Dinmica No Lineal y Caos en Aplicaciones

Econmicas
Sergio Petralia *
Marzo 2007
Jornadas de perfeccionamiento docente
Universidad de Buenos Aires

*El estilo de esta presentacin es informal. Se har nfasis en ejemplos concretos

e interpretaciones geomtricas en lugar de pruebas abstractas con en fin de
amenizar la lectura, seguramente contenga innumerables errores; por favor
consultas y observaciones a sergio_petralia@yahoo.com.ar.

Introduccin:
Tradicionalmente, en economa se ha explicado el comportamiento de los
sistemas en trminos lineales. Por supuesto, se saba que las verdaderas
relaciones eran no lineales, pero como stas resultaban difciles de manejar, las
aproximaciones lineales se consideraban, en general, como una simplificacin
til y aceptable. La idea bsicamente es perder simplicidad, dejar atrs los
supuestos de regularidad y orden para trabajar con modelos que reflejen mas
adecuadamente las situaciones de la realidad sin dejar el mbito del
determinismo, antes de entrar en la resolucin del modelo seria til discutir
algunas diferencias entre los sistemas lineales y no lineales.
En una relacin lineal una causa dada tiene un solo efecto, una accin dada tiene
un nico resultado. En cambio, en una relacin no lineal, una causa o una accin
dadas pueden tener varios efectos o resultados diferentes. En otras palabras, las
ecuaciones lineales tienen una sola solucin y por lo general pueden resolverse
con facilidad, pero las no lineales tienen ms de una solucin y no existe un
mtodo general para resolver la mayor parte de ellas.
Los sistemas lineales poseen una propiedad aditiva simple, por la cual
constituyen la suma de sus componentes. El sistema lineal puede fragmentarse en
sus diversos elementos y cada uno de ellos puede estudiarse y explicarse por
separado, despus de lo cual se los puede unir nuevamente y explicar el sistema
en su totalidad. En el caso de los sistemas no lineales, esta propiedad aditiva
simple no existe, son sinrgicos1 , por lo tanto no es posible entenderlos
plenamente mediante el mtodo reduccionista de descomponerlos y volver a
reunir sus partes.
La aproximacin lineal a un sistema no lineal slo es aceptable y til si la
sinergia es relativamente poco importante, en la medida en que aceptemos que
los cambios en economa no son suaves ni siguen patrones lineales, y que las
pequeas modificaciones pueden inducir grandes cambios, talvez sea til la
implementacin del herramental de la dinmica no lineal, no como mtodo
portador de una verdad absoluta sino como un buen camino para ampliar
horizontes y encontrar explicacin a ciertos fenmenos no abarcados por
paradigma de la linealidad.
En lo que sigue se desarrollaran dos modelos que parecen apropiados para este
tpico, el dinero como numerario del Dr. Olivera y dinmica no lineal y caos
del Prof. Vctor Beker.

La sinergia es la integracin de elementos que da como resultado algo ms grande que la simple suma
de stos, es decir, cuando dos o ms elementos se unen sinrgicamente crean un resultado que aprovecha
y maximiza las cualidades de cada uno de los elementos.

Los Modelos:
El Dinero como numerario2
La siguiente modelizacin plantea una demanda de dinero alternativa a la que
estamos acostumbrados a trabajar donde la cantidad demandada de dinero no
solo depende de variables como el nivel de precios corriente ( Pt ) sino tambin de
sus desviaciones con respecto al valor de equilibrio (Pt P* ) y de su evolucin a
travs del tiempo (Pt +1 Pt ) . Estas variables representan distintas funciones
monetarias, Pt refleja al dinero como medio general de cambio, (Pt +1 Pt ) su
funcin como reserva de valor, y (Pt P* )2 su uso como numerario o unidad de
cuenta. Adicionalmente suponemos que la demanda de dinero responde
positivamente con respecto al nivel de precios corrientes y negativamente tanto
con respecto a la variacin del precio en torno al valor de equilibrio como a su
evolucin positiva en el tiempo. 3
Pasamos entonces a explicitar la forma de la demanda de dinero,
L(Pt +1 ;Pt ) = l + a Pt b(Pt +1 Pt ) c(Pt P* ) 2

Donde l, a, b, c >0

Podemos de esta manera reducir el intervalo de variacin de b si expresamos las

variables en logaritmos de la siguiente forma:
L(Pt +1 ;Pt ) = l + a Pt b Pt +1 + b Pt c(Pt P* ) 2
L(Pt +1 ;Pt ) = l + (a + b) Pt b Pt +1 c(Pt P* )2
L(Pt +1 ;Pt ) = l + Ln(a + b) Pt Ln(b) Pt +1 Ln(c)(Pt P* ) 2

