevas capacidades.
Y esas capacidades hacen posibles:
nuevas innovaciones.
Tenemos:
Tecnologíaₜ → capacidadesₜ → nuevas combinaciones → tecnologíaₜ₊₁.
Por ello la economía puede:
crear su propio espacio de posibilidades.
Ésta es posiblemente la aportación más profunda de Arthur a RMS.
Y nos permite formular una tesis importante:
El desarrollo no consiste únicamente en desplazarse hacia un equilibrio superior dentro de un espacio económico dado; también puede consistir en ampliar el propio espacio de estados y capacidades accesibles.
Así:
Ωₜ₊₁ ≠ Ωₜ.
El sistema aprende.
Se transforma.
Genera nuevas opciones.
Pero también puede:
- bloquearse;
- especializarse demasiado;
- crear dependencias;
- concentrar poder.
Por eso complexity economics no implica:
optimismo tecnológico.
El mismo feedback que genera:
aprendizaje
puede generar:
lock-in.
El mismo efecto de red que aumenta:
eficiencia
puede generar:
concentración.
La misma conectividad que permite:
difusión
puede transmitir:
shocks.
Ésta es la naturaleza ambivalente de la complejidad.
Y de ella puede surgir una de las formulaciones centrales de RMS 2.0:
Una economía debe evaluarse no sólo por el estado que ha alcanzado, sino por los procesos de aprendizaje, selección y autorrefuerzo que determinan qué estados podrá alcanzar después.
Por tanto:
Estado actual
es menos informativo que:
Estado actual + trayectoria + capacidad adaptativa.
Y podemos condensar la herencia de Arthur en una secuencia:
Diferencia inicial
→ feedback positivo
→ acumulación
→ path dependence
→ posible lock-in
→ estructura futura.
Pero RMS añade otra posible secuencia:
Experimentación
→ aprendizaje
→ selección
→ escalado
→ nuevas capacidades
→ nuevas opciones.
Una conduce potencialmente a:
rigidez.
La otra a:
adaptación.
El problema económico profundo consiste en comprender:
cuándo los feedbacks que hacen fuerte a un sistema hoy aumentan sus capacidades futuras y cuándo empiezan a encerrar al sistema en la trayectoria que ayer le dio éxito.
Ésta es la transición natural hacia el siguiente capítulo de la genealogía:
16. Doyne Farmer y la macroeconomía basada en agentes
Porque después de aceptar que los agentes son heterogéneos, interactúan, aprenden y generan patrones emergentes, debemos plantearnos la siguiente cuestión:
¿cómo podemos convertir esa visión de la economía en modelos cuantitativos capaces de simular economías reales, analizar políticas y producir predicciones contasratables?
No hay comentarios:
Publicar un comentario