You are on page 1of 79

Métodos Matemáticos en Macroeconomía

Alvaro J. Riascos Villegas
Facultad de Economía
Universidad de los Andes
Agosto 17 de 2006

ii

Prefacio
Esta monografía es una introducción informal a los métodos matemáticos
más utilizados en el estudio de economías a lo largo del tiempo. Específicamente,
esta se centra en los métodos de programación dinámica y el método de Lagrange
para resolver problemas de optimización dinámica con o sin incertidumbre y en
tiempo discreto. Aquí no hay nada original excepto por el esfuerzo que se ha
hecho para hacer de esta monografía un puente agradable de recorrer entre los
tratamientos básicos de estas técnicas usualmente relegados a los apéndices de
los libros de macroeconomía utilizados en un curso del pregrado y los libros
más avanzados que se estudian a nivel de doctorado. Mi deuda con los libros y
artículos clásicos en el tema es evidente en muchos de los capítulos y sólo por
descuido no están referenciados todos los libros y artículos sobre los que me
base para escribir esta monografía. A los autores les pido disculpas y prometo
corregir esto en futuras versiones.
Muchas personas me han ayudado directa o indirectamente a mejorar esta
monografía. En especial, agradezco los innumerables alumnos que padecieron
las primeras versiones de estas notas en diferentes cursos de macroeconomía
avanzada o de métodos matemáticos en macroeconomía. Me refiero a alumnos
en la Universidad Javeriana, Universidad de los Andes, Universidad del Valle y
del Instituto de Matemáticas Puras y Aplicadas de Río de Janeiro. De manera
más específica, agradezco a Katherine Aguirre, Andrés Arias, Olga Lucia Briñez,
Marcela Eslava, Juanita Gonzalez, Franz Hamann, Luisa Estefanía Valdéz, Nini
Johanna Serna y Mauricio Villamizar. Cualquier error es mi responsabilidad.
Finalmente quiero agradecer al Banco de la República por la disponibilidad
de tiempo y el ambiente propicio durante el tiempo que estuve en el departamento de investigaciones económicas donde fue escrita gran parte de esta
monografía.

iii

iv PREFACE .

Es decir. como la formularon Arrow y Debreu permite describir la toma de decisiones económicas más realistas. más generalmente.3. también es evidente que este modelo no explota de manera explícita la dimensión temporal del problema ni tampoco reconoce la imposibilidad.1 En este capítulo introduciremos de manera informal los métodos matemáticos que serán utilizados en el resto del libro. De hecho. En la sección 1. El segundo método. bastante real en la práctica. Sin embargo. El primero pertenece a los métodos de la Programación Dinámica. Basta indexar los diferentes bienes al momento o evento en el cual son consumidos como cualquier otra característica que los define.2 y el segundo a los de Control Óptimo (i. En la vida real. que utilizaremos para introducir las dos técnicas principales para resolver modelos dinámicos. La característica fundamental del primer método. el hecho de que la estructura del problema de decisión es la misma en todos los períodos. 1 Existen principalmente dos modelos para el estudio de las economías a lo largo del tiempo con o sin incertidumbre. desde el punto de vista teórico este abordaje es muy importante. este proceso es dinámico e incierto y por lo tanto es natural preguntarse hasta que punto la teoría del equilibrio general. sección 1. de diversificación del riesgo que resulta de la realización de los eventos aleatorios.e. el modelo básico de crecimiento económico. es que explota la naturaleza recursiva del problema.1 estudiaremos el prototipo de modelo que aparece en el estudio de economías dinámicas. En este modelo el espacio de consumo puede tomarse de tal manera que incluya decisiones intertemporales o contingentes a la realización de eventos aleatorios. como quedará claro más adelante. el método de Lagrange o. En este libro nos dedicaremos únicamente al primero. Es bien sabido que el modelo básico de equilibrio general (Arrow-Debreu en infinitas dimensiones) es lo suficientemente general como para abarcar en términos ideales esta situación. sección 1. explota la geometría del problema. El modelo de agentes con vidas infinitamente largas y el modelo de generaciones traslapadas.Capítulo 1 Economía Dinámica En términos generales la actividad económica no puede modelarse como un proceso estático en el tiempo y en condiciones de certidumbre. 1 . el método del Hamiltoniano).

2 CAPÍTULO 1. luego la dinámica del capital es: kt+1 = (1 − δ)kt + it (1. 1. Un modelo sencillo de crecimiento en un ambiente determinístico (el modelo básico de crecimiento) pero que a la vez ilustra plenamente los métodos de la Programación Dinámica podría especificarse de la siguiente manera (Ramsey [1928]. Cass [1965] y Koopmans [1965]).3) . Hacemos las hipótesis habituales sobre f : f es una función continua. y la inversión bruta it . β ∈ (0. kt ≥ 0 para todo t (1. Es decir: ct + it = f (kt ). estrictamente cóncava y f (0) = 0. asumimos que dichas preferencias son de la siguiente forma: U (c0 . ct . Finalmente. 1]. .) = ∞ X t=0 β t u(ct ). permitiéndole aumentar su producción y por lo tanto sus posibilidades de consumo.. Las posibilidades de producción de esta economía las representamos a través de una función de producción neoclásica f (ver Apéndices). con vidas infinitamente largas y que en cada período del tiempo deben decidir cómo utilizar el único bien de consumo que se produce en esta economía. de tal manera que yt = f (kt ). suponemos que cada agente tiene una misma cantidad de capital inicial k0 ≥ 0. estrictamente creciente. los agentes tienen preferencias U sobre todas las secuencias de consumo. c1 . Sea yt la cantidad producida de este bien durante el período t utilizando como único insumo la cantidad de capital kt .2) Además. y Lim f 0 (k) → 0. 1) (1. k→0 k→∞ En el período t el producto se divide entre el consumo en este período ct . Supongamos que existen una gran cantidad de agentes idénticos. ECONOMÍA DINÁMICA El modelo básico de crecimiento es un problema en el cual las decisiones no dependen para nada de eventos aleatorios y en el cual éstas son tomadas por un agente representativo (o planificador central) sujeto a una secuencia de restricciones de recursos. Además supondremos que Lim f 0 (k) → ∞ (condición de Inada). El Modelo Básico de Crecimiento El problema que queremos estudiar es el del crecimiento de una economía cuando sus agentes deben determinar de manera óptima cuánto consumen y cuánto ahorran en cada instante del tiempo. Suponemos que todas las variables son per capita y que la población no crece.1) Asumimos que el capital se deprecia a una razón constante δ ∈ [0. La parte ahorrada en cada momento se puede invertir en acumulación de capital para el período siguiente.1. Más adelante permitiremos que las decisiones dependan de eventos aleatorios y explicaremos cómo extender los métodos de la Programación Dinámica y Control Óptimo al caso estocástico..

Imaginemos ahora el problema del agente representativo un período más tarde. Suponemos que u satisface las mismas propiedades que f y que además. c1 .a : 0 ≤ k1 ≤ f (k0 ) + (1 − δ)k0 . Luego.1.)).1 y a la ecuación 1. Esta terminología relacionada con variables de estado. Dada una cantidad de capital inicial k1 .) de tal forma que maximicen su utilidad 1. si interpretamos el coeficiente β como un factor que trae a valor presente las utilidades futuras del agente . kt ≥ 0 para todo t. 1.2. hemos supuesto que los agentes le dan más importancia al presente. su problema se reduce a: m´ax {u(f (k0 ) + (1 − δ)k0 − k1 ) + βv(k1 )} k1 s. Así mismo. entonces βv(k1 ) no es más que el valor presente de la utilidad máxima que puede conseguir el agente representativo desde el período uno en adelante.3. entonces: u(f (k0 ) + (1 − δ)k0 − k1 ) + βv(k1 ). β t=0 kt+1 ct + it ∈ (0. sujeto a la restricción de recursos 1. ct . kt ?. podríamos considerar el mismo problema con un beta diferente cada período (β t ∈ (0. PROGRAMACIÓN DINÁMICA 3 Donde u(ct ) representa la utilidad del consumo en el mismo instante t. 1)). Implícitamente. es acotada (esta última garantiza que 1. ..3 tiene sentido para toda secuencia (c0 .. pero por simplicidad no consideramos ese caso.. y el objetivo del agente representativo es entonces escoger k1 . . Programación Dinámica Supongamos que dado k0 nosotros conseguimos resolver el problema anterior y el valor máximo de la función objetivo lo denotamos por v(k0 ) (v se llama la función valor ). La pregunta que queremos responder en esta economía es: ¿Dado un k0 ≥ 0. el agente representativo debe resolver un problema con la misma estructura del anterior y su valor máximo debe ser v(k1 ). y β es un factor que descuenta la utilidad de consumo en el futuro. es la utilidad presente dados k1 y k0 .. 1) = (1 − δ)kt + it = f (kt ). Si k0 es el capital inicial en el primer período. dado que en el período uno tenía una cantidad inicial de capital k1 . c1 . cómo deben consumir los agentes a través del tiempo (c0 .2. Otra posible interpretación de β es que representa la probabilidad de no morir de un período a otro. será clara más adelante.2 que describe la evolución de la única variable de estado de esta economía. Este problema lo llamamos el Problema Secuencial. de esta manera. Formalmente el problema es: m´ax ∞ X β t u(ct ).

5 es equivalente a encontrar un punto fijo del operador T . vemos que si k es el monto de capital en un cierto período. Ahora.4) 0 ≤ cn ≤ f (kn ) + (1 − δ)kn Así. pone en evidencia el carácter recursivo del problema.a : (1. La formulación anterior. Una forma de ver este problema es la siguiente: sea T una aplicación del conjunto de funciones continuas y limitadas sobre R.5.4 CAPÍTULO 1. Olvidándonos de los subíndices.5) 0 ≤ c ≤ f (k) + (1 − δ)k Este problema lo llamamos el Problema Funcional asociado al Problema Secuencial con el que iniciamos esta sección. Visto de esta forma. en términos de una ecuación funcional. La ecuación 1. luego debemos demostrar la existencia del punto fijo y en lo posible dar un método para encontrarlo. si conociéramos la función v. el problema se reduce a encontrar una función real v tal que satisfaga el problema 1. . v debe satisfacer: v(k0 ) = m´ ax{u(c0 ) + βv((1 − δ)k0 + f (k0 ) − c0 )} c0 s.a : 0 ≤ c ≤ f (k) + (1 − δ)k Más adelante veremos que el operador T está bien definido (ésta es una aplicación sencilla del Teorema del Máximo). T [g] (k) = m´ ax{u(c) + βg((1 − δ)k + f (k) − c)} c s.4 la llamaremos la ecuación de Bellman.a : 0 ≤ c0 ≤ f (k0 ) + (1 − δ)k0 Obsérvese que en la expresión anterior no hay nada especial con el argumento en los períodos 0 y 1 que no pueda ser usado en los períodos n y n + 1 para cualquier n. el problema 1.a : 0 ≤ c0 ≤ f (k0 ) + (1 − δ)k0 Luego. Luego debe ser que para todo período n se cumple la ecuación funcional: v(kn ) = m´ ax {u(cn ) + βv((1 − δ)kn + f (kn ) − cn )} cn s. m´ax{u(c0 ) + βv((1 − δ)k0 + f (k0 ) − c0 )} c0 s. entonces el consumo óptimo c en el mismo período es la solución al problema: v(k) = m´ ax u(c) + βv((1 − δ)k + f (k) − c)) c s.a : (1. definida por la siguiente regla: dada g.2 La idea consiste 2 Una función v es punto fijo de T si T [v] = v. ECONOMÍA DINÁMICA o equivalentemente. entonces la secuencia óptima {cn } quedaría caracterizada como las soluciones al último problema para cada uno de los períodos.

punto fijo de T y además. Sin entrar en mayores detalles por ahora. Ejemplo 1 (Brock y Mirman [1972]). v (k0 ) es el valor máximo del problema secuencial cuando el capital inicial es k0 . Toda métrica debe cumplir con tres condiciones: d(x. y) para todo x. x) = 0.a : 0 ≤ c ≤ f (k) + (1 − δ)k para todo k. entonces la secuencia {kt . ct . Adicionalmente. entonces existe una única v. d(x. más adelante veremos como adaptar la teoría a este caso) entonces el problema de crecimiento discutido hasta ahora se reduce a: m´ax {ct } ∞ X β t log (ct ) t=0 kt+1 = ktα − ct . utilizaremos el Teorema del Punto Fijo para contracciones para resolver el ejemplo siguiente. f (kt ) = ktα donde α ∈ (0. Informalmente este teorema nos dice que si T es una contracción. . kt ≥ 0 s. 1) y δ = 1 (la función u no satisface todas las hipótesis impuestas anteriormente (en particular. PROGRAMACIÓN DINÁMICA 5 en dar una estructura especial al conjunto de las funciones continuas y acotadas (una métrica que lo haga un espacio métrico completo3 ) y probar que el operador T es una contracción 4 .1. ct = h(kt ) es una secuencia que resuelve el problema secuencial. dado cualquier v0 en el dominio T se tiene: l´ım T n (v0 ) = v n→∞ El método de programación dinámica afirma que. como un método para encontrarla dado por este mismo teorema. T (y)) 6 β · d(x.a : 0 ≤ c ≤ kα 3 Una métrica es una función d del espacio X × X en los números Reales. x) ≥ 0 y la desigualdad del triángulo. Sea u(ct ) = log(ct ). un espacio métrico completo es aquel en el que toda sucesión de Cauchy converge (Ver Apéndice). Por otra parte. bajo ciertas condiciones. 4 Un operador T en un espacio métrico hX. De esta manera podemos aplicar el Teorema del Punto Fijo para Contracciones y así obtener tanto la existencia de una función v que resuelva el problema (4).2. y ∈ X. y) = d(y. sin embargo. no es acotada). Un espacio métrico es aquel al que se le ha asignado una métrica. La función h la llamamos la función de política. se dice que es una contracción si existe β ∈ (0. si h es la función definida sobre los stocks de capital k tal que c = h(k) es el consumo que resuelve el problema de maximización: m´ax {u(c) + βv((1 − δ)k + f (k) − c))} c s. La función toma dos elementos de dicho espacio y les asigna un valor real llamado distancia. 1) tal que: d(T (x) . ct } definida por kt+1 = f (kt ) − h(kt ) + (1 − δ)kt .a : El problema funcional asociado es: v(k) = m´ax{log(c) + βv(k α − c)} c s. di en los Reales. El siguiente caso particular del modelo básico de crecimiento ilustra las ideas principales.

a : 0 ≤ c ≤ kα Es decir. De esta forma tenemos que la variable de estado evoluciona según esta formula: kt+1 = βαktα y la escogencia óptima para la variable de control.a : 0 ≤ c ≤ k α Se puede mostrar que la solución a este problema es c = (1 − βα)k α y v(k) = βα 1 α 1−β (log(1 − βα) + 1−βα log(βα)) + 1−βα log(k). luego v1 (k) = α log(k). Sea v0 = 0. es: ct = (1 − βα)ktα . en este caso la función de política es ct = (1 − βα)kta . Se sigue que v(k) = A + 1−βα donde A es una constante que podemos encontrar simplemente observando que v debe satisfacer: v(k) = m´ax{log(c) + βv(k α − c)} c s. la función que expresa la escogencia óptima de las variables de control en términos de las variables de estado se llama la función de política.a 0 ≤ c ≤ kα : este problema tiene la solución de esquina c = k α . dada la variable de estado. donde An es 2 2 i=0 α log(k) una constante que debemos determinar. Como mencionamos anteriormente.6 CAPÍTULO 1. A+ α α log(k) = m´ax{log(c) + β(A + log(kα − c))} c 1 − βα 1 − βα s. entonces: v1 (k) = m´ax{log(c)} c s.a que lo reseulve c = kα 1+βα . ECONOMÍA DINÁMICA Para resolver este problema utilizaremos el método dado por el Teorema del Punto Fijo para contracciones. 0 ≤ c ≤ kα : luego v2 (k) = α(1 + βα) log(k) + βα log µ βα 1 + βα ¶ − log(1 + βα). Por lo tanto. Para calcular v2 resolvemos el problema: v2 (k) = m´ax{log(c) + βα log(kα − c)} c s. Ahora de igual forma podemos deducir que: v3 (k) = α(1 + βα + β 2 α2 ) log(k) + β 2 α log µ µ βα 1 + βα ¶ + ¶ βα + β 2 α2 (βα + β α ) log 1 + βα + β 2 α2 − log(1 + βα + β 2 α2 ) − β log(1 + βα) µ n−1 ¶ P luego en general vemos que vn (k) = An + α (βα)i log(k).

Si bien algunas características de la solución van a depender de la forma particular de las funciones de producción y utilidad. otras características muy importantes se cumplen de manera más general como por ejemplo. PROGRAMACIÓN DINÁMICA 7 Una vez resuelto el problema de la existencia.6) s. Posteriormente estudiaremos esta propiedad para un problema más general. Sea nt ∈ (0.2. Supongamos que lt + nt = 1.1. Así. la unicidad de la solución óptima y la estabilidad de las trayectorias. lt ) = θ log(ct ) + (1 − θ) log(lt ). Esto es. En el primer caso. En el ejemplo anterior tenemos que existen dos soluciones de estado esta1 cionario. Es claro que la solución está en el extremo para el consumo y es interior para el empleo.n (1. Ejemplo 2 (Long y Plosser [1983]) Consideremos el modelo básico de crecimiento con oferta laboral. f (kt . Luego podemos escribir el lagrangiano asociado como (obsérvese que este es un problema de optimización estático): L = θ log(kα n1−α ) + (1 − θ) log(1 − n) Las condiciones de primer orden implican que: n= θ(1 − α) 1 − θα .a : 0 6 c 6 k α n1−α 0 6 n61 Aplicando la misma metodología del ejemplo anterior. Es decir.a kt+1 β t (θ log(ct ) + (1 − θ) log(1 − nt )) : = ktα n1−α − ct t El problema funcional asociado es: v(k) = m´ax{θ log(c) + (1 − θ) log(1 − n) + βv(k α n1−α − c)} c. suponemos que v0 = 0. la solución óptima al problema secuencial converge con el tiempo a la solución de estado estacionario. 1) la cantidad de trabajo que ofrece el agente representativo y lt la cantidad de tiempo que dedica al ocio. El problema de estabilidad consiste en saber si. como α ∈ (0. una solución en la que todas las variables crecen a una tasa constante e igual a cero. Una corresponde a k ∗ = 0 y la otra a k ∗ = (βα) 1−α . el siguiente paso es describir de la manera más precisa posible las propiedades de la función valor v y de la trayectoria óptima {kt } asociada a la trayectoria óptima del consumo. por ejemplo kt = k ∗ para todo t. Sea u(ct . es fácil ver que no se cumple la propiedad de estabilidad mientras que en el segundo. 1) si se cumple la propiedad de estabilidad. si kt → k ∗ cuando t → ∞. Supongamos que el problema secuencial (excepto por el valor del capital inicial) tiene una solución de estado estacionario. nt ) = ktα n1−α y t δ = 1. comenzando con un valor inicial de capital k0 diferente al valor k∗ . el problema secuencial es: M ax ∞ X t=0 s.

donde A2 es una constante. + αn−1 β n−1 ) log k + An por lo tant..7) 1} c..7 obtenemos: v2 (k) = αθ(1 + αβ) log k + A2 . Si continuamos iterando es posible encontrar un patrón en las iteraciones: vn (k) = αθ(1 + αβ + . Teniendo v1 (k) podemos calcular v2 (k): v2 (k) = m´ax{θ log(c) + (1 − θ) log(1 − n) + βαθ log(k α n1−α − c) + βA(1. podemos derivar las condiciones de primer orden con respecto a c y n : θ βθα − =0 c k α n1−α − c 1−θ βθα [n] : − + (1 − α)(k α n−α ) = 0 1 − n k α n1−α − c [c] : Con un poco de álgebra encontramos encontramos: n = c = θ(1 + αβ)(1 − α) 1 − αθ + βθα(1 − α) ∙ ¸1−α θ(1 + αβ)(1 − α) kα 1 + αβ 1 − αθ + βθα(1 − α) Reemplazando en la ecuación 1.8 CAPÍTULO 1.n s. ECONOMÍA DINÁMICA Reemplazando en la restricción obtenemos: c=k α ∙ θ(1 − α) 1 − θα ¸1−α y por lo tanto la función v1 (k) es: Ã v1 (k) = θ log k α ∙ θ(1 − α) 1 − θα = αθ log k + A1 ¸1−α ! µ ¶ θ(1 − α) + (1 − θ) log 1 − = 1 − θα donde A1 es una constante.o un buen candidato a ser punto fijo es: v= αθ log k + A 1 − αβ .a : 0 6 c 6 k α n1−α 0 6 n61 Ahora.