Luego,

1< a+b >1 o 1-a< b>1

En cuanto al comportamiento del ajuste del nivel de precios se sigue la hiptesis

clsica de que el valor del dinero varia inversamente a los excesos de oferta en el
mercado monetario, por consiguiente suponiendo una oferta de dinero fija 4 y un
coeficiente de reaccin constante (por simplicidad igual a 1), tenemos:
2

El presente trabajo se basa en el articulo del Dr. Julio Olivera presentado en la revista Economic Notes
en 1995 con el titulo The Unit of Value
3
Es decir, un incremento en el nivel de precios corriente aumenta la cantidad demandada de dinero
debido a la necesidad de mantener el nivel de transacciones, mientras que un proceso inflacionario
disminuye el valor del dinero mermando las cantidades retenidas por motivos especulativos o
precautorios, a su vez la cantidad demandada de dinero se ve influenciada negativamente cuando difiere
de su valor de equilibrio al no poder cumplir su papel como unidad de cuenta o medida comn entre los
precios de los distintos bienes.
4
Aunque la oferta monetaria se tome como fija se debe tener en cuenta que en este caso podra utilizarse
como medida de poltica de manera de garantizar la convergencia al equilibrio

Pt +1 Pt = [m L(Pt +1 ;Pt ) ]
Pt +1 Pt = m l a Pt + b(Pt +1 Pt ) + c(Pt P* ) 2

Donde en equilibrio Pt +1 Pt = 0 = m l aP* , combinando las dos ecuaciones

anteriores llegamos al siguiente resultado:
Pt +1 Pt = a(Pt P* ) + b(Pt +1 Pt ) + c(Pt P* ) 2 , donde

m = l + aP *

Agregando trminos a la ecuacin y reemplazando ( Pt P* ) por Zt llegamos a

una simplificacin de la ecuacin original que nos permitir trabajar de mejor
manera. Los pasos son los siguientes:
Pt +1 Pt = a(Pt P* ) + b(Pt +1 Pt ) + c(Pt P* ) 2
Pt +1 b Pt +1 = a (Pt P* ) + Pt b Pt + c(Pt P* ) 2
Pt +1 b Pt +1 P* bP* = a (Pt P* ) + Pt b Pt + c(Pt P* ) 2 P* bP*
(Pt +1 P* ) b(Pt +1 P* ) = a(Pt P* ) + (Pt P* ) b(Pt P* ) + c(Pt P* ) 2

Renombrando:
Z t +1 bZ t +1 = aZ t + Z t bZ t + cZ t 2
Z t +1 Z t = aZ t + b( Z t +1 Z t ) + cZ t 2

La cual podemos expresar de la siguiente manera:

Z t +1 (1 b) = Z t (1 a b ) + cZ t 2
Z t +1 =

(1 a b)
c
Zt +
Zt 2
(1 b)
(1 b)

O bien:
Z t +1 = Z t + Z t 2

Donde
= 1

c
a
>0
< 0 , =
1 b
(1-b)

El siguiente paso podra consistir en analizar el comportamiento de esta ecuacin

y su estabilidad, en cuanto a su forma, dado que es una funcin cuadrtica vamos
a determinar sus mnimos o mximos, concavidad o convexidad y sus respectivas
races.
4

Dado que
2 Z t +1
= 2 > 0
Z t2

Y que las races son las siguientes

Zt = 0 y Z t =

Sabiendo que la funcin tiene un punto critico que es mnimo en

Zt =

>0

dado que

Z t +1
= + 2 Zt
Z t

Podemos graficarla tentativamente de la siguiente manera

Z t +1

Zt =

Zt

Para hallar analticamente los puntos fijos de la ecuacin procedemos a igualar

Z t +1 = Z t , entonces:
Zt = Zt + Zt 2
0 = ( 1) Z t + Z t 2

Donde:
(1 ) ( 1) 2 (1 ) ( 1)
Z =
=
2
2
(1 )
Z 2e =

e
1,2

Por consiguiente

Z1e = 0

Resultado que evidencia la existencia de dos puntos fijos uno de los cuales
( Z1e = 0 ) concuerda con los valores de

P* antes obtenidos, ntese que

Z t +1 = Z t = 0 Pt +1 = Pt = P* = (m 1) c . Adicionalmente encontramos un pseudo

equilibrio para valores de

a
[1 (1 a b) (1 b)] (1 b) (1 a b) a
c
Z t = (1 ) =
=
= >0
a
c (1 b)
1 b
c
Pt e = P* +
c
Pte P* =