Obsérvece que el nivel de empleo es independiente del estado de la economia k. Las ecuaciones 1.1. reemplazando en la ecuación 1.8) (1. Esto refleja el hecho de que la función de utilidad es logarítmica en el trabajo y por lo tanto.3. encontramos la trayectoria óptima del capital: ∙ ¸1−α θ(1 − α) kt+1 = αβ ktα 1 − α (θ + β − θβ) La inversión será: It = kt+1 − (1 − δ)kt = kt+1 1. El Método de Lagrange Un método mucho más antiguo que el de la programación dinámica y que se utilizaba bastante para resolver problemas con una estructura similar al problema secuencial que hemos estado estudiando.3.8 y 1. Sustituyendo el consumo y el trabajo óptimos en la ecuación de acumulación del capital.9) Finalmente.6 y de nuevo escribiendo las condiciones de primer orden obtenemos: θ βαθ [c] : = c (1 − αβ) (k α n1−α − c) 1−θ βαθ(1 − α)kα n−α [n] : = 1−n (1 − αβ) (k α n1−α − c) Simplificando encontramos estos candidatos a las funciones de política: θ(1 − α) 1 − α (θ + β − θβ) µ ¶1−α θ(1 − α) c = (1 − αβ)kα 1 − α (θ + β − θβ) n = (1.6 obtenemos: " µ ¶1−α # θ(1 − α) αθ α log k + A = θ log (1 − αβ)k 1 − αβ 1 − α (θ + β − θβ) ∙ ¸ θ(1 − α) +(1 − θ) log 1 − + 1 − α (θ + β − θβ) µ µ ¶ ¶1−α θ(1 − α) αθ β log[k α 1 − αβ 1 − α (θ + β − θβ) ∙ ¸1−α θ(1 − α) α −(1 − αβ)k ] + βA 1 − α (θ + β − θβ) No es dificil convencerse de que existe una constante A que resuelve esta ecuación. reemplazando en la ecuación 1. es el conocido como las Ecuaciones .9 efectivamente son las funciones de política que estábamos buscando y describen las trayectorias óptimas del consumo c y del trabajo n. el efecto ingreso y sustitución se cancelan. EL MÉTODO DE LAGRANGE 9 Ahora. debemos verificar que efectivamente este candidato es el correcto.

si la solución es interior. principalmente por Pontryagin y sus colaboradores. Una vez más utilizaremos el modelo básico de crecimiento para ilustrar las ideas principales de este método. Obsérvese que solo tenemos una condición inicial k0 . . como su nombre lo indica.. La programación dinámica se debe al matemático norteamericano Richard Bellman quien introdujo el método en una monografía publicada en el año 1957 (Bellman [1957]). La condición que está faltando es la condición de transversalidad : ¡ ∗ ∗ ¢ t ∂r kt . el valor óptimo kt+1 debe ser solución al problema: ª © ∗ ∗ m´ax ∗ r(kt . kt+1 ) t=0 : ∈ Γ (kt ) k0 dado. de lo contrario.a kt+1 ∞ X β t r(kt . kt+1 ) + βr(kt+1 . es un caso particular de la teoría del control óptimo)5 . Para simplificar un poco la notación introduciremos las siguientes definiciones. t = 0. Obsérvese que el problema de optimización en el modelo básico de crecimiento se puede escribir de forma equivalente como: m´ax {ct } ∞ X t=0 β t u (f (kt ) − kt+1 + (1 − δ)kt ) s. dando inicio a lo que se conoce como el cálculo de variaciones.. supongamos que {kt∗ } es una secuencia que resuelve el problema.10 CAPÍTULO 1. Su trabajo en ésta área lo hizo en un contexto continuo. kt+1 . se deben al matemático suizo Leonard Euler (1707-1783). Ahora. luego debe faltar algo más para caracterizar completamente la solución. existirian infinitas soluciones.kt } s. ∗ Intuitivamente. La Teoría del Control Óptimo fue desarrollada principalmente por matemáticos rusos en la primera mitad de este siglo. una para cada k1 . Euler ha sido uno de los científicos más prolíficos e importantes de la historia.a : 0 ≤ kt+1 ≤ f (kt ) + (1 − δ)kt k0 dado. kt+1 lim β kt∗ ≤ 0 (1. kt+2 ) kt+1 ∈Γ(kt ) Es decir.10) t→∞ ∂kt 5 Las Ecuaciones de Euler. kt+1 ) = u (f (kt ) − kt+1 + (1 − δ)kt ) y Γ(kt ) = {k ∈ R : 0 ≤ k ≤ f (kt ) + (1 − δ)kt } entonces el problema del modelo básico de crecimiento es equivalente a: m´ax {ct . es necesario que la secuencia satisfaga lo que se conoce como las ecuaciones de Euler: ¡ ¢ ¢ ¡ ∗ ∗ ∗ ∂r kt∗ . . kt+2 ∂r kt+1 +β = 0. ∂kt+1 ∂kt+1 que es una ecuación en diferencias finitas de segundo orden. ECONOMÍA DINÁMICA de Euler o más generalmente como el Método de Lagrange (este a su vez. Sea r(kt .

Solución 1 Para mostrar que el consumo en estado estacionario es una función decreciente de la tasa de interés.4. Por el momento.4. a lo largo de la trayectoria óptima el valor presente de la utilidad marginal de una unidad adicional de capital en el infinito no debe ser positiva. ecuación 1. Probar que el nivel de consumo en el estado estacionario es una función decreciente de la tasa de interés.11) Es fácil obtener la solución de estado estacionario a partir de esta ecuación en diferencias finitas. Ejemplo 3 (Brock y Mirman [1972] una vez más). no es obvio cómo utilizar la condición de transversalidad. Sea xt = kt+1 ∗α . Aplicando las ecuaciones de Euler al ejemplo de Brock y Mirman obtenemos: − kt∗α αk ∗α−1 1 + β ∗α t+1 ∗ = 0 ∗ − kt+1 kt+1 − kt+2 (1. utilizaremos la regla de la cadena: ∂c∗ ∂c∗ ∂β = ∂r ∂β ∂r Del ejemplo 1 sabemos que: 1 1 k ∗ = (βα) 1−α ⇒ c∗ = (1 − βα)(βα) 1−α . 1. lim β t t→∞ 1 − xt Ahora basta con observar que una solución particular de estas dos ecuaciones es xt = αβ. Sea r la tasa de interés real de la economía y suponga 1 que el factor de descuento β es igual a 1+r . para resolver esta ecuación por fuera del estado estacionario. Intuitivamente. kt+1 = αβktα que genera una dinámica que satisface simultaneamente las ecuaciones de Euler y la condición de transversalidad. De hecho. es decir. Ejercicios y Soluciones Ejercicio 1 Supongamos que estamos interesados en la solución de estado estacionario del ejemplo 1. En este capítulo hemos hecho un tour por las ideas más importantes que surgen en el estudio de las economías a lo largo del tiempo y a las cuales nos dedicaremos a estudiar de una manera más formal en los próximos capítulos.1. más adelante dedicaremos un buen esfuerzo a explotar la condición de transversalidad.10. basta con observar que la anterior k∗ ecuación se puede reducir a una ecuación de primer orden. EJERCICIOS Y SOLUCIONES 11 En los próximos capítulos discutiremos una interpretación de esta condición. t entonces el sistema es equivalente a: µ ¶ 1 − xt+1 xt = αβ 1 − xt y la condicion de transversalidad se puede reescribir como: α = 0. Sin embargo.

2. Se cumple la propiedad de estabilidad para k ∗ > 0 pero no para k∗ = 0. Supongamos que f (kt ) = Aktα donde A es una constante. Esta es una ilustración de la hipótesis de convergencia en la teoría del crecimiento 3. Si el capital inicial esta por debajo del capital de estado estacionario. 1. Cada período cortamos un poco y nos lo comemos. Ejercicio 2 Mostrar formalmente que en el ejemplo de Brock y Mirman. el problema puede ser formulado de la siguiente forma: m´ax {xt } ∞ X t=0 β t ln(xt − xt+1 ) 0 ≤ xt+1 ≤ xt x0 dado. Solución 2 (Ejercicio 3) Llamemos xt la cantidad de pastel que queda en el periodo t. Así. 1. Utilizando dos valores diferentes de A ilustrar la hipótesis de convergencia condicional: controlando por diferentes parámetros fundamentales (A diferentes) mostrar que los países que están relativamente más lejos de su estado estacionario crecen más rápido que los que están relativamente más cerca. la tasa de crecimiento del capital es una función decreciente del nivel de capital.12 CAPÍTULO 1. La utilidad instantánea de comerse un pedazo es igual al logaritmo del tamaño del pedazo. El pedazo de pastel que nos comemos puede definirse como la diferencia entre el pastel que tenemos en t y el que queda en t + 1. Ejercicio 3 El problema de comerse un pastel (tomado de Stockey — Lucas [1989]). . Mostrar que la dinámica óptima del capital es kt+1 = βαAktα y la función de política es ct = (1 − βα)Aktα . Supongamos que tenemos una cantidad x0 de pastel. 2. ECONOMÍA DINÁMICA Derivando c∗ con respecto a β obtenemos: α α(βα) 1−α ∂c∗ = (1 − β) > 0 ∂β β(1 − α) Derivando β con respecto a r obtenemos: ∂β = −(1 + r)−2 < 0 ∂r De estas dos ecuaciones se desprende que el nivel de consumo del estado estacionario es una función decreciente de la tasa de interés. Encontrar la función valor y la función de política (sugerencia: la función valor es logarítmica). Escribir el problema como un problema de programación dinámica.

1.4. Las condiciones de primer orden del problema funcional implican: xt+1 = β xt (1 + βA) Substituyendo en la ecuación funcional: µ ¸ ¶ ∙ µ ¶ βA βA A ln(xt )+B = v(xt ) = ln(xt )+ln 1 − +β A ln + A ln(xt ) + B 1 + βA 1 + βA Utilizando el método de coeficientes indeterminados. EJERCICIOS Y SOLUCIONES 13 Para usar una notación similar a la del capítulo. El problema funcional es: v(xt ) = m´ax{ln(ct ) +βv(xt − ct )} 0 ≤ ct ≤ xt Utilizando la sugerencia para resolver el problema (o alternativamente. hacer algúnas iteraciones para convencerse de que esta es un buen candidato). suponemos que la función valor es de la forma: v(xt ) = A ln(xt ) + B donde A y B constantes. podemos verificar que A y B son constantes: 1 1−β µ = ln 1 − A = B = ¶ ∙ µ ¶ ¸ βA βA + β A ln +B 1 + βA 1 + βA β ln (β) ln (1 − β) + 1−β (1 − β)2 Luego: xt+1 = βxt . podemos replantear el problema secuencial de la siguiente manera: m´ax ∞ X β t ln(ct ) t=0 0 ≤ ct ≤ xt y xt+1 = xt − ct Donde ct es la cantidad de pastel que nos comemos en t.

14 CAPÍTULO 1. ECONOMÍA DINÁMICA .

A mthematical theory of saving. pp. 39-69. Dynamic Programming. 1965. N. 1983. John B. with Edward Prescott. D. W. Recursive Methods in Economic Dynamics. Economic Journal 38:543-559. T. [3] Cass. (1957). Vol 14. [6] Ramsey. Jr. Real Business Cycles Journal of Political Economy. Optimal Economic Growth and Uncertainty: The No Discounting Case. Optimum Growth in an Aggregative Model of Capital Accumulation. Mirman.Bibliografía [1] Bellman. Frank P. Princeton University Press. 1989. 1965. 32:3. No. L. Jr and Plosser. [7] Stokey. [2] Brock. R. 1928. [5] Long. 15 . On the concept of optimal growth. 3. 560 . Harvard University Press. 233-240. Review of Economic Studies. And Robert Lucas. en: The Econometric Approach to Development Planning (Rand-McNally). International Economic Review. 91 (1) pp. Vol. (1972).A. Charles I.573. [4] Koopmans.

16 BIBLIOGRAFÍA .

lo cual determina las posibilidades de 1 Esta parte está basada en el capítulo 4 de Stokey-Lucas [1989]. La idea de todo esto es la siguiente: las variables xt caracterizan el estado de la economía. ut ∈ Γ(xt ).. es decir. ut ) . r y g son funciones de X × Rm en R y X respectivamente. X ⊂ Rn . 2. el ambiente económico frente al cual un agente debe tomar una decisión. 17 . 1. ut ∈ Rm . Como ya habíamos señalado. Finalmente. donde xt ∈ Rn . la correspondencia Γ describe las posibilidades de escogencia de las variables de control que tiene el agente cuando la economía se encuentra en un estado xt .a : xt+1 = g (xt . Las variables xt se llaman variables de estado que típicamente son el monto de capital o la cantidad de activos que tiene el agente representativo en el instante t. y Γ es una correspondencia de X en Rm (ver Apéndice). los modelos de crecimiento y los modelos de ciclos reales. como por ejemplo.Capítulo 2 Programación Dinámica: El caso determinístico El objetivo en esta parte será formalizar los métodos presentados en el capítulo anterior para un problema lo suficientemente general como para incluir algunos modelos bastante importantes que se encuentran en la literatura. La función g describe la evolución de las variables de estado dada una escogencia de las variables ut que llamamos variables de control. La función r la llamamos función de retorno (instantáneo) y usualmente será la utilidad instantánea del agente representativo. x0 ∈ X dado. xt puede ser el monto de capital (como en el modelo básico de crecimiento) que existe en la economía..1 El problema típico (o problema secuencial) que queremos resolver tiene la forma: sup ∞ X β t r(xt . t = 0. . ut ) {ut } t=0 s.

ut )}t=0. u∗t )+βv(g(x∗t . u0 )) y las posibilidades de escogencia del control un período mas tarde (u1 ∈ Γ(x1 )). u∗t )) para t = 0.. Obsérvese que el ejemplo de Brock y Mirman de las notas anteriores es un caso particular de este tipo de problemas.. v(x0 ) es el valor máximo que puede alcanzar el problema secuencial y si {(x∗t . diremos que {xt }t=0. en este caso las variables de control.18CAPÍTULO 2. 2. . Definición 1 Una secuencia de estados y controles {(xt . también es un caso particular del problema secuencial que estamos estudiando en esta parte. bajo ciertas condiciones. Γ(kt ) = {ct : 0 ≤ ct ≤ ktα } y X = R++ . .1. serán suficientes para desarrollar las ideas principales. Nuestro objetivo es ahora encontrar las condiciones bajo las cuales se cumple el Principio de Optimalidad de Bellman: Sea v la función que resuelve el problema funcional entonces. Frecuentemente. .. si ut ∈ Γ(xt ) y xt+1 = g (xt . Condición 1 Γ(x) es diferente de vacio para todo x ∈ X (i. 1.. r(ct ) = log (ct ) .. el nivel de consumo o inversión. A todo problema secuencial (PS) como el de arriba. g(kt .. la llamamos función de política ( o correspondencia de política según sea el caso). ut = ct . .e. Ahí xt = kt .. Más aún. {(x∗t .a : u ∈ Γ(x). El conjunto de todas las dinámicas factibles desde x0 lo denotamos por Π(x0 ). es fácil ver que el modelo básico de crecimiento considerado del capítulo anterior. u))} u s. 1. . Las siguientes hipótesis aunque. u∗t )} es tal que: v(x∗t ) = r(x∗t ... PROGRAMACIÓN DINÁMICA: EL CASO DETERMINÍSTICO producción de las firmas y consecuentemente. De esta forma. 2.. La función h que nos da el valor de u que resuelve el problema anterior para cada x. probaremos un converso para cada una de las afirmaciones anteriores. donde u∗t ∈ Γ(x∗t ).. Esto se captura a través de la restricción ut ∈ Γ(xt ). u) + βv(g(x. y abusando un poco del lenguaje. no las más generales. u∗t )} resuelve el problema secuencial. x∗0 = x0 entonces. x∗t+1 = g (x∗t . le asociamos un problema funcional (PF): v(x) = sup{r(x. De igual forma. dado x0 (el estado inicial de la economía) el agente observa las posibilidades que tiene para escoger el control inicial u0 sabiendo que éste le determinará el estado de la economía (x1 = g (x0 . Bajo estas restricciones el agente debe procurar escojer los controles con el fin de maximizar el valor presente de los retornos futuros. En este caso decimos que la secuencia de controles {ut } es un plan factible desde x0 . en X ×Rm es una dinámica factible desde x0 para el problema secuencial.. ct ) = ktα − ct . Γ(x) 6= φ para todo x). ut ) para t = 0. y así sucesivamente. que los agentes pueden escoger. Comencemos por hacer algunas hipótesis básicas para que el problema secuencial tenga sentido. es una dinámica factible desde x0 . u∗t ) .

ve(x0 ) ≥ sup {r(x0 . ∞ P β t r(xt . para probar la desigualdad contraria. ve(x0 ) es el valor supremo del (PS). que para toda dinámica factible desde x0 la suma infinita existe. ut ) ≤ t=0 Anotación 1 La forma más común para garantizar la condición anterior es utilizando lo que en la literatura se conoce como condición de no-ponzi. {(x1 . u) + u∈Γ(x) β ve(g(x. implícitamente. argumentamos de la misma forma: Sea ε > 0. 1) entonces las condiciones 2 y 3 se cumplen. ut ) ≥ ve(x1 ) − ε. u2 )... existe una dinámica factible {(xt .. Además. (x1 . Es decir. .. entonces existe una dinámica factible desde x0 ..} tal que. u0 ). u0 ))}. Sea ε > 0 . ve resuelve el PF. Proposición 1 Bajo las condiciones 1.} tal que ve(x0 ) ≤ β t r(xt . Ahora t=1 {(x0 . ∞ P {(x0 . En los ejercicios se dan otras condiciones bajo las cuales la condición 2 se cumplen. u1 ). Sin embargo: Condición 3 β ≥ 0 y para todo x0 ∈ X..} ∈ Γ(x0 ) luego ve(x0 ) ≥ ∞ P β t r(xt . desde x0 y un mx0 ∈ R tal que la secuencia de sumas parciales {Sn }n=0. u0 ) + β ve(g(x0 . u1 ). ut ) ≥ r(x0 . . ut )}t=0. u0 ) + β t=0 ve(x1 ) − βε = r(x0 .. Esta condición asume. (x2 . Ahora. u0 ). u0 ) + β u0 ∈Γ(x0 ) ve(g(x0 . u0 ). u0 )+ β ve(g(x0 . ut ).. . ut ) satisface mx0 ≤ Sn para todo n. u))}. u0 )+β ve(x1 ) luego ve(x0 ) ≤ 2 Hacer este supuesto utilizando todas las dinámicas factibles es más restrictivo y no se cumpliría para la función de utilidad logarítmica ni para la función de utilidad CES con parámetro σ < 1. u1 ). (x1 .1.1. u0 )) para todo u0 ∈ Γ(x0 ) es decir. Proof. .. desde x0 . entonces existe una dinámica factible ∞ P desde x1 .19 Condición 2 β ≥ 0 y para todo x0 ∈ X. Más adelante volveremos sobre este punto. u0 )) − βε. Como ve(x1 ) es el valor supremo del (PS) con valor inicial x1 .. β t−1 r(xt . t=0 De nuevo como ε es arbitrario tenemos ve(x0 ) ≤ r(x0 . . existe Mx0 ∈ R tal que Mx0 para toda dinámica factible {xt }t=0..1.ut )}∈Π(x0 )t=0 Llamamos a la función ve la función valor del problema. Sn = n P β t r(xt . {(xt .. Como esto es verdad para todo ε > 0 y u0 es cualquier elemento Γ(x0 ) entonces tenemos que ve(x0 ) ≥ r(x0 . ut )+ε ≤ r(x0 . Olvidándonos de los subíndices tenemos ve(x) ≥ sup {r(x.2 t=0 Es claro que si r es acotada y β ∈ [0. u0 ∈ Γ(x0 ) y x1 = g(x0 . Bajo las condiciones anteriores podemos definir la función ve : X → R donde ∞ P ve(x0 ) = sup β t r(xt . La primera relación importante entre el (PS) y el (PF) nos la da la siguiente proposición.. u0 )+β ve(x1 )+ε. en las condiciones anteriores pemitimos que para ciertas dinámicas fáctibles la suma sea −∞. 2 y 3.

si v resuelve el PF y l´ım β t v (xt ) = t→∞ 0 para todo x0 ∈ X y dinámica factible {xt } desde x0 (condición de transversalidad fuerte)..20CAPÍTULO 2. u0 ) + βr(x1 . como v es solución del (PF) entonces para toda dinámica factible {(xt . existe u1 ∈ Γ(x1 ) tal que: v(x1 ) ≤ r(x1 . Sea x1 = g(x0 . ver Stockey-Lucas[1989]. Usaremos esta terminología. u1 ) + β 2 v(x1 ) ≥ . t=0 Estas dos afirmaciones implican que v es la función valor del problema. ut ) t=0 para toda dinámica factible desde x0 y segundo que para todo > 0. Como v resuelve el (PF) entonces existe u0 t=0 tal que v(x0 ) ≤ r(x0 . En este último sentido se parece más a una conndición de no-ponzi. existe una ∞ P dinámica factible {(xt . ut ) + ε. u1 ) + βv(x2 ) + δ 1 . Primero probaremos que v (x0 ) ≥ ∞ P β t r(xt . u0 ) y por la misma razón que arriba. Nuevamente. ut ) + ε. desde x0 tal que v (x0 ) ≤ β t r(xt . ut )} ∈ Π(x0 ) tenemos: v (x0 ) ≥ r (x0 . 2 y 3. Para t=0 demostrar la segunda afirmación.. entonces ve = v. Proposición 2 Bajo las condiciones 1. v resuelve el PS. u0 ) + βv(x1 ) ≥ r (x0 . u0 )) + δ 0 . ut ). olvidándonos de los subíndices.1. u0 ) + βr(x1 . Usando ≥ t→∞ t=0 la condición 2 y haciendo k → ∞ obtenemos v (x0 ) ≥ ∞ P β t r(xt . u1 ) + β 2 v(x2 ) + δ 0 + βδ 1 . u0 ))}. u0 ) + βv(g(x0 . ut )} ∈ Π(x0 ) que ∞ ∞ P P satisfaga: v(x0 ) ≤ β t r(xt . Proof.. u0 ∈Γ(x0 ) obtenemos la desigualdad que nos faltaba. La siguiente proposición nos da un converso parcial de la anterior y las condiciones bajo las cuales se cumple una de las afirmaciones del Principio de Optimalidad. v(x0 ) ≤ r(x0 . ut ) + δ t β t + l´ım β t v (xt ) (aqui utilizamos l´ım t=0 β t v (xt ) ≤ 0) ≤ ∞ P t=0 t→∞ t→∞ β t r(xt .. Para demostrar la primera. 4 En la literatura de optimización dinámica el término condición de transversalidad generalmente se refiere a una condición necesaria (o suficiente) que se debe cumplir en la solución del problema. sea ε > 0 arbitrario y {δ n } una secuencia de ∞ P números reales tal que δ t β t ≤ ε. u0 )+β ve(g(x0 .. En la literatura de la Teoría del Equilibrio con Mercados Incompletos con horizonte infinito el término generalmente se refiere a restricciones asintóticas sobre el nivel de endeudamiento en el que pueden entrar los agentes (Ver Magill y Quinzii [1994]). Luego.3 4 3 Para variaciones de esta última proposición cuando la condición de transversalidad no se cumple. Es decir. Vamos a probar dos cosas. t=0 Esta proposición muestra que el problema funcional tiene una única solución que satisface la condición de transversalidad. xt ) + β k+1 v (xk+1 ) (aqui utilizamos l´ım β t v (xt ) ≥ 0). .3. Continuando de esta manera podemos encontrar una dinámica factible {(xt . PROGRAMACIÓN DINÁMICA: EL CASO DETERMINÍSTICO sup {r(x0 . k P β t r(ut . ut )}t=0. ejercicio 4.

luego ∞ P ∞ P (2. u1 ). u∗t )+β k+1 ve x∗k+1 y usando que l´ım sup β t ve(x∗t ) ≤ ve x∗t+1 llegamos a: ve(x∗0 ) = t=0 . entonces: ¡ ¢ ve(x∗t ) = r (x∗t . . 2 y 3. Si l´ım β t v (xt ) < 0 ocurre t→∞ lo contrario.} ∈ Γ (x∗1 ) . Nuestro objetivo ahora es caracterizar los planes óptimos. Obsérvese que un plan factible determina unívocamente una dinámica factible.. sustituyendo k veces en (1) el valor de ve(x∗t ) en términos de k ¡ ¢ ¢ ¡ P β t r (x∗t .21 Anotación 2 Intuitivamente l´ım β t v (xt ) > 0 implica que se están subutilizant→∞ do los recursos cuando la dinámica factible es {xt }. Como (x∗t . u∗0 ) + β t=0 dinámica {(x∗1 . u∗t )} una dinámica factible desde x∗0 que permite alcanzar el supremo del PS..} ∈ Ahora como para toda dinámica {(x∗1 . . Esta interpretación sugiere que la condición de transversalidad es muy fuerte y por lo tanto no debe ser una condición necesaria (Ver ejercicio 8). u∗t )} es una dinámica factible desde x∗0 que satisface (1) y tal que l´ımβ t ve(x∗t ) ≤ 0. Proposición 4 Bajo las condiciones 1. u∗t ) alcanza el supremo del (PS) entonces: r (x∗0 . Esto demuestra la afirmación para t = 0. u∗t ) = r (x∗0 .. . 1. (x2 . Finalmente tenemos un converso para esta proposición que nos da las condiciones bajo las cuales se cumple la otra afirmación del Principio de Optimalidad. (x∗2 . uno pensaría que esta condición es. aquellos planes factibles (si es que alguno existe) que permiten alcanzar el supremo del PS. ut+1 ). Volviendo a la primera ecuación tenemos entonces: ∞ P t=0 t β r(x∗t .. u∗0 ) + β ∞ P β t r(x∗t+1 . u∗t+1 ) ≥ r (x∗0 . Ahora. Proof.1) ∞ P β t r(x∗t . u∗2 ). u∗t+1 ) ≥ t=0 Γ (x∗1 ) . Proof. u∗t ) = t=0 β t r(xt+1 . u∗1 ). t=0 {(x∗1 . si {(x∗t . Como {(x∗t .. . Intuitivamente. Sea {(x∗t . a lo sumo. u∗t ) + βe v x∗t+1 .. 2. (x2 . u∗t )} es una dinámica factible desde x∗0 entonces ∞ P t=0 β t r (x∗t . Anotación 3 Obsérvese que aquí podemos cambiar ve por v. u2 ).. u∗t ) ≤ ve(x∗0 ). Para los otros períodos basta utilizar inducción. (condición de transversalidad débil) entonces {(x∗t . u∗0 ) + βe v (x∗1 ) pero la primera sumatoria t=0 es igual a ve (x∗0 ) por la definición de {(x∗t . t = 0. Es decir. necesaria a lo largo de una dinámica que resuelve el PS. u∗t )} resuelve el PS. u∗t )} . u1 ). ∞ P β t r(xt+1 . u2 ).. 2 y 3. Proposición 3 Supongamos que se cumplen las condiciones 1.} ∈ ∞ P Γ (x∗1 ) entonces ve (x∗1 ) = β t r(x∗t+1 . ut+1 ) para toda t=0 β t r(x∗t+1 . u∗t+1 ).

Γ(x) es compacto para todo x). u∗t ) ≥ ve(x∗0 ) luego por la desigualdad anteri- t=0 β t r (x∗t . pero aún no hemos dado un método para resolver ninguno de los dos excepto por el método que introdujimos informalmente en el capítulo anterior para resolver el problema funcional. 2 y 3 y si la condición de transversalidad se satisface. Condición 5 β ∈ (0. de la identificación del (PF) con un problema de 5 El grafo de Γ es el conjunto: {(x. El método que expondremos para resolver el problema funcional nace. Nos concentraremos aquí en el método más importante desde el punto de vista teórico y práctico para resolver el problema funcional. Como consecuencia inmediata de las cuatro proposiciones anteriores tenemos el siguiente teorema que resume las relaciones entre el (PS) y el (PF). y) ∈ X × Rm : y ∈ Γ(x)} . entonces esta debe ser una dinámica factible óptima para el problema secuencial. La programación dinámica no tendría tanto valor si no fuera porque para el (PF) existen varios métodos de solución. tenemos ∞ P ∞ P β t r (x∗t . t=0 Anotación 4 Intuitivamente. 2 y 3. Es claro que los supuestos 4 y 5 implican 1. luego bajo estas condiciones se cumple el Teorema de Equivalencia (Teorema 1). si a lo largo de una dinámica factible que satisface (1) no se subutilizan recursos. pues éste sirve para demostrar la existencia de soluciones (al igual que sus propiedades más importantes) y a la vez. Hasta este punto hemos estudiado la relación entre el problema funcional y el problema secuencial. Anotación 5 En ocasiones la escogencia inteligente del espacio de estados X puede dar paso a la aplicación rigurosa del método que hemos explicado. el (PS) y el (PF) tienen las mismas soluciones en términos de valor y dinámicas óptimas. u∗t ) = ve(x∗0 ).. continua y Γ(x) 6= φ para todo x.5 Anotación 6 Bajo estas condiciones el supremo se realiza como un máximo. Teorema 1 Equivalencia del (PS) y el (PF): Bajo las condiciones 1.e. 1) y la función retorno es acotada y continua sobre el grafo de Γ. como se observó en las notas pasadas. Condición 4 Γ es una correspondencia de valores compactos (i. 1). Además β ∈ (0. motiva algunos métodos numéricos importantes para resolver el (PF). PROGRAMACIÓN DINÁMICA: EL CASO DETERMINÍSTICO 0 podemos concluir que or. 2 y 3.22CAPÍTULO 2. Para esto necesitamos pedir un poco más sobre la correspondencia Γ y la función de retorno r que lo que se pide en las condiciones 1. El ejercicio 9 ilustra el caso de un problema dinámico para el cual existe un plan factible que satisface (1) pero que no es un plan óptimo para el problema secuencial. Ver el ejemplo 4.

. Así el PF se reduce a calcular un punto fijo del operador T. Ca (X). la función de producción de esta economía depende únicamente del capital humano efectivo en cada período: ht nt . u) + βv(f (x. Otra forma de encontrar el plan óptimo sería resolviendo el sistema de ecuaciones (1) . muy usado en matemáticas.. y puesto que el operador T está definido a través de un problema de maximización. yt = f (ht nt ). T : Ca (X) → Ca (X). resolviendo paso a paso el problema de maximización que aparece en el PF.6 En este modelo de crecimiento supondremos que los únicos factores de producción en cada período son el capital humano ht y el tiempo que el agente representativo dedica al trabajo nt . Proof. Ahora.a : u ∈ Γ(x).23 punto fijo. 1. n→∞ la correspondencia de política h es de valores compactos y hemicontinua superiormente. tiene un único punto fijo v y además para cualquier v0 ∈ Ca (X) se tiene: kT n [v0 ] − vk ≤ β n kv0 − vk . esta solución debe ser el valor supremo del PS. Ejemplo 4 (Crecimiento con inversión en capital humano). Teorema 2 (Punto Fijo para Contraccciones): Supongamos que se cumplen 4 y 5 y sea Ca (X) el espacio de las funciones reales. Informalmente. encontrando la función política h. entonces.. n = 0. es decir. continuas y acotadas sobre X. Adicionalmente. A su vez. Este se define de la siguiente manera: Dada una función f en este espacio de funciones (más adelante explicaremos cúal es). En particular l´ım T n [v0 ] = v en la métrica del supremo. Una vez tenemos la función valor podemos proceder a encontrar el plan óptimo. Cambiando simplemente las unidades con las que medimos este tiempo. entonces sería natural buscar un punto fijo en el espacio de las funciones reales. por el Teorema de Equivalencia. podemos suponer que nt ∈ [0. . La esperanza en estos procedimientos radica en el siguiente teorema. Ahora. y por lo tanto v por la primera proposición. T [f ] es la función que evaluada en x ∈ X nos da: T [f ] (x) = sup{r(x. al (PF) le asociamos un operador T de cierto espacio de funciones sobre X en sí mismo. Más concretamente. α ∈ (0. bajo el supuesto 5 es claro que ve. continuas y acotadas sobre X con la norma del supremo k·k. este modelo tiene origen en el clásico artículo de Lucas [1988] y en Usawa [1964]. Usaremos estos resultados para resolver el siguiente modelo de crecimiento con inversión en capital humano. la evolución del capital humano en esta economía depende 6 Tomado de Stokey-Lucas página 111. 1). donde f es la función f (x) = xα . Entonces el operador T definido sobre Ca (X) es una aplicación de este espacio en sí mismo. 1]. Si encontramos un punto fijo del operador T en Ca (X) y por lo tanto una solución del PF. Es decir. 2. Ver Stokey-Lucas [1989] página 79. u))} u s. es una función acotada sobre el conjunto X.

Ver ejemplo siguiente (Aprendiendo Haciendo). 7 Por eso decimos que este es un modelo de crecimiento con inversión en capital humano. a diferencia de otros en los que entre más se trabaja más se aprende al adquirir mayor experiencia. estrictamente cóncava. 1] en R+ .1: del tiempo dedicado a trabajar. el agente debe dedicar tiempo a esta tarea. 1 . etc. por ejemplo estudiando o capacitándose. Ψ(1) = 1 − δ. donde λ. dejando entonces de trabajar un poco. estrictamente decreciente y tal que Ψ(0) = 1 + λ. con estas características: Ψ es continua.24CAPÍTULO 2.7 Una forma de capturar esta dinámica es la siguiente: Sea ht+1 = ht Ψ (nt ) donde Ψ es una función de [0. Esto refleja el hecho que. para acumular capital humano y aumentar la productividad. siendo la acumulación del capital humano menor entre más tiempo se dedique al trabajo y mayor entre menos tiempo se dedique a éste. PROGRAMACIÓN DINÁMICA: EL CASO DETERMINÍSTICO PHI 1+delta 1-delta 0 Figura 1 Figura 2. δ ≥ 0 (figura 1).

menos acumulará de éste en el margen. Ahora. En el otro extremo. entonces su capital humano se apreciará a una tasa λ. proponer . De igual forma vn (h) = ασ An hσ . entonces v1 (h) = m´ax (nh) (h) = . Sea v0 = 0. el valor de n que resuelve este problema no depende de h.25 La idea de esta función es la siguiente: si el agente decide no trabajar. si el agente decide dedicar todo su tiempo al trabajo. la variable de control es nt . El problema del agente representativo es entonces: sup ∞ X β t u (f (ht nt )) {nt } t=0 s. Sea β ∈ (0. entre más tiempo el agente dedique a acumular capital humano. es fácil probar que se satisfacen las condiciones del Teorema de Equivalencia (Teorema 1). El agente representativo en esta economía puede consumir todo lo que produce y su variable decisión en cada período es cuánto tiempo debe dedicarse al trabajo.a : ht+1 = ht Ψ (nt ) h0 dado. 1) y supongamos σ que tiene una utilidad instantánea de consumo: u(c) = cσ . donde σ ∈ (0. En este ejemplo. Es natural entonces. 1) . nt ) = ht Ψ (nt ) . Pasemos ahora al problema funcional: v(ht ) = m´ax {u (f (ht nt )) + βv(ht Ψ (nt ))} s. la variable de estado es ht . ht+1 = g (ht . Basta con notar que el capital humano se acumula o desacumula a una tasa máxima λ y δ respectivamente.a : {nt } 0 ≤ nt ≤ 1 Ahora aplicaremos el Teorema del Punto valn Fijo opara encontrar la función ασ hασ or. Esto implica que ασ v2 (h) = A2 hσ . y que por lo tanto: ∞ ∞ ασ X X t (h0 nt ) β t u (f (ht nt )) ≤ (β(1 + λ)ασ ) σ t=0 t=0 para toda dinámica factible desde h0 . La concavidad de la función implica que. por ⇒ n = 1 ⇒ v 1 σ σ 0≤n≤1 lo tanto. donde An es una constante positiva. reflejando esto el hecho de que al no trabajar el agente puede dedicar todo su tiempo a estudiar o capacitarse con el fin de incrementar su capital. Γ (ht ) = {nt : 0 ≤ nt ≤ 1} y X = R+ . la desigualdad de la derecha es un número finito siempre que β (1 + λ) < 1. entonces no tendrá tiempo para capacitarse y su capital humano se depreciará a una tasa δ. v2 (h) = m´ax 0≤n≤1 ½ (nh)ασ (hΨ(n))ασ +β σ σ ¾ = hασ m´ax 0≤n≤1 ½ nασ (Ψ(n))ασ +β σ σ ¾ Luego. la función de retorno es u ◦ f. donde A2 es una constante positiva. Ahora.

t > 0 (los retornos marginales a la inversión en son crecientes) y Ψ00 (nt ) = γθ(θ − 1)nθ−2 t capital humano 1 − nt . son crecientes). Anotación 7 Si Ψ (n) = γnθ .26CAPÍTULO 2. PROGRAMACIÓN DINÁMICA: EL CASO DETERMINÍSTICO ασ como candidato a función valor. 1].a ht+1 ∞ X β t u (f (ht nt )) sup {nt } t=0 : = ht Ψ (nt ) . La motivación detrás de esta especificación tiene origen en el papel que la experiencia juega en la productividad del trabajo. El valor t exacto de esta constante depende de la forma explícita de Ψ. Por lo tanto la tasa de crecimiento del capital humano es constante. donde: ³ ´1 θ −θ A = βγ ασ −θ + (−θβγ ασ ) . Definimos Ψ (nt ) = γnθt . Es decir. En este caso. el capital humano se acumula gracias a la experiencia y el trabajo en el proceso de producción. donde θ < 0 (obsérvese que esta función no satisface las condiciones de arriba8 ) es fácil mostrar que la función de política es: 1 nt = (−βAθγ ασ ) ασ(1−θ) . h0 dado. 9 La idea de Aprendiendo Haciendo ( “Learning by Doing”) se debe a Arrow[1962]. Es decir. En el caso anterior. 8 Nótese . La constante A puede encontrarse observando que v debe satisfacer la ecuación funcional. pues. Es decir. Consideremos otro caso de crecimiento endógeno e inversión en capital humano. una función de la forma v(h) = A hσ . El agente debía sacrificar parte de su tiempo educándose (por lo cual dejaba de trabajar) para incrementar su capital humano. Preguntas: ¿Es ésta una solución?¿ Por qué existe esta solución? Ejemplo 5 (Aprendiendo haciendo). no interesa cual sea el nivel de capital humano h. había un costo de invertir en dicho capital. ½ ¾ (hn)ασ hασ hασ Ψ (n)ασ A = m´ ax + βA σ σ σ {n} s. ht+1 = ht Ψ (nt ) = ht Ψ (n∗ ). utilizando exactamente la misma notación del ejemplo anterior. donde γ > 0 que Ψ0 (nt ) = γθnθ−1 < 0 (los retornos a la inversión en capital humano 1 − nt .a : 0 ≤ n ≤ 1 No es difícil demostrar que la función de política es una constante n∗ ∈ (0. luego hht+1 = constante. Ahora. el agente siempre escoge trabajar n∗ .9 Tenemos el mismo problema del agente representativo expuesto arriba: s. por el contrario. La diferentes interpretaciones sobre la forma como se acumula capital humano están ligadas a la forma funcional de Ψ. el capital humano se aumenta en la medida que trabajamos. la única diferencia es la forma como vamos a definir la función de acumulación de capital humano.

n hασ P Sea v0 (h) = 0. l) = log(c − a(1 − l)γ ) yt = ktα n1−α t µ ¶1−δ it kt+1 = kt = ktδ i1−δ .11 Derivamos primero respecto a cada una de las variables: ∂U ∂c ∂U ∂l 1 c − a(1 − l)γ γa(1 − l)γ−1 = U2 (c. Este es el caso de “aprendiendo haciendo”. Para esto. ht+1 = g (ht . a > 0. la variable de estado es ht . Los menores principales se obtienen quitando la i-ésima fila y la i-ésima columna de la matriz y tomando el determinante de la matriz resultante. Luego la función valor de nuestro problema es: hασ 1 v(ht ) = t σ 1 − βγ ασ Es fácil ver que en efecto la función de política es: nt = 1.a : sup {u (f (ht nt )) + βv(ht Ψ (nt ))} {nt } 0 ≤ nt ≤ 1 σ Tenemos la misma forma funcional de la función de utilidad u(c) = cσ . El problema funcional asociado es: v(ht ) = s. vamos a demostrar que la función de utilidad es cóncava. Luego la dinámica del capital es: ht+1 = γht . 1) . l) = que Ψ0 (nt ) = γθnθ−1 > 0 (los retornos a la experiencia es creciente) y Ψ00 (nt ) = t < 0 (los retornos marginales a la experiencia son decrecientes). Γ (ht ) = {nt : 0 ≤ nt ≤ 1} y X = R+ . l) = c − a(1 − l)γ = U1 (c. la función de retorno es u ◦ f. Si γ > 1 entonces tenemos crecimiento endógeno. nt ) = ht Ψ (nt ) . γ > 1 t kt Primero. 1 0 Nótese 1)nθ−2 t . debemos calcular la matriz Hessiana de dicha función y determinar si es semidefinida negativa. En este caso.27 y θ ∈ (−∞. y i=0 la función de política en cada iteración es nt = 1. Anotación 8 Obsérvese que en los últimos dos ejemplos no existe una solución de estado estacionario en las variables en niveles. y de la función de producción f (nh) = (nh)α . Ejemplo 6 Hercowitz-Sampson (1986). γθ(θ − 1 1 Una de las características de una matriz semidefinida negativa es que sus menores principales son menores o iguales a 0. sólo necesitamos encontrar los menores principales de orden 1 (quitando la primera columna y fila o quitando la segunda columna y fila) y el determinante de la matriz.10 La variable de control es nt . entonces es muy fácil ver que vn (ht ) = σt (βγ ασ )i . Consideremos el modelo básico de crecimiento con: U (c. Ahora si θ ≥ 0 entonces la acumulación de capital humano es un producto del trabajo.