Lo cual determina un nivel de precios estacionario pero mayor al de equilibrio,

restara ahora analizar la estabilidad 5 de los puntos mencionados de acuerdo a
los valores de los parmetros, recordemos que para que el mapa sea estable 6 es
necesario que
Z t +1
<1
Z t

Por consiguiente como

Z t +1
= + 2 Zt
Z t

Tenemos como resultado un punto estable en Zt = 0 para valores de > 1

dado que
Z t +1
Zt

5
6

= (recordemos que el valor de ya se encuentra acotado a ser < 0)

Zt = 0

En todos los casos la estabilidad se analizara localmente.

Aunque no se haga mencin explicita existe la posibilidad de que el sistema resulte en valores de

Z t +1
= 1 , en tal caso podramos hacer uso de los trminos de segundo orden.
Z t

y un punto siempre inestable para

Zt =

(1 )

dado que

Z t +1
Z t

= 2 ,

que es siempre mayor a 1 en

Zt = (1 )

modulo.
Grficamente:
Z t +1

Z t = 0 Localmente Estable

Z0

Z0

Zt

Ntese en los grficos siguientes que para valores menores prximos al pseudo
equilibrio la convergencia hacia Zt = 0 es asinttica mientras que en valores
prximos a l la convergencia es oscilante
Para Zt =1 = 1.45 Zt =1 = 1.45
2

Z(t)

1,5
1
0,5
0
-0,5

10

Z(t)

Para Zt =1 = 0.25
0,3
0,25
0,2
0,15
0,1
0,05
0
-0,05
-0,1

10

En el caso en el que Zt = 0 es inestable el anlisis grafico muestra lo siguiente:

Z t +1

Z t = 0 Localmente Inestable

Z0

Z0

Zt

Lo que evidencia que la convergencia a Zt = 0 se presenta con comportamientos

errticos en un entorno que tienden a ser peridicos, como se aprecia en las
graficas siguientes:

Z(t)

Para Zt =1 = 0.2
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
-0,1
-0,2
-0,3
-0,4

10

Para Zt =1 = 1.2
1,4
1,2
1

Z(t)

0,8
0,6
0,4
0,2
0
-0,2

10

11

12

13

14

15

16

17

-0,4
t

De este anlisis se desprenden distintas peculiaridades dinmicas del modelo,

ntese que en particular para los valores 0.5 > Zt > 1.25 el comportamiento de
los precios tiende a + , mientras que cuando Zt = 0.5 el sistema deriva en el
precio de pseudo equilibrio permaneciendo estable, anlogamente cuando
Zt = 0.75 el sistema retorna a su valor de equilibrio; estas particularidades son
consecuencia del termino de segundo orden del mecanismo de ajuste de precios 7
,
7

Esta solucin es un caso particular de los distintos comportamientos que puede presentar el modelo,
quien quiera puede replantearse el sistema sin explicitar valores numricos y obtendr dinmicas
diferentes de acuerdo a los valores de los parmetros, adicionalmente es til tener en cuenta que cualquier
mapa cuadrtico de la forma X t +1 = + X t + X t2 es reducible al mapa logstico yt +1 = yt (1 yt ) a

travs del cambio de variables y = A + Bx , donde = 1 + 1 4 + (2 ) , lo que es particularmente

apropiado para este trabajo dado que las conclusiones del modelo que se desarrollar a continuacin son
aplicables a este (siempre teniendo en cuenta las restricciones a los parmetros).

si c fuera nulo :
Zt +1 Zt = aZt + bZt +1 bZt
Zt +1 (1 b) = (1 a b) Zt
Zt +1 = Zt

La ecuacin tendra un solo punto de equilibrio ( P* ) globalmente estable cuando

> 1 e inestable cuando < 1 .
El anlisis precedente puede extenderse a la tasa de inters nominal va ecuacin
de Fisher, dado que
rt = r * + e

y si

e =

rt = r + Pt +1 Pt

Y dado que
Z t +1 = Z t + Z t2
Pt +1 P* = Z t + Z t2
Pt +1 Pt = Z t + Z t2 (Pt P* )
Pt +1 Pt = ( 1) Z t + Z t2

Deducimos
rt = r * + ( 1) Z t + Z t2

Lo cual evidencia que tanto para valores de equilibrio y de pseudo equilibrio

resulta rt = r * , con un razonamiento anlogo si Pt rt

10

Dinmica no Lineal y Caos8

El articulo original Dinmica no lineal y caos del Prof. Vctor Beker pretende
introducir una alternativa no lineal al estudio del mercado, la idea es replantear
la manera de abordar los cambios en economa, dejando atrs el tratamiento de
procesos suaves y continuos para encarar un modelo que permita el estudio de las
discontinuidades y los cambios abruptos, la modelizacin emplea la ecuacin
logstica 9 , la cual ha sido tratada y analizada en extenso por la literatura
matemtica.
La demanda viene dada por la ecuacin siguiente:
Dt = Pt (c Pt )

Antes de comenzar con el anlisis formal de la ecuacin vamos a intentar

descubrir cual es su significado y los supuestos tericos que son necesarios.
Como se evidenciar luego grficamente la demanda postulada supone que
cuando el precio comienza a crecer la cantidad demandada tambin lo hace hasta
alcanzar un mximo, aumentos posteriores en el precio son acompaados por
cadas en la cantidad demandada; el tramo ascendente de la curva se justifica si
suponemos que cuando los precios comienzan a subir, los agentes interpretan
esto como un anuncio de futuros incrementos, los precios pueden ser
considerados por los agentes menos informados como la mejor informacin
disponible y reveladores de las expectativas de los mas informados, el autor
tambin advierte que esta retroalimentacin positiva puede ser resultado de un
comportamiento tipo rebao de los inversores. Habiendo aclarado esta situacin
vamos a dar comienzo al anlisis formal 10 .
Ya que a simple vista se puede notar que se trata de un funcin cuadrtica, vamos
a verificar sus mximo/s o mnimos/s, su concavidad/convexidad, su dominio y
el rango de sus parmetros, entonces,
Como Pt , Dt 0 por definicin
Dt = 0 Pt (1 Pt ) = 0
Sus races son Pt = 0 y Pt = 1 , por consiguiente Pt [0,1]
Dado que
Dt
= 2 Pt
Pt

tiene un punto critico cuando

Trabajo presentado por el Prof. Vctor Beker en una compilacin de textos en honor al Dr. Julio Olivera.
Teora Estructura y Procesos Econmicos
9
Este modelo unidimensional simple fue desarrollado originalmente por May R. M., para el anlisis de la
evolucin poblacional. La ecuacin cuenta con un factor de expansin y uno de retraccin, como se ver,
a medida que el parmetro crece el mecanismo de feedback no-lineal generara mas de un punto fijo.
10
Por simplicidad se supone que c=1

11

Dt
= 0 ,es decir,
Pt

en Pt = 0.5

Por consiguiente determinamos que Dt [0,1] y que [0, 4]

y Dado que

2 Dt
= 2
Pt 2

Sabemos que la demanda es cncava al origen, entonces, presenta un tramo

ascendente hasta valores de precios iguales a 0.5 donde a partir de dicho punto
comienza a caer la cantidad demandada, la figura siguiente representa este
comportamiento.

Dt

Pt
Suponemos adicionalmente una funcin de oferta lineal de la forma:
St = Pt

y un mecanismo de ajuste de precios que responde positivamente a los excesos

de demanda, donde:
Pt +1 Pt = k ( Dt St ) = Pt (1 Pt ) Pt

Dado que es un conversor de precios en unidades fsicas al igual que k

podemos suponer que k = 1 , con lo cual definimos
Pt +1 Pt = Pt (1 Pt ) Pt

siendo
Pt +1 = Pt (1 Pt )

12

Ntese que la ecuacin resultante tiene las mismas caractersticas que la ecuacin
de demanda, es un mapa unimodal donde Pt +1 [0,1] , [0, 4] y Pt [0,1] ;
anlogamente el mapa alcanza un mximo para valores de Pt = 0.5 y es cncava
al origen.
A continuacin vamos a comenzar con el desarrollo analtico del modelo, para
esto, el primer paso ser hallar los puntos fijos del mapa, por consiguiente:
Pt = Pt +1 Pt (1 Pt ) Pt = 0 = Pt2 + ( 1) Pt

Lo cual se da cuando
Pt = 0

Pt = ( 1)

Dado que
e
P1,2
=

( 1) ( 1) 2 (1 ) ( 1)
=
2
2

En lo que sigue se analizara la estabilidad local del modelo para los distintos
valores de . Sabiendo que
Pt +1
= (1 2 Pt )
Pt

Pt +1
Pt

=
Pt = 0

Pt +1
Pt

Pt = ( 1)