PROGRAMACIÓN DINÁMICA: EL CASO DETERMINÍSTICO Las derivadas parciales de segundo orden nos determinan la siguiente matriz Hessiana: ⎤ ⎡ ∙ ¸ −aγ(1−l)γ−1 −1 γ )2 γ )2 U11 (c. con Di constantes. l) U12 (c. β (1 − δ) D1 + 1 .28CAPÍTULO 2. Reemplazando en la ecuación de Bellman. tenemos: n ³ ³ ¡ ¢1−δ ´´o ax log (c − anγ ) + β Do + D1 ln k δ k α n1−α − c D0 + D1 ln k = m´ 0 ≤ c≤y 0 ≤ n≤1 Las condiciones de primer orden son: −aγnγ−1 c − anγ 1 (1 − δ) D1 − β α 1−α c − anγ (k n − c) α −α (1 − δ) D1 (1 − α) k n +β (k α n1−α − c) = 0 = 0 Manipulando algebraicamente encontramos la primera condición de primer orden obtenemos: (1 − δ) D1 1 = β α 1−α c − anγ k n −c k α n1−α − c = β (1 − δ) D1 c − β (1 − δ) D1 anγ k α n1−α + β (1 − δ) D1 anγ = β (1 − δ) D1 c + c k α n1−α + β (1 − δ) D1 anγ c = . l) U22 (c. l) − (c−a(1−l)γ )2 (c−a(1−l)γ ) (c−a(1−l)γ )2 Calculamos ahora el determinante de la matriz H: ¤2 £ aγ(1 − l)γ−1 γ(γ − 1)a(1 − l)γ−2 [aγ(1 − l)γ−1 ]2 |H| = + − = (c − a(1 − l)γ )3 (c − a(1 − l)γ )4 (c − a(1 − l)γ )4 γ(γ − 1)a(1 − l)γ−2 >0 = (c − a(1 − l)γ )3 Los menores principales de orden 1 son: −1 <0 (c − a(1 − l)γ )2 ¤2 µ £ ¶ γa(1 − l)γ−1 (γ − 1)(c − a(1 − l)γ ) +1 <0 |H1 | = U22 (c. l) = − (c − a(1 − l)γ )2 aγ(1 − l)γ |H1 | = U11 (c. l) = Ahora vamos a demostrar que la función valor tiene la siguiente forma: v(kt ) = D0 + D1 ln kt . l) (c−a(1−l) (c−a(1−l) ⎦ H= =⎣ [γa(1−l)γ−1 ]2 −aγ(1−l)γ−1 −γ(γ−1)a(1−l)γ−2 U21 (c.

29 y para la segunda condición: ⇒ ⇒ ⇒ ⇒ ⇒ aγnγ−1 (1 − δ) D1 (1 − α) kα n−α =β γ c − an (k α n1−α − c) ¢ ¡ α 1−α − c aγnγ−1 = k n β (1 − δ) D1 (1 − α) kα n−α (c − anγ ) aγk α nγ−α − aγnγ−1 c = β (1 − δ) D1 (1 − α) kα n−α c − β (1 − δ) D1 (1 − α) ak α nγ−α (aγk α + β (1 − δ) D1 (1 − α) ak α ) nγ−α = ¡ ¢ kα n1−α − β (1 − δ) D1 anγ β (1 − δ) D1 (1 − α) k α n−α + aγnγ−1 β ( 1 − δ) D1 + 1 α (β ( 1 − δ) D1 + 1) (aγk + β (1 − δ) D1 (1 − α) akα ) nγ−α = 2 β (1 − δ) D1 (1 − α) k2α n1−2α + β 2 (1 − δ) D12 (1 − α) ak α nγ−α + aγnγ−α k α − a2 γn2γ−1 β (1 − δ) D1 ⇒ (β ( 1 − δ) D1 + 1) (aγk α + β (1 − δ) D1 (1 − α) akα ) nγ−α = ³ ´ 1−2 2 β (1 − δ) D1 (1 − α) k2α n α + β 2 (1 − δ) D12 (1 − α) + γ akα nγ−α − a2 β (1 − δ) D1 γn2γ−1 ⇒ (γ + (1 − α)) ak α = (1 − α) k 2α n1−γ−α − a2 γn−(1−γ−α) 0 = (1 − α) k 2α n2(1−γ−α) − (γ + (1 − α)) ak α n1−γ−α − a2 γ Tenemos así n1−γ−α k α q (γ + (1 − α)) a ± ((γ + (1 − α)) a)2 − 4 (1 − α) a2 γ = 2 (1 − α) q (γ + (1 − α)) a ± γ 2 a2 + 2γ (1 − α) a2 + (1 − α)2 a2 − 4 (1 − α) a2 γ = 2 (1 − α) γa + (1 − α) a ± γa − (1 − α) a 2 (1 − α) γa 1−α = = Concluímos que: n = µ γa −α k 1−α c = Π1 kΨ1 1 ¶ 1−γ−α = µ γa 1−α 1 ¶ 1−γ−α α k −1+γ+α = Π2 k Ψ2 .

obtenemos: ¡ ¢ βΨ1 (1 − δ)2 ln Π21−α − Π1 D0 = (1 − βδ − βΨ1 (1 − δ)) (1 − β) Ψ1 D1 = 1 − βδ − βΨ1 (1 − δ) . PROGRAMACIÓN DINÁMICA: EL CASO DETERMINÍSTICO Sustituyendo estas expresiones en la ecuación de Bellman £ ( ) γ γΨ2 ¤ Ψ1 ln + ³ Π¡1 k − aΠ2 k ´i h ¢1−δ D0 + D1 ln k = m´ ax kα k (1−α)Ψ2 − Π1 kΨ1 β D0 + D1 ln k δ Π1−α 2 = ln [Π1 − aΠγ2 ] + Ψ1 ln k + βD0 + ³³ ´´ Ψ1 k(1−α) γ +α − Π1 k Ψ1 + βδD1 ln (k) β (1 − δ) D1 ln Π1−α 2 = ln [Π1 − aΠγ2 ] + Ψ1 ln k + βD0 + ¡¡ ¢¢ β (1 − δ) D1 ln Π1−α − Π1 + β (1 − δ) D1 Ψ1 ln k + βδD1 ln (k) 2 ¡¡ ¢¢ − Π1 + = ln [Π1 − aΠγ2 ] + βD0 + β (1 − δ) D1 ln Π1−α 2 (Ψ1 + βD1 ((1 − δ) Ψ1 + δ)) ln k Concluímos = ln [Π1 − aΠγ2 ] + βD0 + β (1 − δ) D1 ln = Ψ1 + βD1 ((1 − δ) Ψ1 + δ) D0 D1 ¡¡ 1−α ¢¢ Π2 − Π1 De aquí D1 − βD1 ((1 − δ) Ψ1 + δ) = Ψ1 D1 = Ψ1 1 − β ((1 − δ) Ψ1 + δ) Por lo tanto D0 = ln [Π1 − aΠγ2 ] (1 − β ((1 − δ) Ψ1 + δ)) + β (1 − δ) Ψ1 ln (1 − β) (1 − β ((1 − δ) Ψ1 + δ)) ¡¡ 1−α ¢¢ Π2 − Π1 Con algo de álgebra finalmente obtenemos: D0 + D1 ln kt = βD0 + βD1 (1 − δ) ln(Π1−α − Π1 ) + 2 γ + ln(Π1 − aΠ2 ) + (Ψ1 + βD1 (δ + Ψ1 (1 − δ))) ln kt Viendo esta expresión. las constantes D deben cumplir las siguientes condiciones: D0 D1 = βD0 + βD1 (1 − δ) ln(Π21−α − Π1 ) + ln(Π1 − aΠγ2 ) = Ψ1 + βD1 (δ + Ψ1 (1 − δ)) Al resolver este sistema de dos ecuaciones y dos incógnitas.30CAPÍTULO 2.

. 1 4 Obsérvese que restricciones de la forma x t+1 = Axt + A1 xt−1 + . Sea ν 0 = 0. mediante una aproximación. El lector puede consultar Ljungqvist y Sargent [2004] o Bertsekas y Shreve[1978]. y semidefinida negativa respectivamente. Bajo estas condiciones mostraremos que el control óptimo es una función lineal de las variables de estado. 1 5 Para encontrar las condiciones de primer orden hemos utilizado las siguientes reglas para la diferenciación de matrices (ver Lutkepohl: “Introduction to Multiple Time Series Analysis”. Un método bastante importante consiste en reducir el problema original. + Ap xt−p + But + B1 ut−1 + . Ver Lutkepohl [1993]. definida negativa. Las condiciones de u primer orden son:15 2u0 R + 2x0 W = 0 ⇒ u = −R−1 W 0 x ⇒ ν 1 (x) = x0 (Q − 1 2 Recuerde que y − c = i que una matriz A es simétrica si A0 = A... La característica fundamental de este problema es que la función objetivo es cuadrática y la dinámica de la variable de estado está dada por una función lineal. x0 dado. En el caso de las matrices definidas negativas la desigualdad anterior es estricta. Sustituyéndolas en la ecuación de acumulación del capital.a xt+1 : = Axt + But .. encontramos:12 ³ ´1−α Ψ2 1−δ δ α kt+1 = ktδ (ktα n1−α − c ) = k (k k − Π1 ktΨ1 )1−δ Π t 2 t t t t y simplificando. Ahora podemos determinar la dinámica óptima del capital con las ecuaciones (2). Para simplificar las cosas supondremos que estamos en estos casos. el problema que queremos resolver es: sup ∞ X β t (x0t Qxt + u0t Rut + 2x0t W ut ) t=0 s. a un problema como el que se discute a continuación. Como ya lo habíamos mencionado antes. Una matriz simétrica A (m × m) es semidefinida negativa si x0 Ax 6 0 para todo m-vector x 6= 0. + Bq ut−q pueden escribirse en la forma que aquí consideramos. Concretamente. x dos vectores de dimensión m y A una matriz m × m. luego ν 1 (x) = sup {x0 Qx + u0 Ru + 2x0 W u} . δ+Ψ1 (1−δ) − Π1 )1−δ kt kt+1 = (Π1−α 2 = Π3 ktΨ3 El próximo ejemplo es bastante importante y estudiado en la literatura. para la mayoría de los problemas de economía dinámica es imposible encontrar explícitamente una fórmula para la función de política y por eso debemos recurrir a métodos numéricos. razón por la cual el problema lleva este nombre. entonces ∂y ∂x ∂x 1 3 Recuerde ∂x0 Ax ∂x = x0 (A + A0 ) . Existen otras condiciones adicionales para garantizar que este problema tiene solución y que ésta se puede obtener con el método iterativo. Ejemplo 7 (Control Óptimo Lineal).13 14 Aqui x0 denota el vector transpuesto de x. y donde R y Q son matrices simétricas.31 Efectivamente la función propuesta cumple con las características necesarias para ser una función valor.): 0x 0y = ∂x = y0 y Sean y .

16 Supongamos entonces que ν j (x) = x0 Pj x para una matriz Pj simétrica. Solución 3 Para el modelo básico de crecimiento. xt = kt . Ejercicios y Soluciones Ejercicio 4 Escribir el modelo básico de crecimiento y el ejemplo de Long y Plosser en la notación de este capitulo. la función x0 Ax es llamada una forma cuadrática en x. 2. Supongamos que para todo u ∈ U las funciones g(·. ut = ct . págima 326). u) y r(·. y Γ(xt ) = {c ∈ R : 0 6 c 6 ktα + (1 − δ)kt } Ejercicio 5 Estudiar la estabilidad de la solución en el ejemplo de HercowitzSampson. La anterior ecuación se denomina la ecuación de Riccati Iterando esta ecuación llegamos a una matriz P que caracteriza la función valor del problema y la función de política: ut = −(R + βB 0 P B)−1 (βB 0 P A + W 0 )xt Como puede observarse de esta ecuación. ut ) t=0 xt+1 = kt+1 = ktα + (1 − δ)kt − ct = g(xt . el control óptimo es una función lineal de las variables de estado. en particular: Pj+1 = Q + βA0 Pj A − (βA0 Pj B + W )(R + βB 0 Pj B)−1 (βB 0 Pj A + W 0 ).1. m´ax ∞ X β t log(ct ) = m´ ax t=0 ∞ X β t r(xt . . Substituyendo en la ecuación funcional y con algo de álgebra llegamos a (dejamos esto como ejercicio): ν ¯j+1 (x) = x0 [(Q + βA0 Pj A − (βA0 Pj B + W )(R + βB 0 Pj B)−1 (βB 0 Pj A + W 0 )]x. siempre que R + βB 0 Pj B sea invertible. Entonces: ν j+1 (x) = sup {x0 Qx + u0 Ru + 2x0 W u + β(Ax + Bu)0 Pj (Ax + Bu)} u Las condiciones de primer orden son: 2u0 R + 2x0 W + βB 0 Pj Ax + β(x0 A0 Pj B) + 2βu0 B 0 Pj B = 0 ⇒ u = −(R + βB 0 Pj B)−1 (βB 0 Pj A + W 0 )x. u) son no decrecientes y adicionalmente para todo x ∈ X 1 6 Si A es simétrica (m × m) y x es un m-vector. PROGRAMACIÓN DINÁMICA: EL CASO DETERMINÍSTICO W R−1 W 0 )x. ut ) donde X = R++ . Esta primera iteración nos sugiere que la función valor de este problema es probablemente una forma cuadrática.Michel [2002].32CAPÍTULO 2. Ejercicio 6 En este ejercicio se dan otra condiciones bajo las cuales se cumple la condición 2 (Ver De La Croix .

Por otro lado r (xt .1. de lo cual deducimos que la sucesión de T X β t r (xt . u0 )) t=1 Luego tomamos la cota superior sobre u0 ∈ Π (x0 ) y obtenemos ¡ ¢ ve (x∗t ) = r (x∗t .Michel [2002]). Como consecuencia. luego: xt+1 = g (xt . demostrar la Proposición 3 sin imponer la condición de transversalidad (Ver De La Croix . La sucesión creciente (3) tenemos B T = δt x0 0 t=0 t=0 0 B T tiene entonces un límite finito. uT ) − r (xT )] ≤ 0). Para todo x0 ∈ X existen bx0 y β x0 ∈ R.. ut ) = r (x0 . lo cual se cumple en particular para t = 0 ya que x0 = x0 . r(x) = sup {r(x.1. u0 ) + sup ∞ X β t r (xt . ut ) ≤ r (xt ) ≤ T X r (xt ). tenemos por inducción que se cumple para cualquier t. tenemos que la sucesión ST = β t [r (xt ... sumas finitas t=0 Ejercicio 7 Utilizando las condiciones del ejercicio anterior. ut ) ≤ g (xt ) ≤ g (xt ) = xt+1 . β x0 > β tal que para toda secuencia {xt }t=0. u0 ) + β t=0 ∞ X β t r (xt+1 . r (xt )}. u)} ∈ R u∈Γ(x) 3. EJERCICIOS Y SOLUCIONES 1.2. La sucesión ST tiene por lo tanto un límite en R ∪ {−∞}. ut+1 ) t=0 Ahora tomamos la cota superior dado u0 sobre el conjunto de las trayectorias factibles para las cuales x1 = g (x0 .y pertenece a R ∪ {−∞}. (ST − ST −1 = β T [r (xT . Tambien podemos sin pérdida de generalidad suponer que r (xt ) ≥ 0 (es sufienciente con reemplazar r (xt ) por m´ax {0. utilizando T T X X 1 δt β t r (xt ) ≤ b = 1−δ/δ bx0 . ut ) tiene un límite en R ∪ {−∞}. u∗t ) + βe v x∗t+1 . u)} ∈ X u∈Γ(x) 2. ut ) ≤ β t r (xt ) ≤ 1 − δ/δ 0 t=0 t=0 Para toda trayectoria factible que empiece en xo tenemos ∞ X β t r (xt . ya que cada término en la sumatoria es negativo o nulo. u0 ). Mas aún están acotadas por arriba por una constante ∞ ∞ X X bx0 β t r (xt . Probar que bajo las condiciones de este ejercicio se cumple la condición 2. . xt+1 = g(xt ) tenemos β tx0 r(xt ) ≤ bx0 para todo t. ut ) = r (x0 . u0 ) + βe v (g (x0 . 33 g(x) = sup {g(x. ut ) − r (xt )] t=0 es no-creciente. Solución 5 (11) Siguiendo el ejercicio 10 tenemos que la sucesión de sumas es finita. Solución 4 (10) Si xt ≤ xt en t. r (x0 .

El problema funcional asociado es: v(x) = sup{c + v(x − c)} c s. aquí tenemos un caso en el t→∞ que no se aplica la proposición (2) y más aún. este ejemplo muestra que la condición de transversalidad no es una propiedad necesaria. el valor máximo del problema anterior es x0 ... 0) . x0 ) . Luego ve(x) = x para todo x. Solución 6 El problema es: m´ax ∞ X ct t=0 s. Obsérvese que en este problema hemos colocado β = 1. xt ≥ 0. 0) . t→∞ En particular. PROGRAMACIÓN DINÁMICA: EL CASO DETERMINÍSTICO Ejercicio 8 Sobre la proposición (2) .. Es decir ve(x) = x. Finalmente. 1. Para probar que v(x) = x + k es una función que resuelve el problema funcional asociado al problema secuencial basta con substituir y verificar que se cumple la ecuación funcional para cualquier valor constante de k. para la dinámica factible {(x0 . Luego. 0. el plan factible {x0 . 1. es claro que no se cumple la condición de transversalidad de la proposición 2. Considere el siguiente problema de maximización: ∞ X m´ax ct t=0 0 ≤ ct ≤ xt − xt+1 . Es claro que el consumo óptimo se da cuando ct = xt −xt+1 . la función v(x) = x + k es solución del problema funcional pero no satisface la condición de transversalidad (Ayuda: considere la dinámica factible {(x0 .a : 0 ≤ ct ≤ xt − xt+1 x0 6= 0 dado. x0 6= 0 dado.. = x0 − xn ≤ x0 ⇒ ve(x0 ) ≤ x0 . entonces l´ım β t v (xt ) = v(x0 ) = x0 + k 6= 0). obsérvese que para que ésta se cumpliera deberíamos de tener: l´ım β t v(xt ) = 0 para toda dinámica factible {(xn . Para ver esto. Ahora... (0. 0. (0. De t=0 2.a 2. . Mostrar que para cualquier x0 dado. supóngase que utilizáramos el problema funcional para encontrar esta función. .} tenemos: l´ım β t v(xt ) = xt + k = 0 + k 6= 0 t→∞ .}. otra parte.34CAPÍTULO 2. : 0≤c≤x Verificar que para cualquier constante k. cn )}. luego ∞ P ∞ P ct = t=0 xt − xt+1 = x0 − x1 + x1 − x2 + . 0)} ∈ Π(x0 ). tiene utilidad x0 .