= 2

Lo que evidencia lo siguiente, cuando 0 < < 1 tenemos que Pt +1 Pt < 1 en

Pt = 0 mientras que en Pt = ( 1) se verifica que Pt +1 Pt > 1 . Lo que
significa que en este rango el origen es un punto estable localmente mientras que
el segundo 11 no lo es. Cuando =1 ocurre una bifurcacin 12 con cambio de
estabilidad, los dos puntos de equilibrio emergen del origen pero en este caso
mientras el valor del parmetro supera la unidad el punto de equilibrio en el
origen deviene inestable mientras que el otro se vuelve estable. Estas condiciones
se mantienen para valores de menores a 3. En =3 sucede otra bifurcacin
dado que Pt +1 Pt = 1 , en este caso el punto pierde su estabilidad resultando en
un estado de de equilibrio de periodo dos. 13

11

En este caso este punto fijo inestable se presentara para valores negativos de precios, lo cual esta fuera
de discusin.
12
Transcritical Bifurcation es el nombre de este tipo de bifurcaciones que tiene la particularidad de que
para cualquier valor del parmetro existe un punto fijo invariante, aunque puede sufrir cambios de
estabilidad.
13
Este tipo de bifurcaciones recibe el nombre de Flip Bifurcation en la cual el punto debe sufrir un
cambio de estabilidad (puede ser en ambas direcciones) y adicionalmente debe sufrir una duplicacin de
periodo (estable o inestable).

13

A medida que el parmetro supera el valor de 3 nuevas bifurcaciones se van

creando ocasionando sucesivas duplicaciones de periodo, las graficas a
continuacin evidencian este comportamiento.

P0

P0

P0

P0
Las graficas fueron
representadas para los
siguientes valores del
parmetro:
=1, =2, =2.5, =3 y =3.5

P0
Mientras el valor del parmetro crece continan crendose estas duplicaciones de
periodo 14 hasta el punto en el cual ( >3.5699) el comportamiento de los precios
14

Estas duplicaciones de periodo siguen una cierta regularidad, en efecto, Feigenbaum en 1978 publico
un articulo donde se evidencia que las duplicaciones lejos de ser un resultado azaroso responden a un
patrn definido, a medida que el parmetro se incrementa las distintas duplicaciones se presentan cada
vez mas cerca unas de otras convergiendo hacia un patrn constante, esa convergencia viene dada de la
siguiente manera:

14

resulta catico 15 , es decir, los precios tienen un comportamiento aperiodico a

largo plazo (aparentemente aleatorio) en un contexto determinstico con alta
sensibilidad de las condiciones iniciales.
En los grficos a continuacin se evidencia el comportamiento aperiodico.

= 3.9

Pt

t
Pt +1

= 3.9

Pt

P0
= lim
t

xt x t 1
= 4.669...
xt +1 xt

La constante de Feigenbaum esta presente en todos los mapas unimodales.

15

Una definicin alternativa para sistema catico puede encontrarse en Devaney, dado un conjunto
llamado V . Se dice que f : V V es catica en V si:
a. f tiene dependencia sensible de las condiciones iniciales
b. f es topologicamente transitiva ( f : V V se dice topologicamente transitiva si para cualquier par
k

de conjuntos abiertos U , J V existe k>0 tal que f (U ) J ). Intuitivamente un mapa

topologicamente transitivo tiene puntos que se mueven desde un pequeo entorno arbitrario a otro.
c. Los puntos peridicos son densos en V . (sugiere una estructura de regularidad en la funcin)

15

Es interesante notar que estas bifurcaciones o duplicaciones de periodo presentan

una particularidad, en efecto, si graficamos su comportamiento a medida que el
parmetro crece nos encontramos con el siguiente resultado.

A partir de el diagrama revela una mezcla intrigante de orden y caos con

ventanas peridicas intercaladas entre nubes caticas de puntos16 , adicionalmente
se puede verificar que la misma distribucin de ventanas se halla a niveles mas
detallados de observacin, si amplificramos el diagrama en alguna parte de la
nube se podra ver una distribucin similar a la original. Esta caracterstica
particular es utilizada por autores como Peters para sealar una conexin entre la
geometra fractal y la dinmica compleja 17 , dado que se cumple una de las
caractersticas de este tipo de geometra, la autosimilitud.