1) para v(x) = x. . es fácil ver que esta dinámica factible satisface el Principio de Optimalidad de Bellman (equación 2. Anotación 9 Se sigue de los dos ejercicios anteriores que nuestras condiciones son más debiles que las del ejercicio 6. EJERCICIOS Y SOLUCIONES 35 Ejercicio 9 Con relación al ejercicio anterior.Michele [2002] es una consecuencia de la condición (3) en el el ejercicio 6. 0) . Ejercicio 10 Completar el paso que se dejó como ejercicio en el ejemplo sobre Control Óptimo Lineal. De otra parte. pues da una utilidad de cero. Además.. (Ayuda: Obsérvese que la utilidad que le da al agente ese plan es nula. No es difícil convencerse que la condición de transversalidad en De La Croix . muestre por qué no se cumplen las hipótesis de la proposición 4. mientras que la máxima utilidad posible es x0 ). 0) .1.. (x0 . 0)} no es óptimo pero sí satisface la ecuación (1) . Solución 8 (14) Tenemos: ª © 0 vj+1 (x) = sup x0 Qx + u0 Ru + 2x0 W u + β (Ax + Bu) Pj (Ax + Bu) u y las condiciones de primer orden implican que −1 u = − (R + βB 0 Pj B) (βB 0 Pj A + W 0 ) x Reemplazando tenemos: ³ ´0 ³ ´ −1 −1 vj+1 (x) = x0 Qx + − (R + βB 0 Pj B) (βB 0 Pj A + W 0 ) x R − (R + βB 0 Pj B) (βB 0 Pj A + W 0 ) x + ³ ´ −1 2x0 W − (R + βB 0 Pj B) (βB 0 Pj A + W 0 ) x + ³ ³ ´´0 −1 β Ax + B − (R + βB 0 Pj B) (βB 0 Pj A + W 0 ) x × ´´ ³ ³ −1 Pj Ax + B − (R + βB 0 Pj B) (βB 0 Pj A + W 0 ) x . (x0 . mostrar que la dinámica factible {(x0 .} no es óptima desde el punto de vista del problema secuencial. 0) . Solución 7 (Ejercicio 9)Es fácil ver que la dinámica factible {(x0 . no se cumple la condición de transversalidad de la proposición 5. pues l´ımt→∞ β t v(xt ) = xt = x0 6= 0.2. Además.

Escribir la ecuación de Bellman 2. es necesario que encuentre la función de política. Para esto. Dé fórmulas explícitas para estas constantes en términos de los parámetros del problema. 1. A > 0. m´ax 06 c6 Akα {ln c + γ ln c−1 + βv(Akα − c)} .s : ct + kt+1 6 Aktα .36CAPÍTULO 2. F. k0 > 0 dado. I son constantes. 1. i h −1 vj+1 (x) = x0 Q + βA0 Pj A − (βA0 Pj B + W ) (R + βB 0 Pj B) (βB 0 Pj A + W 0 ) x Ejercicio 11 Considere el siguiente problema de maximización con “persistencia de hábitos”17 ∞ X β t (ln ct + γ ln ct−1 ) t=o s. PROGRAMACIÓN DINÁMICA: EL CASO DETERMINÍSTICO Simplificando obtenemos vj+1 (x) = x0 Qx + µ ³ ´¶ −1 0 0 0 0 0 0 x (βB Pj A + W ) (R + βB Pj B) × ³ ´ −1 R (R + βB 0 Pj B) (βB 0 Pj A + W 0 ) x + ³ ´ −1 2x0 W − (R + βB 0 Pj B) (βB 0 Pj A + W 0 ) x + µ µ ³ ´¶ ¶ −1 0 0 0 0 0 0 0 0 β x A + x (βB Pj A + W ) − (R + βB Pj B) B0 × ´´ ³ ³ −1 Pj Ax + B − (R + βB 0 Pj B) (βB 0 Pj A + W 0 ) x lo cual implica que. c−1 ) = E + F ln k + G ln c−1 y demostrar que la política óptima tiene la forma: ln kt+1 = I + H ln kt Donde E. La ecuación de Bellman es: v(k. c−1 ) = 1 7 Tomado de Sargent [1987]. Demuestre que la solución a dicha ecuación tiene esta forma: v(k. H. 0 < α < 1. G. y c−1 dado. donde: 0 < β < 1.

Para verificar que la sugerencia es en efecto resuelve el problema funcional. Para encontrar la función de política solo tenemos que sustituir los valores de F y G para obtener: c= (1 + βG)Ak α 1+βγ 1 + βγ + βα 1−αβ . EJERCICIOS Y SOLUCIONES 37 2.2.1. simplemente substituimos en la ecuación funcional: E+F ln k+G ln c−1 = m´ ax {ln c + γ ln c−1 + β (E + F ln(Ak α − c) + G ln c)} c Las condiciones de primer orden son: [c] : 1 βF βG − + =o α c Ak − c C Finalmente encontramos que: c= (1 + βG)Ak α (1 + βG + βF ) Al sustituir esta fórmula en la ecuación de Bellman tenemos: ∙ ¸ (1 + βG)Ak α E + F ln k + G ln c−1 = ln + γ ln c−1 + βE + (1 + βG + βF ) ∙ ¸ (1 + βG)Akα (1 + βG)Akα +F ln(Ak α − ) + G ln (1 + βG + βF ) (1 + βG + βF ) Desarrollando algebráicamente encontramos: µ ¶ µ ¶ (1 + βG)A βF A E + F ln k + G ln c−1 = (1 + βG) ln + βF ln + (1 + βG + βF ) (1 + βG + βF ) +βE + α(1 + βG + βF ) ln k + γ ln c−1 Las constantes serán: ∙ ¸ ∙ ¸ (1 + βG)A βF A + βF ln + βE 1 + βG + βF 1 + βG + βF F = α(1 + βG + βF ) G = γ E = (1 + βG) ln Si sustituimos la fórmula de F y simplificamos encontramos los valores finales de E y F: ∙ ¸ 1 βα(1 + βγ) E = (1 + βγ) ln(A(1 − αβ)) + ln(αβA) 1−β 1 − αβ 1 + βγ F = α 1 − αβ G = γ Estas expresiones me permiten garantizar que efectivamente la función arriba mencionada es la función valor.

38CAPÍTULO 2. PROGRAMACIÓN DINÁMICA: EL CASO DETERMINÍSTICO La manipulación algebráica nos da esta función de política: c = (1 − αβ)Akα Este valor de c nos permite encontrar la expresión apropiada para el capital.. se puede ver que: ln kt+1 = ln(αβA) + α ln kt Así.e. basándonos en la función de acumulación arriba mencionada: kt+1 = Aktα − (1 − αβ)Ak α Con facilidad. I H = ln(αβA) = α Con lo cual la política óptima del capital es la expresada en el enunciado del problema. Para terminar un par de preguntas: Es la solución válida aún para γ < 0 (i. formación de hábitos)? Cómo debemos interpretar estas soluciones? .

M. 4. ”On the mechanics of Economic Development ”. Lucas. S. Shreve. Vol 81. JMT 22.Bibliografía [1] Arrow. T. Econometrica. Z: Sampson. D. Vol 62. ATheory of Economic Growth. 2004. ”Optimal growth in a two sector of capital accumulation ”. [5] Hercovitz. 1997. [9] Magill. R. 1987. No. MIT Press. H. Junio: 155-173. [6] Ljungvist. Introduction to Multiple Time Series Analysis. Recursive Methods in Economic Dynamics. H. 1964. 1989. 1962. E. L. 5 pp. 1994. Output Growth. 2002. 39 . Cambridge University Press. Dynamic Macroeconomic Theory. páginas 3-42. SpringerVerlag. Review of Economic Studies. ”Business Cycle properties of Endogenous Growth Models”. [10] Sargent. [3] Chan-Lau. American Economic Review. [7] Lucas. 1991. 1978. Harvard University Press. ”The Economic Implications of Learning by Doing”. [4] De La Croix. D. Michel. the real wage. Tesis Doctoral. N. 1215-1237. J. Recursive Macroeconomic Theory. 853-880. No. Harvard University Press. 1993. P. M y MQuinzii. Universidad de Columbia. Infinite Horizon Incomplete Markets. New York. R y Prescott. and employment fluctuations. [11] Stockey. Academic Press. [12] Usawa. [8] Lutkepohl. 1988. y T. Sargent. Review of Economic Studies 31:1-25. Stochastic Optimal Control: The Discrete Time Case. K. [2] Bertsekas.

40 BIBLIOGRAFÍA .

Para poder hacer esto.1. Sea Ca (X) el espacio de las funciones reales. Primero comenzaremos con algunas propiedades geométricas como la monotonicidad y concavidad de la función valor. u) : X −→ X son estrictamente creciente y creciente. y luego pasaremos a la propiedad más importante que se refiere a la diferenciabilidad de ésta. Como se podrá apreciar más adelante. nos dedicaremos a estudiar algunas propiedades importantes de la función valor las cuales nos permitirán usar los métodos del cálculo diferencial para resolver problemas de economía dinámica. pero además. 41 . continuas y acotadas con la norma del supremo y Cc (X) ⊂ Ca (X) el espacio de las funciones reales. las funciones r(·. Para esto necesitamos las hipótesis: Condición 6 Para cada u ∈ Rm . 5. Condición 7 Γ es monótona: Es decir. 6 y 7. Proof.Capítulo 3 Más Programación Dinámica y el Método de Lagrange En esta parte. si x0 ≥ x ⇒ Γ(x0 ) ⊇ Γ(x). respectivamente. 3. u) : X −→ R . Entonces la función valor es estrictamente creciente. Algunas Propiedades de la Función Valor La primera propiedad que probaremos es que bajo ciertas condiciones la función valor es estrictamente creciente. es necesario imponer más restricciones sobre el problema que las impuestas hasta el momento. Proposición 5 (La función valor es estrictamente monótona): Suponga que se cumplen las condiciones 4. aclara las relaciones existentes entre el método de programación dinámica y los métodos basados en el lagrangiano. g(·. este resultado es por sí solo bastante importante.

por lo tanto. 9 y 10.42CAPÍTULO 3. Estudiaremos ahora la concavidad de la función valor. lo primero que vamos a probar es que si f ∈ Ca (X) es creciente. 5. Por el Teorema de Equivalencia. Condición 10 La correspondencia Γ es convexa: 1. u))} > m´ u∈Γ(x ) u∈Γ(x) ción 7 ⇒ T f (x0 ) > T f (x). si X = R+ la función retorno instantáneo no es acotada en el grafo de Γ y segundo. entonces T (f ) es una función estrictamente creciente: Sea x0 ≥ x ⇒ g(x0 . u)) ≥ f (g(x. Primero. respectivamente. entonces si u ∈ Γ (x) y u0 ∈ Γ (x0 ) implica que λu + (1 − λ)u0 ∈ Γ(λx + (1 − λ)x0 ). no depende de x). obsérvese que sí r(·. u) + βf (g(x0 . u)) por la condición 6 ⇒ m´ax {r(x. Para la segunda. u))} > m´ax {r(x. la función valor queda caracterizada como la única solución del problema funcional en Ca (X). El resultado principal es. u) + βf (g(x. El primer problema es fácil de resolver mediante una escogencia inteligente del espacio de estados (más adelante volveremos sobre este punto). u) + βf (g(x. la función valor es estrictamente cóncava y la correspondencia de política es una función contínua. resulta que bajo estas mismas condiciones. por la condición 6 y porque f es creciente ⇒ f (g(x0 . Ahora. bajo ciertas condiciones. Γ (x) es un conjunto convexo para todo x ∈ X. 2. u)) ⇒ r(x0 . . MÁS PROGRAMACIÓN DINÁMICA Y EL MÉTODO DE LAGRANGE continuas. Ahora. u)) > r(x. u) ≥ g(x. 1]. u))} ⇒ u∈Γ(x) u∈Γ(x) ax {r(x. la función valor es estrictamente cóncava y la correspondencia de política es una función continua. Condición 8 Sea X un conjunto convexo. existe un único plan óptimo que resuelve el problema secuencial. u) + βf (g(x. u) + βf (g(x0 . esta función no es estrictamente creciente en x (pues de hecho. En particular. u))} por la condim´ax0 {r(x. Anotación 10 La proposición anterior no se aplica al ejemplo de Brock y Mirman por dos razones. Proposición 6 (La función valor es estrictamente cóncava): Bajo las condiciones 4. como Cc (X) es un subespacio cerrado de Ca (X) entonces la función valor v esta en Cc (X) y como T [v] = v entonces v es estrictamente creciente.acotadas y crecientes. x0 ∈ X y x 6= x0 . 8. es tambien un espacio completo en la norma del supremo. x. Es fácil ver que este es un subespacio cerrado de Ca (X). Condición 9 Supongamos que las funciones r y g son estrictamente cóncava y cóncava. u) : X −→ R es apenas creciente. entonces la conclusión del teorema se puede modificar por: la función valor es creciente (y no necesariamente estrictamente creciente). u) + βf (g(x0 . Dado λ ∈ [0. u) para toda u.

pues la función objetivo es estrictamente cóncava por la primera parte de esta proposición y por la condición 9 y la máximización se hace sobre un conjunto convexo por la primera parte de la condición 10. En realidad. cóncavas. Ahora. ut = ct .s es en efecto una función continua (ver Apéndice). Lo primero que probaremos es que si f ∈ Ca (X) es cóncava y creciente . La continuidad se sigue de que una función h. El siguiente teorema. r(ct ) = log (ct ) . Una forma de acordarse de la fórmula es: escriba el problema funcional y derive a ambos lados con respecto a las variables de estado quitando la función máximo. u0 )+λβf (g(x. u)+(1−λ)r(x0 . τ (x) ∈ Γ (x) y g (x. es suficiente con que r y g sean diferenciables en un punto particular. u))+(1−λ)βf (g(x0 . 1 Ver Benveniste y Sheinkman [1979]. la función valor queda caracterizada por la solución al problema funcional. por la condición 9 y porque f es cóncava y creciente. x. g(kt . x)).Michel [2002]. que se sigue como una consecuencia inmediata del Teorema de Benveniste Scheinkman. página 334. λu + (1 − λ)u0 )) > λr(x. como la función valor es estrictamente cóncava.1 Por último necesitamos: Condición 11 Las funciones r y g son continuamente diferenciables en el interior del grafo de Γ. u∗ ). Por el Teorema de Equivalencia.c. Ver Teorema 3. τ (x)) = g(x∗ . es un subespacio cerrado de Ca (X). Condición 12 2 Sea (x∗ . Finalmente. Es fácil ver que dado un stock de capital y un consumo en el interior del grafo de Γ la condición 12 se cumple. tenemos que: T f (λx + (1 − λ)x0 ) ≥ r(λx + (1 − λ)x0 . 2 Ver . definida en una vecindad abierta V de x∗ tal que τ : V → U y para todo x ∈ V. se sigue que esta última expresión es igual a: λT f (x¯) + (1 − λ)T f (x0 ). nos da una fórmula muy útil para ésta. x0 ∈ X y x 6= x0 . 1]. Ejemplo 8 Recordemos el ejemplo de Brock y Mirman. como u y u0 resuelven el problema de máximización definido por T f (x) y T f (x0 ). Entonces como λu + (1 − λ)u0 ∈ Γ(x + (1 − λ)x0 ) por la condición 10. Ahí xt = kt . crecientes y acotadas. entonces T (f ) es estrictamente cóncava y creciente: Dados λ ∈ [0. sean u y u0 tales que resuelven el problema de máximización definido por T f (x) y T f (x0 ) respectivamente. u∗ ) en el interior del grafo de Γ tal que existe una función diferenciable τ . ct ) = ktα − ct . entonces la solución al problema de maximización que define la función de política tiene siempre una única solución. Con este resultado estamos casi listos para el Teorema de Diferenciabilidad.3. λu + (1 − λ)u0 ) + βf (g(λx + (1 − λ)x0 . además de darnos un resultado sobre la existencia de la derivada de la función valor. De la Croix . Γ(kt ) = {ct : 0 ≤ ct ≤ ktα } y X = R++ . ALGUNAS PROPIEDADES DE LA FUNCIÓN VALOR 43 Proof. Basta ahora argumentar de la misma forma que en la proposición anterior para concluir con la prueba de la primera afirmación: el espacio de las funciones continuas.1.

1. Existe una secuencia de precios {λt }t=0.. u∗t )}t=0. Anotación 11 En la próxima sección estableceremos una relación muy importante entre los precios que soportan una dinámica factible y el valor marginal (en términos de la función valor) de una unidad adicional de x0 a lo largo de la dinámica óptima..1.2. Teorema 4 . ut .. ut ) − λt · xt donde (xt .1. ut . decimos que la secuencia de precios (sombra) {λt }t=0. si x0 ∈ int(X) y h(x0 ) ∈ int(Γ(x0 )). desde x0 . Ver De la Croix y Michel [2002]. si para todo t = 0. en Rn . soportan la dinámica factible {(xt ...1. λt . λt .. 9 y 10. u∗t )} una dinámica factible desde x0 con x∗t ∈ int(X) para todo t. Para toda dinámica factible {(xt . 5. λt+1 )}t=0. 10... ut ..1.. MÁS PROGRAMACIÓN DINÁMICA Y EL MÉTODO DE LAGRANGE Teorema 3 (Diferenciabilidad de la Función Valor): Bajo las condiciones 4. 8.n.1. 1. h(x0 )) ∂v(g(x0 . ut ) + βλt+1 · g (xt ..1. ut ) < t=0 l´ım β t λt · (xt − x∗t ) ≥ 0 t→∞ Proof. λt+1 ) ∈ X × U × Rn × Rn . 11 y 12.. Proof. h(x0 ))) ∂gj (x0 .. y 2..44CAPÍTULO 3.. Sea {(x∗t . Entonces bajo las condiciones 8. .. Esto nos permitira dar una interpretación muy clara de la condición de transversalidad en el método de Lagrange.. en Rn que soportan la dinámica {(x∗t . Definición 2 Dada una dinámica factible {(xt . ut )}t=0. Esta es una version del Teorema de Benveniste-Scheinkman. desde x0 tal que ∞. ut )}t=0. λt+1 ) = r(xt . la secuencia {(xt . maximiza £t sobre el conjunto Π (x0 ) × Rn × Rn ⊂ X × U × Rn × Rn .. se cumple la siguiente condición de transversalidad. ∞ P β t r(xt .. . λt . entonces la función valor es continuamente diferenciable en x0 y su derivada está dada por: n X ∂r (x0 .. 3... h(x0 )) ∂v (x0 ) = +β .. ∂xi ∂xi ∂xj ∂xi j=1 para todo i = 1. 9. ut )}t=0.... Ver Michel [1990] o De la Croix et. página 336. {(x∗t . página 334. u∗t )} resuelve el problema secuencial si y solo si: 1. El Método de Lagrange Consideremos de nuevo el problema secuencial general y definamos el Lagrangiano (truncado) asociado £t : X × U × Rn × Rn → R £t (xt . al [2002].

... u∗t ) = + βλt+1 =0 ∂u ∂u ∂u 3. u∗t .2. ut ) − xt+1 ) − Λ0 (x0 ). Obsérvese que el Teorema 4 reduce el problema (PS) a un problema mucho más sencillo. En el primero. El siguiente teorema pone de manifiesto la potencia del método de Lagrange. u∗t ) ∂g (x∗t .15 página 98 Stockey y Lucas [1989]). u∗t ) ∈ int(Π (x0 ) × U ) para todo t entonces la secuencia de precios {λt }t=0. λ∗t+1 ) ∂r(x∗t . u∗t ) = + βλt+1 − λt = 0 ∂x ∂x ∂x 2. u∗t ) = 0 Anotación 12 En ocasiones. si {(x∗t . u∗ . λ∗ ) ∂g (x∗t . Esto debería de llamarnos la atención sobre las herramientas existentes para resolver problemas de optimización estáticos... escribimos el Lagrangiano del (PS) como: £= ∞ ∞ X X β t r(xt . .. mientras que el Método de Lagrange. x∗t+1 − g (x∗t . 1.. u∗t )} es tal que (x∗t . sí xt ≥ 0 y λt ≥ 0 para todo t. . y las condiciones 11 y 12.3. reduce el problema a encontrar una secuencia infinita que resuelva infinitos problemas de optimización pero donde cada problema consiste en maximizar una función objetivo con finitos argumentos. por analogía con el caso estático. si y solo si se cumplen las siguientes condiciones de primer orden para todo t = 0. Esta es una manera heurística de obtener las ecuaciones que caracterizan la solución del (PS) cuando utilizamos el método de Lagrange. EL MÉTODO DE LAGRANGE 45 Corolario 1 Bajo las condiciones del teorema 4. λ∗t . ∂£t (x∗t . La demostración es parecida al caso de las ecuaciones de Euler pero sin utilizar diferenciabilidad (Ver Teorema 4. en R soporta la dinámica {(x∗t .1. ∂r(x∗t . t=0 t=0 Si informalmente procedemos a maximizar £ con respecto a estados y controles t .1. Teorema 5 Bajo las mismas condiciones del Teorema 4. u∗t ) ∂£t (x∗ . en(asumiendo soluciones interiores y diferenciabilidad) y definimos λt = Λ βt tonces obtenemos las mismas ecuaciones de primer orden que en el anterior teorema. ut ) + Λt+1 (g (xt ... u∗t )}t=0. el objetivo era encontar secuencias infinitas que maximizaran una función objetivo con infinitos argumentos. 1.. una condicion suficiente para que se satisfaga la condición de transversalidad es: l´ım β t λt · x∗t = 0 t→∞ Proof.

2.. t = 0. u∗t ) ∗ · xt = 0 ∂x (3.2) {ut } t=0 xt+1 ut x0 s. t = 0. x∗t+2 +β = 0. ∈ X.3) ∂r(x∗t .. xt+1 ) (3...4 obtenemos las ecuaciones de Euler: ¢ ¢ ¡ ¡ ∂r x∗t . u∗t ) = λt ∂x (3. . . ∈ X dado. Anotación 14 Por el corolario 1 la condición de transversalidad 3. u∗t ) + βλt+1 = 0 ∂u (3.5) Anotación 13 Obsérvese que las condiciones derivadas en el capítulo 1 para el modelo básico de crecimiento son un caso particular de las anteriores. las condiciones de primer orden son: ∂r(x∗t . ∂xt+1 ∂xt+1 Ahora si xt ≥ 0 y la función de retorno instantáneo es creciente en xt entonces λt ≥ 0 por la ecuación 3.a xt+1 x0 ∞ X β t r(xt . ut ) (3. x∗t+1 ∂r x∗t+1 . . 1.a = ut ∈ Γ(xt ).. dado. MÁS PROGRAMACIÓN DINÁMICA Y EL MÉTODO DE LAGRANGE Ejemplo 9 (Ecuaciones de Euler): En el capítulo 2 estudiamos de manera informal un caso particular del método de Lagrange que se conoce como las ecuaciones de Euler. t = 0.4) Substituyendo la ecuación 3.5 es sólo una condición suficiente.1) {ut } t=0 : ∈ Γ(xt ).. 2. .3 en la ecuación 3. Utilizando el Teorema 5. Que en nuestra notación se podría escribir de la forma: ∞ X sup β t r(xt . 1.3 y la condición de tranversalidad del método de lagrange es por el corolario 1: l´ım β t t→∞ ∂r(x∗t .46CAPÍTULO 3. El problema típico al que éste se refiere es de la forma: sup s.

las trayectorias son estables globalmente. u∗t ) +β =0 ∂u ∂x ∂u Ahora.ut ) ∂x = ∂v(x∗ t) ∂x . β ∈ (0.. una pregunta fundamental sobre las trayectorias óptimas es sí estas son estables.3. Anotación 15 Obsérvese que las condiciones de transversalidad del método de programación dinámica y el de Lagrange son ligeramente diferentes. Teorema 6 Teorema de estabilidad (Turnpike). u∗t ) ∂v(g(x∗t . El siguiente teorema muestra que por lo menos para el modelo básico de crecimiento. u∗t )) ∂g(x∗t .3. Anotación 16 En el caso de las ecuaciones de Euler: λt = 3. El ejemplo que le sigue nos recuerda que la estabilidad global no es un resultado general. Vamos a considerar el modelo básico de crecimiento: m´ax ∞ X β t u(ct ) t=0 s. Sea v la función valor del problema y {(x∗t .3. La Relación entre el Método de Programación Dinámica y el de Lagrange Tomemos ahora el problema desde el punto de vista de la programación dinámica. por el Teorema de Diferenciabilidad sabemos que si se cumple entonces: ∂r (x∗t . Más especificamente. ∗ ∂r(x∗ t . u∗t ) ∂v(g(x∗t . Algunas Propiedades de las Dinámicas Óptimas Como vimos en el capítulo 2. bajo ciertas hipótesis. Entonces esta dinámica es una solución al problema secuencial si se cumplen las siguientes condiciones: ∂r (x∗t . u∗t ) ∂v (x∗t ) = +β ∂x ∂x ∂x ∂x ∂v(x∗ ) Sea λt = ∂xt (el precio sombra de la variable de estado). u∗t )}t=0.4.a : kt+1 = f (kt ) + (1 − δ)kt − ct 0 6 ct 6 f (kt ) k0 dado. Utilizaremos las siguientes hipótesis: . una dinámica factible desde x0 (es decir. Donde δ. nos preguntamos si las trayectorias son globalmente estables o apenas localmente estables.1. una secuencia para la cual la ecuación de Bellman se cumple).. LA RELACIÓN ENTRE EL MÉTODO DE PROGRAMACIÓN DINÁMICA Y EL DE LAGRANGE47 3. informalmente. entonces las tres ecuaciones anteriores son equivalentes a las tres ecuaciones del Teorema 5. 1). u∗t )) ∂g(x∗t .

l´ım f´(k) = 0 y l´ım u0 (k) = ∞ k→0 k→∞ k→0 Las hipótesis anteriores garantizan que existe un único k. donde h es la función de política. Supongamos que h(k) es diferente de 0 y f (k) cuando k ∈ (0. estamos listos para demostrar el Teorema de Estabilidad Global (o Turnpike) para el modelo básico de crecimiento. u : [0. Por lo tanto. esto implica que existe un stock de capital máximo. Existen dos puntos estacionarios (i. el conjunto de las dinámicas factibles es un conjunto acotado y la función de utilidad u. km´ax ] entonces l´ım kt∗ = k ∗ . ∞) → R+ continua. ∞) → R+ continua. estrictamente creciente. la demostración formal de esto requiere un poco de trabajo. f (0) = 0. estrictamente cóncava y C1 en (0. km´ax = k + (1 − δ)k a lo largo de cualquier dinámica factible. k ∗ = 0 y k ∗ = f 0−1 ( β1 + δ − 1).48CAPÍTULO 3. km´ax ]. estrictamente creciente. 3. luego h(k) 6= f (k) (no es óptimo consumirse todo el producto en un período). A su vez. tal que f (k) = k. Bajo estas hipótesis. son funciones acotadas sobre el conjunto de dinámicas factibles (recordemos que estas funciones son por hipótesis. y de producción f.0). y porque el factor de descuento intertemporal β 6= 0. Entonces: a) b) c) ge es estrictamente creciente. condición de primer orden u0 (h(k)) = βv 0 (e . Esto es intuitivamente obvio pues la utilidad marginal del consumo es infinita en cero luego h(k) 6= 0.e. ∗ Sea kt+1 = ge(kt∗ ) la dinámica óptima para el problema anterior con k0∗ = k0. 2. la función valor ve del problema secuencial es la única solución al problema funcional: v(k) = m´ax {u(c) + βv(f (k) + (1 − δ)k − c)} 06 c6 f (k) Nuestra tarea ahora es caracterizar de la manera más precisa posible la dinámica óptima de este problema: kt+1 = ge(kt ) = fe(kt ) − h(kt ). t→∞ Puesto que la solución al problema funcional es interior entonces por el Teorema de Diferenciabilidad de la función valor las siguientes condiciones son necesarias en el óptimo: g (k)).0). MÁS PROGRAMACIÓN DINÁMICA Y EL MÉTODO DE LAGRANGE 1. continuas). Sin embargo. Si k0 ∈ (0. f : [0. estrictamente cóncava y C1 en (0. k ∗ = ge(k ∗ )). De lo anterior se sigue que el problema secuencial y el problema funcional son equivalentes y por lo tanto. l´ım f´(k) = ∞.

entonces es fácil ver que si la ecuación anterior se cumple en k1 . tomado de Stokey-Lucas. Asumamos que los bienes de consumo se producen con capital y trabajo. además. La estabilidad global es usualmente muy difícil de probar. Si k ∗ 6= 0. teorema diferenciabilidad Para mostrar que g es estrictamente creciente (primera afirmación). entonces k∗ debe satisfacer: luego. Ejemplo 10 (Inestabilidad global de las dinámicas óptimas). f 0 (k) + (1 − δ) ≶ β1 ⇔ k ≷ k∗ ⇒ k ≷ g(k) siempre que k ≷ k ∗ Esto quiere decir que si k0 < k∗ entonces k0 < k1∗ < k2∗ . Por último. Que cero es un punto estacionario es obvio. mientras que los de capital sólo se producen con trabajo. Supongamos que k1 < k2 y ge(k1 ) ≥ ge(k2 ). El modelo es el siguiente. utilizaremos la anterior condición de primer orden que se puede reescribir como: u0 (f (k) + (1 − δ)k − ge(k)) = βv 0 (e g (k)) La prueba es por contradicción.. Luego la secuencia tiene que converger a k ∗ porque es el único punto estacionario diferente de cero. Un argumento parecido se aplica cuando k0 > k ∗ . u0 (f (k) + (1 − δ)k − ge(k)) = βv 0 (e g (k)). por la concavidad estricta de u y ν. pero ésta no entra en su función de utilidad. Presentamos ahora un ejemplo de inestabilidad. Hay dos bienes para producir: un bien de capital y un bien de consumo. La segunda afirmación tiene dos partes.3. para demostrar la estabilidad global recordemos que si ν es cóncava entonces: v 0 (e g (k))((f 0 (k) + (1 − δ)) − β1 ) k − g(k) < 0 para todo k 6= g(k) Luego. ALGUNAS PROPIEDADES DE LAS DINÁMICAS ÓPTIMAS 49 v 0 (k) = βv 0 (e g (k))(f 0 (k) + (1 − δ)). El individuo posee una dotación de trabajo en cada período.4. se han modificado algunas de las (estrictas) condiciones impuestas para garantizar la estabilidad global del problema. en él. La estabilidad local es en general mucho más fácil de probar. supongamos que: ct = nt f (kt /nt ) kt+1 = 1 − nt 0 6 nt 6 1 . enotnces no se puede cumplir en k2 . f 0 (k∗ ) = ( 1 + δ − 1) β y queda demostrada la segunda afirmación.. < k∗ . como f es cóncava.

r. todo el trabajo se utiliza en la producción de capital. Dado que cuando k = 0. r. . β) satisfacen las propiedades usuales y ge define la dinámica óptima para el problema secuencial asociado a (X. por lo cual ge(0) = 1. En otras palabras. Y finalmente supongamos que: l´ım nf (k/n) = 0. Considere el problema general en donde estudiamos las ecuaciones de Euler. Así ge no puede ser creciente cerca a cero. por extraña que sea. Notemos que el acervo de capital debe encontrarse en el rango [0. Sea X un conjunto compacto en R y ge : X → X cualquier función C 2 . El siguiente ejemplo ilustra el anterior teorema. la función ge(k) no es creciente. es la dinámica optima de alguna economía. ∀k ∈ [0. Entonces existe una función de retorno r y un factor de descuento β tal que (X. Γ.50CAPÍTULO 3. En el siguiente teorema mostraremos que bajo ciertas condiciones mínimas es posible obtener cualquier función suave ge. La condición de primer orden y el teorema de diferenciabilidad de la función valor implican que: ∙ µ ∙ ¶¸ ½ ∙ ¸ ¸¾ k k k k 0 0 g (k)] × f − f = βv 0 [e u (1 − ge(k))f 1 − ge(k) 1 − ge(k) 1 − ge(k) 1 − ge(k) (1) ∙ µ ¶¸ µ ¶ k k v 0 (k) = u0 (1 − ge(k))f f0 (2) 1 − ge(k) 1 − ge(k) Para encontrar los puntos estacionarios sustituimos k∗ = ge(k ∗ ) en las ecuaciones anteriores y eliminamos v 0 : ¶ µ ¶ µ ¶ µ k∗ k∗ k∗ 0 + β f − =0 f 1 − k∗ 1 − k∗ 1 − k∗ No es difícil demostrar que existe un único k ∗ ∈ (0. cualquier función suave.1] Sea ge la función que nos da la dinámica óptima. Vamos hacer las mismas hipótesis anteriores con relación a f y u. 1) que resuelve la ecuación anterior. a diferencia del ejemplo anterior. Ahora. MÁS PROGRAMACIÓN DINÁMICA Y EL MÉTODO DE LAGRANGE Donde nt es el trabajo necesario para producir bienes de consumo. Esto nos lleva a oscilaciones del sistema.1]. de un problema de programación dinámica como el que hemos estudiado hasta este momento. β). Γ. Sea Γ(x) = X ∀x ∈ X. Teorema 7 (Boldrin y Montrucchio). La estabilidad del sistema depende de la pendiente ge en k ∗ . que describa la dinámica óptima de las variables de estado. 1] n→0 Eliminando c con la primera ecuación en la función de utilidad y eliminando n con la segunda ecuación llegamos al siguiente problema funcional: ½ ∙ µ ¶¸ ¾ k v(k) = m´ax u (1 − y)f + βv(y) 1−y y∈[0.

para obtener ciclos como los observados en el mundo real eran necesarios parámetros poco realistas para la economía artificial como por ejemplo. el problema secuencial).3.org/files/opinion/Boldrin %20para %20webpondo %20revised.4 con los años el entusiasmo disminuyó debido a que. Considere la siguiente ecuación en diferencias: xt+1 = ge(xt ) = 4xt − 4x2t .5.3 Por otra parte. g y Γ) satisfacen las hipótesis naturales sobre una economía. donde cada uno de los fundamentales del problema (i. que puede tener como implicación cualquier cosa.org con Michele Boldrin: www.e.5. 1] → [0.webpondo. y además satisface todas las condiciones del teorema anterior. Según el mismo Boldrin. β.org con Herakles Polemarchakis: www. su importancia y el estado del arte puede referirse a la entrevista de www. Es fácil ver que ge : [0. un β muy pequeño (i. el Teorema de Boldrin y Montrucchio implica que es posible crear ciclos endógenos como los observados en las economía reales. la función de política h o la dinámica óptima ge). La siguiente gráfica deja claro cuáles son las dinámicas óptimas de este problema. según las investigaciones. no parecen imponer mayores restricciones sobre las dinámicas observadas en el mundo real (i. x∗t+1 ) − r(xt . 3. En el caso del Teorema de Sonnenschein-Mantel-Debreu son diversas las soluciones que se han encontrado que conllevan a resultados positivos.webpondo. motivo una gran cantidad de investigaciones sobre el tema. Esta idea. Es decir. El Teorema de Boldrin y Montrucchio tiene varias implicaciones interesantes.webpondo. De una parte. Este es una especie de “análogo” al Teorema de Sonnenschein-Mantel-Debreu en la teoría del consumidor. r. demostrar que las ecuaciones de Euler y la condición de transversalidad son condiciones suficientes para para encontrar un óptimo al problema secuencial.e. EJERCICIOS Y SOLUCIONES 51 Ejemplo 11 (Tomada de Stockey y Lucas. de que era posible obtener ciclos endógenos a partir de modelos económicos razonables.e. y en ese sentido.webpondo. la forma de modelar propuesta hasta el momento es tan general. el Teorema dice que el problema típico que nos hemos propuesto resolver (i.htm 4 Ver la entrevista de www.e. Ejercicios y Soluciones Ejercicio 12 Con referencia al ejemplo sobre las ecuaciones de Euler. 1]. Solución 9 Tenemos que demostrar que para todo T : T X β t (r(x∗t . una tasa de interés real muy alta). El ejemplo 11 ilustra de una manera muy estilizada esta afirmación.pdf . página 139). xt+1 )) ≥ 0 t=0 3 El lector interesado en este problema.org/interviews_9. puede no ser una teoría refutable.

1: . MÁS PROGRAMACIÓN DINÁMICA Y EL MÉTODO DE LAGRANGE Figura 3.52CAPÍTULO 3.

x∗t+1 ) ∂r(x∗t . (Ayuda: la función de política es lineal) Ejercicio 14 Utilizando bien sea el método de la Programación Dinámica o las Ecuaciones de Euler. Dar una interpretación económica del problema (ver Stokey-Lucas[1989]. donde: 0 < β < 1. resolver el ejercicio 1. m´ax ∞ X β t u(ct ) t=0 s. página 95).α 1−α c > 0. xT +2 ) ∗ xT +1 = 0 ≥ −β T ∂xt βT Ejercicio 13 Cosidere el problema de la firma (kt denota el acervo de capital de la firma): ∞ X 1 1 m´ax β t (akt − bkt2 − c(kt+1 − kt )2 ) 2 2 {kt } t=0 k0 dado. u(ct ) = 1 1−α . x∗t+2 ) ¡ ∗ +β ) · xt+1 − xt+1 + ∂xt+1 ∂xt+1 ¢ ∂r(x∗T . x∗T +1 ) ¡ ∗ xT +1 − xT +1 ∂xt+1 ∗ ∗ ¢ ∂r(x T .5. 2.3 de Sargent. xt+1 )) t=0 ≥ = T X ¢ ∂r(x∗t . xT +2 ) ¡ ∗ xT +1 − xT +1 = −β T ∂xt ∗ ∗ ∂r(x T +1 . EJERCICIOS Y SOLUCIONES 53 Ahora. x∗t+1 ) − r(xt . x∗t+1 ) ¡ ∗ βt( · (x∗t − xt ) + · xt+1 − xt+1 ∂xt ∂xt+1 t=0 T −1 X βt( t=0 ¢ ∂r(x∗t . 1.a At+1 A0 : 6 Rt (At − ct ) > 0 dado. x∗t+1 ) ∂r(x∗t . Utilizar las ecuaciones de Euler para encontrar la trayectoria óptima del capital. . Rt1−α < 1/β. T X β t (r(x∗t . xT +1 ) ¡ ∗ xT +1 − xT +1 = βT ∂xt+1 ∗ ∗ ¢ ∂r(x T +1 .3.

encontramos: ½ 1−α ¾ c 1−α 1−α 1−α = m´ ax R BA + βB(A − c) c> 0 1−α La condición de primer orden es la siguiente: c−α = βB(1 − α)(A − c)−α R1−α Lo que implica: c= k −1 α 1+k −1 α A Donde k = βB(1 − α)R1−α Sustituyendo en la ecuación de Bellman este resultado y después de algunas manipulaciones. Rt1−α < 1/β. El siguiente algorítmo por el contrario. la función de política. podemos determinar el valor de B: B= ³ £ ¤´1/α−α 1 − β 1/α R1−α 1−α La función de política es: ³ £ ¤1/α ´ A c = 1 − β 1/α R1−α Ejercicio 15 Algoritmo de Howard (Ver Sargent [1987]): Hasta ahora. dicha función de política se sustituye en la función de retorno. obtenemos . la principal forma como hemos utilizado el método de la programación dinámica ha sido para encontrar la función valor. La idea es comenzar con una función de política inicial. garantiza que la función valor que vamos a suponer más adelante es efectivamente la solución a la ecuación de Bellman. 1 donde: 0 < β < 1.54CAPÍTULO 3. mediante iteraciones. sin embargo. y posteriormente. itera sobre la función de política. MÁS PROGRAMACIÓN DINÁMICA Y EL MÉTODO DE LAGRANGE Solución 10 El problema determinístico es el siguiente: m´ ax ∞ X β t u(ct ) t=0 s. Suponemos que: v(A) = BA1−α Sustituyendo en la ecuación de Bellman.a At+1 A0 : 6 Rt (At − ct ) > 0. α > 0 La función de utilidad considerada en este ejercicio no cumple con todas las condiciones que hemos impuesto al problema pues es no acotada. La condición sobre R. u(ct ) = 1−α c1−α . dado. Haciendo la suma.