16

Hay que tener en cuenta que en este caso P representa los puntos potenciales.
Aunque desde un punto de vista tcnico no existe vinculacin alguna entre los sistemas dinmicos y la
geometra fractal estos estn estrechamente relacionados e incluso se presentan juntos, muchos de los
atractores caticos tienen estructuras fractales.
Mientras la geometra fractal trata con patrones geomtricos y formas cuantitativas de caracterizar esos
patrones, el caos trata con la evolucin del tiempo y sus caractersticas distintivas. Los fractales son una
clase de formas geomtricas mientras que el caos es una clase de comportamiento de los sistemas
dinmicos.
En general, los atractores caticos continuos o de mapas invertibles tienen una estructura fractal, en el
caso de ser mapas no invertibles pueden o no tenerla, la ecuacin logstica no presenta esta estructura.
17

16

Retomando el desarrollo del modelo, Beker atribuye la inestabilidad del mismo a

su fase alcista dado que como la condicin suficiente para la inestabilidad es que
3 , (donde = ) esto significa que los incrementos del parmetro se ven
explicados o bien por el aumento del valor de , o bien por disminuciones de
. Si recordamos que proviene de la funcin de demanda podemos expresarlo
de la siguiente manera:
Dt = Pt (1 Pt ) = (Pt Pt2 )

De esta manera el termino entre parntesis puede ser tomado como un indicador,
un precio corregido, un aumento de traslada la curva de demanda hacia
arriba, mide la pendiente de la curva de oferta a la vez que su inversa es el
coeficiente de reaccin del precio a la demanda excedente. A medida que
decrece la curva de oferta se desplaza hacia la izquierda, aumentando el exceso
de demanda para un precio dado y al mismo tiempo se incrementa la reaccin del
precio ante un cierto nivel de demanda excedente, esta es la razn que justifica
que la inestabilidad es propia de mercados alcistas.
Restaba hablar aun de la dependencia sensible a las condiciones iniciales, la idea
es que orbitas vecinas se separan exponencialmente rpido (en promedio) unas de
otras. Un instrumento comn para establecer la presencia de comportamiento
catico es el exponente de Lyapunov 18 , el cual podemos definir de la siguiente
manera:
Dada una condicin inicial X 0 y considerando una orbita prxima X 0 + 0 donde
0 tiende a cero. Sabiendo que n es la separacin luego de n iteraciones, si
n 0 en entonces es lo que se denomina exponente de Llapunov.
Un exponente de Llapunov positivo es seal de caos mientras que uno negativo
implica convergencia a las condiciones iniciales.
La presencia de comportamiento catico en este modelo evidencia la
impredictibilidad del sistema, la cual no puede ser eliminada por incrementos en
la informacin disponible, la no linealidad amplifica la falta inicial de precisin
hasta que somos incapaces de predecir cualquier trayectoria, en este sentido el
caos implica la existencia de un horizonte temporal finito mas all del cual
cualquier prediccin pierde confiabilidad
A continuacin se muestra grficamente las implicancias de un exponente
positivo. 19

18
19

Existe un Exponente de Llapunov para cada espacio fase

El cual no significa una divergencia explosiva.

17

Pt +1

Pt

X 0 X 0 + 0

Para el caso en el que = 2.8 podramos calcular el exponente de Lyapunov

evaluando la evolucin de las trayectorias y su proximidad en sentido absoluto a
medida que el numero de iteraciones se incrementa, tomando como orbita inicial
un entorno de 0.01 (para este caso 0.4 y 0.41) e iterando la ecuacin 100 veces
podemos ver grficamente la convergencia exponencial de ambas trayectorias, lo
que evidencia que estamos en presencia de un atractor.

0,006
0,005
0,004
0,003
0,002
0,001
0
1

11

21

31

41

51

61

71

81

91

En efecto podemos en base a los datos calcular fcilmente el exponente dado que
como
n 0 e n
Ln( n ) Ln( 0 ) + n

18

Donde n representa la distancia luego de la ensima iteracin (en este caso 100),
0 la orbita inicial y el exponente propiamente dicho, en este caso como
n = 1,37756(10)-12 , 0 =0.01 y n=100, Podemos verificar como era de esperar un
exponente negativo, igual a 0.181 .
Ahora bien, para el caso en que la funcin se comporta caticamente, en
particular para valores de = 3.9 podemos verificar el siguiente comportamiento
para iteraciones iniciales

0,12
0,1
0,08
0,06
0,04
0,02
0
1

Lo que evidencia en principio la positividad del exponente, aunque el calculo

para este caso es un poco mas complejo, con un 0 =0.000001, n=270 el
exponente podra aproximarse a +0.7095 . 20

20

Puede ser que el calculo no sea del todo exacto, de todas maneras queda claro el signo del exponente