Ahora. Aplicar el algoritmo de Howard para encontrar el h0 que resuelve el anterior problema. Ahora queremos resolver el siguiente problema: m´a0 x {ln(Akα − k 0 ) + βJ0 (k 0 )} k . Utilizando esta nueva función de política repetimos el proceso hasta que las nuevas funciones de política sean prácticamente iguales. 1 > α > 0.3. tenemos: J0 (k0 ) = ∞ X t=0 β t ln(Aktα − h0 Aktα ) = B0 + α ln(k0 ) 1 − αβ Donde B0 es una constante independiente de k0 .s : ct + kt = Ak α k0 dado. Suponga que la dinámica óptima del capital es: kt+1 = h0 (Aktα ) para una constante h0 ∈ (0. el primer paso consiste en calcular la utilidad cuando seguimos una funcíon de po´litica arbitraria fija y que no podemos cambiar en ningun período. Si comenzamos con una función de política µ = −F0 x donde F0 es un vector 1 × n mostrar que el algorítmo de Howard se reduce a iterar las ecuaciones: Pj Fj+1 = Q + Fj0 RFj − 2W Fj + β(A − BFj )0 Pj (A − BFj ) = (R + βB 0 Pj B)−1 (βB 0 Pj A + W 0 ) Solución 11 Primera parte. Consideremos el ejemplo sobre control optimo lineal. lo que buscamos es que la función de política óptima en t se apróxime a la función de política en t + 1. Considere el problema de Brock-Mirman: ∞ X β t ln ct t=o s. Sustituyendo en la función de retorno ct en términos de la función de política sugerida. utilizamos esta función valor y la sustituimos en la parte derecha de la ecuación de Bellman y encontramos la función de política que resuelve el problema de maximización de Bellman. 1) . En el segundo paso lo que calculamos es el mejor control en t = 0 dado que a partir de t = 1 estamos atados de las manos y debemos utilizar la regla arbitraria con la que comenzamos. Obsérvese que el cálculo de B0 es irrelante para calcular la función de política que resuelve el problema funcional cuando utilizamos J0 (k0 ) como la función valor.5. 1. EJERCICIOS Y SOLUCIONES 55 la función valor asociada a esa función de política. 2. donde A > 0. Al repetir el proceso varias veces. La intución es muy sencilla.

Mirman. Sea: J1 (k0 ) = ∞ X t=o β t ln(Aktα − αβAktα ) Es fácil demostar que el siguiente problema lo resulelve la misma función de política anterior: m´a0 x {ln(Ak α − k0 ) + βJ1 (k 0 )} k Luego. calcule una función de política más. . el algoritmo converge en un paso.56CAPÍTULO 3. MÁS PROGRAMACIÓN DINÁMICA Y EL MÉTODO DE LAGRANGE Que es lo mismo que: µ ½ α 0 m´a0 x ln(Ak − k ) + β B0 + k α ln(k 0 ) 1 − αβ ¶¾ Escribiendo las condiciones de primer orden de este problema llegamos a la dinámica óptima del modelo de Brock . Es decir. hemos llegado a una función de política invariante utilizando el algoritmo propuesto. Para verificar esto utilizando el algoritmo de Howard.

A Theory of Economic Growth. P. Recursive Methods in Economic Dynamics. Cambridge University Press.Bibliografía [1] Benveniste. [3] Michel. R y Prescott. 1957. 705-723. 2002. ”On the differentiability of the value function in dynamic models of economics”. Vol 58. Some Clarifications on the Transversality Conditions. Lucas. Dynamic Programing. Econometrica 47: 727-732. 1979. [2] De La Croix. [6] Bellman. 1990. Scheinkman. Harvard University Press. Princeton University Press. L. Michel. E. No. P. [5] Stokey. Harvard University Press. T. Dynamic Macroeconomic Theory. N. D. J. 57 . 3. [4] Sargent. 1989. 1987. R.

58 BIBLIOGRAFÍA .

Igualmente en la industria. muchas decisiones de inversión dependen de la tasa de interés o la tasa de cambio. P ). en la mayoría de los casos.1 El primer punto a discutir. y que lleve en consideración el carácter contingente (o condicional) con el que los agentes deben tomar sus decisiones. 2 Para 59 . cuando los diferentes agentes económicos se ven en la obligación de tomar una decisión ellos desconocen por lo menos parcialmente. Las decisiones en el mercado bursátil son también altamente inciertas. supongamos que tenemos un espacio de probabilidad (Ω. las decisiones en el campo de la agricultura dependen estrechamente del comportamiento climático. Aquí desarrollamos este punto de vista y comenzaremos con la estructura general de estos problemas. una introducción a nivel intermedio a la teoría de la probabilidad el lector puede consultar Carvajal y Riascos [2005]. Sin entrar en detalles. o por ejemplo. son bastante impredecibles. Por esta razón. debemos buscar otra forma de modelar el comportamiento racional de los agentes (en el sentido de que estos maximizan una función de utilidad que refleja sus preferencias sobre las diferentes alternativas). que es de vital importancia para nuestro estudio. Comprar o no acciones depende del comportamiento futuro de los precios. z. Por ejemplo. los agentes no tienen otra alternativa que tomar sus decisiones contingentes a la realización de estos eventos aleatorios. Por esto queremos decir que. que desde el punto de vista de los agentes. donde Ω representa el conjunto de todos los acontecimientos o sucesos posibles que puedan tener algu1 Estas notas están basadas en el capítulo (2) de Stokey-Lucas [1989]. variables altamente impredecibles. el ambiente económico. es la forma de modelar los eventos aleatorios2 . Siendo éste un factor impredecible. Una alternativa es suponer que los agentes maximizan la utilidad esperada de sus decisiones.Capítulo 4 Economía Dinámica: el caso estocástico En la teoría desarrollada hasta este momento hemos excluido por razones de simplicidad el carácter incierto sobre el cual se toman la mayoría de las decisiones económicas. el beneficio esperado en el caso de una firma.

Las variables x en este problema van a resumir el ambiente económico completo sobre el cual se toman las decisiones. pero es necesario especificar la estructura del problema de decisión en cada período. θt+1 ) ∈ Γ (xt ) ∈ X. Los estados endógenos los denotaremos por xt ∈ Rns y los estados exógenos los denotaremos por zt ∈ Rne donde n = ns + ne . dado. Estas son las variables de estado que pueden ser de dos tipos: estados endógenos y estados exógenos (probablemente aleatorios) y que. ut ) t=0 s. En este libro no haremos tal distinción pues siempre invocaremos la hipótesis de expectativas racionales para resolver nuestros modelos. nuestro marco analítico (el lector podrá encontrar una discusión más detallada en el Apéndice). Mantenemos la interpretación usual de las funciones. En los ejemplos veremos de manera precisa la forma como pueden manifestarse. X ⊂ Rn . en donde la distribución es desconocida como por ejemplo. Una implicación de ésta es que la probabilidad (subjetiva) que los agentes económicos utilizan para determinar la incerteza de los eventos es. debemos pensar en la forma como esos resultados afectan el marco analítico sobre el que se va trabajar. es a través de variables aleatorias definidas sobre este espacio de probabilidad. . deben tener una manifestación muy particular en el ambiente económico bajo consideración. y una de incertidumbre. Más concretamente. La forma usual de hacerlo. En general. en equilibrio. a través de un proceso estocástico {θt } .a xt+1 ut x0 : = g(xt . Las variables θt+1 son variables aleatorias 3 Se puede hacer una distinción importante entre riesgo e incertidumbre que tiene origen en los escritos de Keynes [1921] y Knight [1921]. el efecto de estas realizaciones se manifiesta en la dinámica que siguen las variables de estado. Más específicamente. la misma que la probabilidad verdadera (objetiva) con la que estos ocurren. el lector puede consultar Epstein y Wang [1994]. estos resultados posibles. ECONOMÍA DINÁMICA: EL CASO ESTOCÁSTICO na relevancia para la actividad económica. g es una función de X × Rm × Ω en X y Γ es una correspondencia de X × Ω en Rm . Fundamentalmente la idea consiste en distinguir una situación de riesgo. Este es uno de los supuestos básicos de la hipótesis de expectativas racionales. el problema secuencial en un ambiente estocástico tiene típicamente la forma: "∞ # X t sup E β r (xt . Para el tipo de problemas que consideraremos. nos dice cómo afecta éste. r es una función de X × Rm en R. ut .60 CAPÍTULO 4. para ver sus consecuencias en la valoración de activos. el resultado de tirar unos dados no sesgados. el resultado de una carrera de caballos. resumidos en el conjunto Ω. que en cada instante t y para cada realización ω ∈ Ω. θt ∈ Rl . donde la realización de un evento es aleatoria pero con distribución conocida como por ejemplo. Por ejemplo. Ahora. z representa los eventos (conjuntos de sucesos) que pueden ocurrir y P es la probabilidad (objetiva) con la que se realizan estos eventos3 . ut ∈ Rm . Keynes y Knight argumentaban que en las mayoría de las decisiones económicos era mucho más importante la segunda forma de incerteza. cuando sea necesario los distinguiremos de la siguiente forma. donde xt ∈ Rn . Las consecuencias económicas de distinguir entre estas dos formas de incerteza es una área activa de investigacíon en teoría económica.

61
exógenas que asumimos son independientes e idénticamente distribuidas y que
son la fuente de la incertidumbre de la economía.
Anotación 17 Por el momento supondremos que el estado inicial x0 es un
valor específico de X. Sin embargo, más adelante vamos a generalizar al caso
en que la información inicial sobre los estados estada dada en la forma de una
distribución inicial conocida.
Asociado al problema secuencial, tenemos el siguiente problema funcional:
v(xt ) =

sup
ut ∈Γ(xt )

{r(xt , ut ) + βEt [v(g(xt , ut , θt+1 )]} ,

donde Et [.] denota el valor esperado dada la información hasta el período t
(más concretamente, la información al comenzar el período t). En nuestro caso,
esta información corresponde al conocimiento de x0 , x1 , ..., xt . Obsérvese que
el conocimiento en t de las variables de estado hasta t supone implícitamente
el conocimiento de todos los controles u0 , u1 , ..., ut−1 (hasta t − 1) y de todas las variables exógenas θ0 , θ1 , ..., θ t (hasta t). Al finalizar el período, ut es
conocido. Como puede sospecharse a partir de esta formulación, la teoría de la
programación dinámica en el caso estocástico se desarrolla de manera análoga al caso determinístico. Esto es cierto con relación a la equivalencia entre
los dos problemas bajo ciertas condiciones, al método iterativo e incluso, a los
métodos numéricos. Como el análisis formal de la teoría, es ligeramente más
complicado que el caso determinístico y requiere de una formación sólida en
teoría de la probabilidad en lo que sigue, procederemos de manera informal.
En particular, supondremos que el problema funcional siempre tiene solución y
que el supremo se realiza como un máximo. Por lo tanto de ahora en adelante
escribiremos el problema con el operador de maximización. Todas las características mencionadas presentan dificultades técnicas más complejas que en el caso
determinístico pero no dejan de estar estrechamente relacionadas. Con el objeto
de familiarizar más al lector con los problemas estocásticos, los siguientes ejemplos se muestran como generalizaciones naturales de los ejemplos tratados en las
notas anteriores. Por ahora, vale la pena resaltar una primera diferencia importante con las ideas desarrolladas en los capítulos anteriores: el análogo al estado
estacionario de los modelos determinísticos. El primer ejemplo nos servirá como
una introducción al concepto de estado estacionario y la propiedad de estabilidad en el caso estocástico.
El ejemplo típico es, una vez más, el modelo básico de crecimiento. Supongamos que la incertidumbre en la economía se refleja en cambios aleatorios en el
sector productivo de la economía. Uno puede pensar en el caso de que el sector
productivo dependa de condiciones climáticas o en el caso en que al interactuar
muchos agentes con información incompleta y asimétrica sobre las condiciones
del mercado, estos tomen decisiones en una dirección u otra, que en el agregado
parezcan aleatorias. Más explícitamente, supongamos que la producción en esta
economía está sujeta a choques (o perturbaciones) estocásticas que alteran la

62

CAPÍTULO 4. ECONOMÍA DINÁMICA: EL CASO ESTOCÁSTICO

producción de acuerdo a la siguiente especificación:
yt = zt f (kt ) ,
donde {zt } es una secuencia de variables aleatorias i.i.d.4 Es decir, independientes e idénticamente distribuidas. Así, el problema del agente representativo
es:
m´ax


X
β t u (ct )
t=0

s.a
kt+1
ct , kt

:
= zt f (kt ) − ct + (1 − δ) kt
≥ 0
k0 , z0 dados.

En este ejemplo, la variable de estado endógena es kt , la variable de estado
exógena es zt , la variable de control es ct y la fuente de incertidumbre es la
misma variable de estado zt . Luego, para expresar el problema en exactamente
la misma forma que el problema secuencial de arriba, introducimos una variable
θt = zt y de esta manera la función de transición g la podemos identificar como:
(kt+1 , zt+1 ) = g(kt , zt , ct , θt+1 ) = (zt f (kt ) − ct + (1 − δ) kt , θt+1 )
y
Γ(kt , zt ) = {ct : 0 ≤ ct ≤ zt ktα + (1 − δ) kt }
Anotación 18 Si suponemos, como usualmente se hace en la literatura, que
log(zt ) sigue un proceso autorregresivo de primer orden: log(zt ) = ρlog(zt−1 )+θt
entonces la función de transición g la podríamos identificar como:
(kt+1 , log(zt+1 )) = g(kt , zt , ct , θt+1 ) = (zt f (kt ) − ct + (1 − δ) kt , ρ log (zt ) + θt+1 )
De igual manera que en el caso determinístico, en general, la solución de
este problema requiere de métodos numéricos. Por esta razón, utilizaremos la
especificación de Brock y Mirman para poder resolver explícitamente el modelo
e ilustrar las ideas principales.
Ejemplo 12 (Brock y Myrman [1972], el caso estocástico). Supongamos que
el capital se deprecia completamente al final de cada período (δ = 1), que la
función de producción es de la forma f (kt ) = zt ktα donde α ∈ (0, 1) y que la
función de utilidad es logarítmica. Así, nuestro problema se transforma en:
m´ax


X
β t log (ct )
t=0

s.a
kt+1
4 Por

:
= zt ktα − ct
k0 , dado.

simplicidad, suponemos que E[log(zt )] = 0

63
Ahora, de manera informal, si utilizáramos el método iterativo para encontrar
la función valor, no es difícil sospechar, después de un par de iteraciones, que
un buen candidato a ser la función valor es: v(k, z) = a + b log(k) + c log(z),
donde a, b y c son constantes que debemos determinar. Nos proponemos ahora
verificar que en efecto ésta es la forma de la función valor. De la ecuación
funcional, sabemos que debe cumplirse que:
a+b log(kt )+c log(zt ) =

sup
0≤ct ≤zt ktα

{log(ct ) + βEt [a + b log(zt ktα − ct ) + c log(zt+1 )]}

Claramente, la solución a este problema debe ser interior. Las condiciones de
primer orden implican que el consumo óptimo es:
ct =

zt ktα
1 + βb

Sustituyendo en la ecuación de Bellman es fácil ver que a =
αβ
(1−β)(1−αβ)

α
(1−αβ)

1
(1−αβ)

1
1−β

ln(1 − αβ) +

ln(αβ), b =
yc=
son constantes que hacen nuestro
candidato a función valor satisfacer la ecuación de Bellman. Luego, la función
de política es:
ct = (1 − βα)zt ktα
y la dinámica óptima del capital esta dada por:
kt+1 = βαzt ktα

(4.1)

Ahora, como punto de referencia para pensar con relación al problema de
estabilidad bajo incertidumbre, nos referiremos al ejemplo anterior. Puesto que
la dinámica del capital es un proceso estocástico, no es del todo claro en qué
sentido es que el capital converge a un capital de “estado estacionario”. Una
posibilidad natural, es que la distribución que caracteriza la dinámica del capital
en cada instante φt , “converja” en algún sentido que debemos especificar, a una
distribución φ, que proponemos como la distribución que caracteriza el estado
estacionario, invariante a la dinámica de éste (esto es ciertamente más general
que suponer que la convergencia es a una distribución concentrada en un punto).
Es decir, si el estado inicial de la economía es una realización de la distribución
φ, el capital óptimo el período siguiente debe estar caracterizado por la misma
distribución φ.
Para caracterizar mejor esta última propiedad, debemos saber calcular cómo
evoluciona la distribución del capital según la función que determina su dinámica
óptima y la forma como se va revelando la información. Esto es, la distribución
del capital en t + 1 es:
φt+1 (b) = P (kt+1 ≤ b) = P (αβzt ktα ≤ b) = P (zt ktα ≤ b/αβ)
luego, utilizando el teorema de probabilidad total tenemos
µ

Z
Z
b
b
φt+1 (b) = P zt ≤
|
k
=
a

(a)
=
G(
)dφt (a) ,
t
t
αβaα
αβaα

entonces ln(kt ) ∼ N µt .64 CAPÍTULO 4. b) . σ 20 . La conjetura natural.1. b) = G( αβa α ). σ 2t t=0. la propiedad de estabilidad puede enunciarse como: Existe una distribución φ. Usando este lenguaje. σ 2 . σ 2t (obsérvece que esto incluye el caso en que k0 es una constante conocida). b) = P (kt+1 ≤ b | kt = a) . La ecuación 4. σ 2 (obsérvese que φ sería la distribución invariante del logarítmo del stock de capital. “límite” de las distribuciones {φt } . Luego supongamos que©¡ N 0. calcularemos la distribución invariante ln (zt ) ¢ª ∼ ¡ ¢ del logaritmo del stock de capital. decimos que la dinámica óptima del capital es un Proceso de Markov con función de transición H (a. Obsérvese que H (a.2 es el análogo. en términos de la distribución del stock de capital. decimos que la distribución φ es invariante a la función de transición H.. La función de transición H la podemos interpretar como la probabilidad que en t + 1 el capital sea menor o b igual a b dado que en t el capital era a.1.. Vamos a mostrar que ln (kt ) ∼ N (µt . b) dφt (a) (4. Ahora. esto implica que: ln kt+1 = (1 + α) ln(βα) + ln(zt ) + α ln(zt−1 ) + α2 ln kt−1 . de medias y varianzas convergen a constantes µ y σ 2 respectivamente. tal que: φ (b) = Z H (a. En este caso. luego podemos expresar la distribución del capital en t + 1 como: φt+1 (b) = Z H (a. . tenemos: ln kt+1 = ln(βα) + ln(zt ) + α ln(kt ). ECONOMÍA DINÁMICA: EL CASO ESTOCÁSTICO donde G es la distribución del choque tecnológico.2) En el lenguaje de la teoría de la probabilidad. Anteriormente encontramos que la dinámica óptima del capital es: kt+1 = βαzt ktα Tomando logarítmos. σ 2t ) y que la secuencia µt . La distribución φ es nuestro análogo estocástico al estado estacionario en el caso determinístico. es que la distribución ¡ ¢de ln (kt ) converge en algún sentido a una distribución invariante φ ∼ N µ. por simplicidad. Ejemplo 13 (Brock y Mirman [1972]. el caso estocástico una vez más) A diferencia del ejemplo anterior en donde nos preguntabamos por la distribución invariante del stock de capital ahora. b) dφ (a) . ¡ ¡ ¢ ¢ Esto implica que si ln(k0 ) ∼ N µ0 . sea H (a. que más tarde formalizaremos. que es una distribución conocida. de la ecuación 4.