19

Conclusiones:
Una de las ventajas de haber trabajado con estos modelos no lineales es que
pudimos apreciar distintas soluciones que van desde el equilibrio estacionario
hasta el caos, adicionalmente como caracterstica saliente hay que remarcar que
estas clase de modelos permiten resultados cualitativamente distintos a cambios
cuantitativos en los parmetros.
La no linealidad permite tambin delimitar los alcances del anlisis de esttica
comparada, dado que su uso es legtimo siempre que el equilibrio estacionario
sea estable y solo dentro de los lmites de dicha validez.
Los sistemas no lineales que retroaccionan son sumamente sensibles a las
condiciones iniciales, lo que significa que cualquier error minsculo en un
decimal, un imperceptible error en el sistema, puede intensificarse y
desencadenar grandes cambios cualitativos, en estos sistemas no se puede
presuponer sin riesgo que los pequeos errores carecen de importancia.
Una causa nica puede dar lugar a innumerables efectos; de hecho, las relaciones
causales desaparecen en la complejidad de las interacciones.
La propia naturaleza del sistema hace que sea imposible predecir su futuro a
largo plazo.
La teora del caos puede utilizarse para dar explicacin a ciertos aspectos
econmicos como las turbulencias aperiodicas e inesperadas de los mercados,
aun en ausencia de shocks exgenos la economa de mercado puede no ser
estable.
El caos aparece en feedback systems, sistemas en los cuales el pasado afecta
los eventos actuales y los eventos actuales afectan el futuro, por lo cual parece
una alternativa adecuada para los modelos comnmente usados en los mercados
de capitales, basados en las hiptesis de mercados eficientes. 21
Tal vez este tipo de modelos plantee una dicotoma con el tratamiento neoclsico
de los sistemas dinmicos, los cuales son resueltos haciendo que el mundo sea
esencialmente conocido, o al menos cognoscible. El proceso generador de las
trayectorias hace imposible la prediccin incluso en los casos en que se conociera
por completo la evolucin de las variables, es decir, la prediccin resulta
imposible aun con conocimiento infinito. Este es talvez uno de los puntos en
contra que poseen este tipo de sistemas, dado que son generalmente no
invertibles 22 , es decir, no podemos determinar la historia pasada de un sistema
catico, la informacin acerca de las condiciones iniciales se pierde
irremediablemente.

21

A propsito de esto en el apndice se muestra la distribucin de frecuencias de la ecuacin logstica

para distintos valores del parmetro.
22
La trayectoria de un sistema queda definida a partir de su aplicacin iterada f ( n ) ( y0 ) = f ( f ......[ f ( y0 )])
si es posible definir una funcin inversa tal que yt = f

( 1)

yt +1 se dice que f es una transformacin

invertible. En este caso se obtiene una versin del sistema que permite evolucionar inversamente en el
tiempo.

20

De los Autores:
OLIVERA, Julio Hiplito Guillermo:
Economista argentino nacido en Santiago del Estero. Su inters por la economa le lleg de la
mano de su padre, un profesor destacado que public varios libros y que lo llevaba de joven a
la biblioteca del Banco Central. Se gradu de abogado en la Universidad de Buenos Aires,
donde tambin se doctor en derecho y ciencias sociales. Asimismo, ha sido all profesor de
Historia de las Doctrinas Econmicas y de Dinero, Crdito y Bancos; director del Instituto de
Investigaciones Econmicas de la Facultad de Ciencias Econmicas; y Rector en 1962, cuando
contaba con 33 aos de edad.
Es miembro de la Asociacin Argentina de Economa Poltica, la cual lo design como
presidente honorario en homenaje a su trayectoria. Tambin es integrante de numerosas
entidades, como el Club de Roma, el Honorary Editorial Advisory Board de la revista cientfica
World Development de Chicago, y la Acadmie internationale des sciences politiques (ParsGinebra).
Dict clases y conferencias en el pas y el exterior. Inaugur la ctedra Irving Fisher de la
Universidad de Yale, EE. UU., fue docente de la Universidad de Gttingen (Alemania) y se
desempe como investigador en las Universidades de Londres y de Sussex (Gran Bretaa).
Fue asesor de la Comisin Econmica para Amrica Latina (CEPAL) y en varias oportunidades
integr el grupo internacional de economistas elegido por la Academia Real de Suecia para
proponer candidatos al Premio Nobel de Economa. Mereci numerosos premios y distinciones
de diversas instituciones acadmicas.
En la funcin pblica, fue Ministro de Asuntos Econmicos de la provincia de San Luis;
Subgerente General del Banco Central de la Repblica Argentina, cuyo departamento de
investigaciones econmicas tambin dirigi, y Secretario de Ciencia y Tecnologa de la Nacin.
Durante ms de medio siglo ha desarrollado una fecunda labor acadmica y de investigacin.
Public numerosos libros, artculos y notas, muchos de ellos dedicados a cuestiones
monetarias y fiscales.
Est considerado uno de los mentores del estructuralismo latinoamericano, aunque desde una
vertiente alejada de los elementos polticos o ideolgicos, y caracterizada por el rigor analtico y
el empleo de instrumental matemtico. En el mbito del pensamiento econmico de su pas
tuvo especial influencia su modelo no monetario de inflacin, presentado en 1964.
En 1967 dio a conocer un trabajo titulado Money prices and fiscal flags donde analizaba la
relacin entre la recaudacin tributaria y la inflacin, lo cual fue continuado diez aos ms tarde
por el italiano Vito Tanzi; por ello, ese desarrollo es denominado en la literatura tcnica como
efecto Olivera-Tanzi. El planteo sostiene, al contrario del enfoque tradicional, que es la
inflacin la que genera dficit fiscal y no a la inversa. El valor real del impuesto percibido por el
gobierno depende del comportamiento seguido por los precios entre el momento del hecho
imponible y el del efectivo pago; ergo, este punto debiera ser prioritariamente considerado al
emprender un programa de estabilizacin monetaria.
Fuente eumed.net

Beker, Victor:
Vctor Beker es licenciado en Economa. En su carrera acadmica ha sido Director de la
carrera de Licenciado en Economa en la Facultad de Ciencias Econmicas de la Universidad
de Buenos Aires donde es Profesor Titular de Microeconoma I. Es, asimismo, Director de
Relaciones Internacionales y profesor Titular de la Universidad de Belgrano as como profesor
honorario de las Universidades del Aconcagua, de Mendoza, y Blas Pascal, de Crdoba. Ha
sido profesor invitado de la Facultad de Ciencias Econmicas y Empresariales de la
Universidad de Salamanca, Espaa e investigador invitado de la Universidad de Nueva York.
Tambin se hizo acreedor al Premio 1996 de la Academia Nacional de Ciencias de Buenos
Aires. Con anterioridad, ya en 1969 haba sido merecedor del Premio Aisenstein otorgado por
el Colegio de Graduados en Ciencias Econmicas; tambin haba sido distinguido con Mencin
Especial en el Premio Nacional de Economa correspondiente a la produccin 1980-83. Beker

21

ha tenido una larga trayectoria tanto en la actividad privada como pblica, incluyendo el
desempeo de funciones como consultor de organismos internacionales tanto en nuestro pas
como en el extranjero. Ha ocupado el cargo de Director Nacional de Actividades Productivas
del INDEC. Ha sido Secretario Ejecutivo del Comit Organizador del XII Congreso Mundial de
Economa de la International Economic Association y es editor asociado del Journal of
Economic Behavior and Organization. A su vez es autor de libros de texto y de numerosos
trabajos en economa publicados tanto en el pas como en el exterior
Fuente Cepes

Apndice:
Distribuciones de probabilidad para la ecuacin logstica

= 3.4

= 3.9

22

Bibliografa:
-

Addison Paul S. Fractals and Chaos - An Illustrated Course (1997)

Beker Vctor A. Dinmica no lineal, inestabilidad y caos
CEPAL, Dinamicas No Lineales y Modelos De Agentes Multiples En
Economia( Heymann, Perazzo, Schuschny)
Donahue Manus J. An Intro To Mathematical Chaos Theory And
Fractal Geometry
Falconer K. Fractal Geometry--Mathematical Foundations &
Applications [1990]
Fama E. The Behavior Of Stock-Market Prices (1965)
Gandolfo G. Economic Dynamics
Grabbe J. Orlin Chaos & Fractals in Financial Markets
Landro A.H., Gonzalez M.L. El Problema de la Prediccin en el
Mercado Financiero
Mandelbrot B. Fractal Financial Fluctuations
Mandelbrot B. How long is the cost of Britain (1967)
Mandelbrot B. Fractal Geometry; What Is It And What Does It
Do
Mandelbrot B. A Multifractal Walk Down At Wall Street
Peters , Edgar E Chaos And Order In The Capital Markets - A New
View Of Cycles, Prices, And Market Volatility
Strogatz, S. H. Nonlinear Dynamics And Chaos
Vandervert Chaos Theory And The Evolution Of Mind And
Consciousness
Wiggins S. Introduction to Applied Nonlinear Dynamical Systems
& Chaos (1996)
Williams Garnett P. Chaos Theory Tamed

23