k = E[exp[φ]]. La respuesta es negativa. σ 2 ) entonces E[X] = exp(µ + 1 2 σ ) 2 .5) V [ln kt+1 ] = i=0 Las ecuaciones 4.d. ln(zt−i )] = 0 para todo i 6= 0. Una pregunta fundamental es si el estado estacionario determinístico del capital del modelo de Brock y Mirman k ∗ . Para demostarlo utlizamos la desigualdad de Jensen (Ver Apéndice).i.65 Si reemplazamos hacia atrás sucesivamente hasta llegar a la primera observación de k.5 implican que ln(kt ) ∼ N (µt . la varianza V de ln kt+1 es: "à t # ! t X X i t+1 i V [ln kt+1 ] = V α ln(βα) + α ln k0 + α ln(zt−i ) i=0 = V " t X i=0 # αi ln(zt−i ) i=0 y como zt son variables aleatorias i. 1) entonces: l´ım µt = l´ım σ 2t = t→∞ t→∞ ln(αβ) 1−α σ2 1 − α2 y ln(kt ) sigue un proceso AR(1) estacionario. encontramos la siguiente expresión: à t ! t X X i α ln(βα) + αi ln(zt−i ) + αt+1 ln k0 (4. es igual a la media del estado estacionario estocástico. Si X es una variable aleatoria tal que log(X) ∼ N(µ.3. k0 .5 5 Otra manera de ver esto es utilizando la siguiente propiedad de las distribuciones lognormales.4) E [ln kt+1 ] = i=0 Ahora.3. Luego à t ! X α2i σ 2 (4. 4.4 y 4.3) ln kt+1 = i=0 i=0 Tomando el valor esperado de esta ecuación y teniendo en cuenta la distribución de zt obtenemos: à t ! X αi ln(βα) + αt+1 ln k0 (4. a partir de la ecuación 4. σ 2t ) donde ¢ 1 ¡ µt = 1 − αt+1 ln(βα) + αt+1 ln k0 1−α ´ 1 ³ 2(t+1) σ 2t = 1 − α σ2 1 − α2 Nótese que si α ∈ (0. entonces cov [ln(zt ). Como la función exponencial es estrictamente convexa ³ ´(y φ no es constante) entonces k = E[exp φ] > 1 1−α exp[E[φ]] = exp(µ) = αβ = k∗ .

en Lucas [1987].8 Obsérvese que el valor esperado del consumo crece a un tasa µ y en ausencia de incertidumbre esta es la 6 Basado en Sargent [1987]. Consideremos el problema:6 "∞ # X t 0 0 0 sup E β (xt Qxt + ut Rut + 2xt W ut ) t=0 s. Luego E[ct ] = (1 + λ)(1 + µ)t . ε) = x0 P x + tr(P Σ). la dinámica óptima ésta dada por: xt+1 = (A − BF )xt + εt+1 . obsérvese que log[k ∗ ] = E[φ]. Basado en Sargent [1987]). 1−β donde tr denota la traza de la matriz y P es la misma que teníamos en el problema determinístico (i. Ejemplo 14 (Control Óptimo Lineal.a xt+1 : = Axt + But + εt+1 x0 dado.66 CAPÍTULO 4.Obsérvese que la función de política es la misma función de política del caso determinístico. El resultado depende de tres características de este ejemplo: La función retorno es cuadrática. σ 2z ). 2 −∞ exp(− 2 ( σ 7 Basado 2πσ z z completando cuadrados obtenemos . la función de política es: ut = −(R + βB 0 P B)−1 (βB 0 P A + W 0 )xt = −F xt Luego. 2 U∞ 1 1 t−σ z 2 √ ) ) = 1. El lector puede verificar fácilmente que la función valor de este problema es: β v(x. ECONOMÍA DINÁMICA: EL CASO ESTOCÁSTICO Anotación 19 Sin embargo. donde εt es un proceso estocástico i.e la solución al problema de Riccati).7 El agente representativo: "∞ # X c1−σ − 1 t t E β ) 1−σ t=0 Supongamos que el consumo sigue el siguiente proceso estocástico: 1 ct = (1 + λ)(1 + µ)t exp(− σ 2z )zt .d con media cero y matriz de varianzacovarianza Σ.i. Esta propiedad la llaman los economistas el principio de equivalencia determinística y es una característica muy particular de los problemas lineales-cuadráticos y no una propiedad general de los problemas de optimización dinámica estocástica. 8 Se sigue de: E[exp(− 1 σ 2 )z ] = 2 z t U∞ 1 2 1 t 2 √ 1 −∞ exp(− 2 σ z ) exp(t) 2 2πσ z exp(− 2 ( σ z ) )dt. De otra parte. 2 donde ln(zt )˜N (0. la dinámica de transición de las variables de estado es lineal y E[εt+1 | xt ] = 0 Ejemplo 15 El costo en bienestar de las fluctuaciones económicas.

µ y σ 2z . µ. µ0 . σ 2z ) = E t=0 El costo en bienestar de pasar de una tasa de crecimiento µ0 a µ es el valor de λµ que resuelve: W (λu . (1−β)2 . es el valor de λ que resuelve: W (λσ . 9 Ayuda: ∞ S d tβ t = β dβ t=0 ∞ S βt t=0  = β .67 tasa de crecimiento del consumo. Utilizamos la volatilidad de la tasa de crecimiento del producto como una proxy de la volatilidad de la componente cíclica del consumo. como: "∞ # X t β U (ct ) W (λ. definamos el bienestar de una economía para parámetros dados λ. µ. De esta manera tenemos una interpretación clara de los parámetros µ y σ 2z . σ 2z ) = W (0. La componente exp(− 12 σ 2z )zt es la responsable de las fluctuaciones del consumo. la siguiente tabla muestra los costos de las fluctuaciones económicas para varios grupos de países y valores del parámetro de aversión al riesgo σ. µ. Ahora. 0) Este valor se puede calcular como: ⎡ ∞ ¡ ¢1−σ ⎤ P (1 + λσ )(1 + µ)t exp(− 12 σ2z )zt ⎦ E ⎣ t=0 t 1−σ − ((1 + µ) ) =0 1 ⇒ (1 + λσ )1−σ exp(− σ2z (1 − σ))E [exp((1 − σ) log zt )] = 1 2 1 1 ⇒ (1 + λσ )1−σ exp(− σ2z (1 − σ)) exp( σ 2z (1 − σ)2 ) = 1 2 2 1 ⇒ (1 + λσ )1−σ exp(− σ2z ((1 − σ) − (1 − σ)2 )) = 1 2 1 ⇒ ((1 + λσ ) exp(− σ 2z σ))1−σ = 1 2 luego: λσ = exp µ 1 2 σσ 2 z ¶ −1' 1 2 σσ 2 z Para tener una idea de las magnitudes. σ 2z ) No es difícil demostrar que para preferencias logarítmicas:9 µ λu = 1 + µ0 1+µ β ¶ 1−β −1 El costo en bienestar de pasar de una economía con volatilidad 0 a σ 2z . Los valores de las volatilidades son tomados de las primeras notas. σ 2z ) = W (0. µ.

xt+1 = gx (xt . En lo que sigue será útil separar las variables de estado endógenas de las variables de estado exógenas. h(xt ).45 0. θt+1 ) .θ t+1 ) t ). θt+1 ) entonces por la observación anterior podemos escribir las anteriores ecuaciones como: "n # s X ∂r (xt . April.θ t+1 ) = 0 y ∂gk (xt . µt . 62(2). θt+1 ) y por gz las componentes de g que determinan la dinámica de de las variables exógenas. 93-110. h(xt . h(xt ).09 0. En este caso. Informalmente: " n # X ∂v(g(xt .10 La versión estocástica del método de Lagrange es una aplicación de la fórmula de Benveniste y Scheinkman al caso estocástico.11 σ 1 0. Si bien estas magnitudes no resultan ser despreciables.1 10 0. ∂gk (xt .. zt . Esta forma de calcular el costo de la inflación anticipada aparece por primera vez en Bailey. zt+1 ) ∂gx.2 0. zt+1 = gz (zt . zt . The Welfare Cost of Inflationary Finance.68 CAPÍTULO 4. zt ) ∂v(xt+1 . h(xt ). h(xt .2 Costo en bienestar en términos de consumo anual ( %) Los mayores valores que se observan corresponden al coeficiente más alto de aversión al riesgo. Luego. i = 1. xk son variables de estat ). θt+1 ) ∂r (xt . θt+1 )) ∂gk (xt .025 0.h(x ∂xi ∂uj 0 para todo j..h(x = do endógenas y exógenas respectivamente.9 0. o a otros costos como por ejemplo. h(xt ).ns = +βEt ∂xi ∂xi ∂xk ∂xi k=1 1 0 El cálculo más sencillo que podríamos hacer sobre el costo en bienestar de la inflación anticipada sería utilizando las perdida en el surplus del consumidor con base en la demanda real del dinero de pasar a un nivel inflacionario más alto. zt )) ∂v (xt . h(xt )) + βEt =0 ∂uj ∂xk ∂uj k=1 Anotación 20 Obsérvese que para todo i. .02 5 0. ECONOMÍA DINÁMICA: EL CASO ESTOCÁSTICO σ z ( %) Developing 4. Más adelante calcularemos este costo para el caso colombiano.2 %. sí son bastante inferiores a los efectos de cambiar de tasa de crecimiento. θt+1 )) ∂gk (xt . el costo de un nivel de inflación anticipado entre el 10 % y 30 %. Denotemos por x las variables de estado endógenas y por z las exógenas. zt ). . θt+1 ) ∂r (xt . JPE.25 G7 2.13 Industrial 2. lo que la tabla nos indica es que para los países en desarrollo el costo puede estar alrededor del 0. Martin [1956]. h(xt )) ∂v (xt ) = + βEt .k (xt .9 % y para los industrializados alrededor del 0. ∂xi ∂xi ∂xk ∂xi k=1 y las condiciones de primer orden del problema funcional son: " n # X ∂v(g(xt .1 0. k tal que xi . si denotamos por gx las componentes de g que determinan la dinámica de de las variables endógenas. zt .

.6) ∂xi ∂xi ∙ ¸ ∂r(x∗t . zt+1 ) ∂gx. Por otro lado. m ecuaciones para los controles (4.ut ) y sustituyendo en la segunda Cuando ∂g ∂xi = 0 entonces λi.. h(xt . la condición de Transversalidad es: l´ım β t λt · x∗t = 0 t→∞ Ahora. tenemos ns condiciones de primer orden para los estados endógenos (4. h(xt+i . gz (zt . θt+1 ).. u∗t . θt+1 ) ∂r (xt . zt . θt+i+1 )) − xt+i+1 ) −Λt (xt ) Si definimos λt = orden. θt+i+1 ). tenemos ns condiciones iniciales para las variables de estado endógenas y una condición terminal (condición de transversalidad). ∗ ∂r(x∗ x t . zt ). h(xt . i = 1. .69 y. j = 1. ∂v(x∗ t . . "n # s X ∂v(xt+1 .6). . ut+i ) +Et i=0 "∞ X i=0 # Λt+i+1 (gx (xt+i . zt . u∗t . j = 1. zt+i .t = ∂xi reescribir como: ∙ ¸ ∂gx (x∗t .7) y la dinámica de las variables de estado endógenas: x∗t+1 = gx (x∗t .. zt+i . θt+1 )). zt+i ). Finalmente. zt ). u∗t . zt ..8) para un total de constituyen un sistema de 2ns + m ecuaciones. zt )) +βEt = 0. zt . θt+1 ) ∂r(x∗t .ns entonces estas dos ecuaciones se pueden Sea λi. Λt βt entonces obtenemos las mismas condiciones de primer . . zt .t = 0.zt ... u∗t ) ∂gx (x∗t ..8) Si λt ≥ 0 y xt ≥ 0. zt+1 ) = (gx (xt .t = ∂xi condición de primer orden obtenemos las ecuaciones de Euler estocásticas. h(xt . Al igual que en el caso determinístico. zt .zt ) . i = 1. zt .k (xt .7) y ns ecuaciones dinámicas para las variables de estados endógenas (4. como tenemos ns variables de estado endógenas. u∗t ) + βEt λt+1 · − λi.m ∂uj ∂xk ∂uj k=1 donde (xt+1 . zt . una forma de obtener informalmente estas ecuaciones es mediante la maximización del siguiente lagrangiano: # "∞ X i £ = Et β r(xt+i . θt+1 ) + βEt λt+1 · = 0.m ∂uj ∂uj (4. ns multiplicadores de Lagrange y m el número de variables de control entonces en total tenemos 2ns + m variables endógenas. gz (zt+i .ns (4. θt+1 ) (4.

Solución 12 Considerando el algorítmo de Howard. z0 dado. 1] es una constante (1) De acuerdo al algoritmo. z0 ) = E0 "∞ X β t ln (ktα zt t=0 − kt+1 ) # (2) Con kt+1 que cumple la ecuación 1.1. σ 2 ]. resulta: ln(kt ) = ln(a0 ) + α ln(a0 ) + α2 ln(kt−2 ) + ln(zt−1 ) + α ln(zt−2 ) Sustituyendo progresivamente tendremos: Ã t−1 ! t−1 X X i t ln kt = ln (a0 ) α + α ln(k0 ) + αi ln(zt−1−i ) i=0 i=0 .d con ln(zt )˜N [0. desarrollando algebráicamente encontramos: "∞ # X t ln(1 − a0 ) J0 (·) = β ln(kt ) (3) + ln z0 + αE0 1−β t=0 Si actualizamos para t y t-1 la ecuación 1 y además tomamos logaritmos. CAPÍTULO 4. Utilizar el algoritmo de Howard para resolver el problema (Ayuda: Suponga que la dinámica óptima del capital es de la forma kt+1 = a0 (zt ktα ) donde a0 es una constante. la ecuación 2 queda de la siguiente manera: # # # "∞ "∞ "∞ X t X t X t J0 (·) = E0 β ln(1 − a0 ) + E0 β ln(zt ) + E0 β α ln(kt ) t=0 t=0 t=0 Sabiendo que E0 [ln zt ] = 0 ∀t > 0 . E0 [ln z0 ] = ln z0 . ln(1−a0 ) es una constante y que β ∈ [0.a ct + kt+1 # : 6 zt ktα k0 . 1]. ECONOMÍA DINÁMICA: EL CASO ESTOCÁSTICO Ejercicios y Soluciones Ejercicio 16 El problema es el siguiente: m´ax E "∞ X t β ln ct t=0 s. primero proponemos una dinámica óptima del capital: kt+1 donde a0 = a0 (ktα zt ) ∈ [0. tenemos: J0 (k0 .70 4. Después de algo de álgebra.i. y donde {zt } es i.

4. podemos simplificar algebráicamente esta expresión hasta encontrar: µ ¶ ln(1 − a0 ) βα ln(a0 ) α ln k0 2 − αβ J0 (·) = + + + ln(z0 ) 1−β (1 − αβ) (1 − β) 1 − αβ 1 − αβ Sean: A0 = ln A(1−a0 ) 1−β + βα ln(Aa0 ) (1−αβ)(1−β) . A1 = 2−αβ 1−αβ J0 (·) = A0 + A1 ln z0 + entonces: α ln(k0 ) 1 − αβ Para continuar con el algoritmo de Howard debemos maximizar: m´ax {ln (ktα zt − kt+1 ) + βEt [J0 (kt+1 . volvemos a encontrar la misma dinámica óptima. Suponga que ln(zt ) = ρln(zt−1 ) + θt . l) = θ ln(c) + (1 − θ) ln(l)). J0 (·) = ln ((1 − a0 )) + ln(z0 ) + 1−β !# "∞ à µ µ ¶¶ t−1 X t X 1 − αt β ln a0 αi ln(zt−1−i ) αE0 + αt ln(k0 ) + 1 − α t=0 i=0 Tomando esperanzas y teniendo en cuenta que α y β son menores que uno. 1) . u(c. Ejercicio 17 Consideremos la versión estocástica del modelo de Long y Plosser. con algo de álgebra obtenemos la dinámica óptima del capital similar a la que habíamos propuesto anteriormente: kt+1 = βαktα zt (4) Nótese que hemos llegado a la dinámica del capital que se encontró en el problema de Brock y Mirman. y el capital se deprecia completamente cada período. EJERCICIOS Y SOLUCIONES 71 Como α ∈ (0. 1) : µ µ ¶¶ t−1 X 1 − αt ln kt = ln a0 αi ln (zt−1−i ) + αt ln k0 + 1−α i=0 Reemplazando esta expresión en la ecuación (3).1. el mismo modelo básico de crecimiento donde las preferencias son logarítmicas en consumo y ocio (i. . Es decir. Es fácil ver que con una iteración más del algoritmo de Howard. θt ruido blanco y ρ ∈ (0. zt+1 )]} ½ µ ¶¾ α ln (kt+1 ) = m´ ax ln (ktα zt − kt+1 ) + βEt A0 + A1 ln (zt+1 ) + kt+1 1 − αβ La condición de primer orden es: − ∙ ¸ α 1 1 + βE =0 · t ktα zt − kt+1 1 − αβ kt+1 Debido a que zt se conoce en t. podemos eliminar el valor esperado.e.

.72 CAPÍTULO 4. k0 . la solución para la cantidad de trabajo. kt+1 = π 2 zt ktα . AR(2)). 2. z) = 0 v1 (k. kt+1 El problema funcional asociado es: v(k. donde π 1 y π 2 son constantes. z) = M ax{θln(c) + (1 − θ)ln(1 − n) + βEt [v (k 0 . Probar que las trayectorias óptimas son de la forma: ct = π 1 zt ktα . la solución óptima del consumo. n. n61 zkα n1−α − c ρln (z) + θ0 Iterando: v0 (k. c. porque ln (1) = 0 y ln (0) = −∞ luego v1 (k. z0 dados. Solución 13 El problema secuencial es: # "∞ X t M ax E0 β (θlnct + (1 − θ)ln(1 − nt )) t=0 = zt ktα nt1−α − ct . es interior. Mostrar que el consumo y el producto siguen un proceso autoregresivo de orden 2 (i. z) = = M ax {θln(zk α n1−α ) + (1 − θ)ln(1 − n)} 06 n6 1 M ax {θln(z) + αθln(k) + (1 − α) θln(n) + (1 − θ)ln(1 − n)} 06 n6 1 Las condiciones de primer orden son: (1 − α) θ (1 − θ) − =0 n 1−n y con un poco de álgebra se tiene: n= c = zk α ∙ (1 − α) θ 1 − αθ (1 − α) θ 1 − αθ ¸1−α . Además. ECONOMÍA DINÁMICA: EL CASO ESTOCÁSTICO 1.e.n Como la función logaritmo es una función estrictamente creciente. z 0 )]} c. z) = M ax{θln(c) + (1 − θ)ln(1 − n)} c.n 0 0 k0 ln (z 0 ) 6 6 = = c 6 zkα n1−α . está en el extremo. c = k α n1−α .

donde A2 es una constante.4. y ct entonces: ¤ £ M ax {θln (c)+(1−θ)ln(1−n)+βθρln (z)+βαθln zk α n1−α − c +βA1 } v2 (k. 1 − αθ + αθβ(1 − α) v2 (k. z) = θln (z) + αθln (k) + (1 − α) θln + (1 − θ)ln 1 − αθ 1 − αθ h i h i 1−θ + (1 − θ) ln 1−αθ entonces: Sea A1 = (1 − α) θln (1−α)θ 1−αθ v2 (k. Teniendo en cuenta que en t se conoce zt . A partir de las dos primeras iteraciones parece obvio que después de n iteraciones la función valor es de la forma: "n=1 # X i vn (k. z) = M ax {θln(c)+(1−θ)ln(1−n)+βE [θln(z 0 ) + αθln(k 0 ) + A1 ]} α 1−α 0 6 c 6 zk n 06n61 donde k0 = zkα n1−α −c y como ln(z 0 ) = ρln(z)+θ0 entonces E [ln(z 0 )] = ρln(z). nt . z) = θ (1 + βρ + βα) ln(z) + αθ (1 + βα) ln(k) + A2 . z) = a ln(z) + αθ (αβ) ln(k) + An i=0 Luego un buen candidato a ser la solución al problema funcional es una función de la forma: αθ v (k. z) = 0 6 c 6 zkα n1−α 06n61 Las soluciones son interiores y las condiciones de primer orden son: [c] : [n] : θ βαθ − =0 c zkα n1−α − c − (1 − θ) βαθ + α 1−α (1 − α) zkα n−α = 0 1−n zk n −c Resolviendo para el consumo y el trabajo obtenemos: c= n= por lo tanto: zk α n1−α 1 + βα θ (1 − α) (1 + αβ) . kt . EJERCICIOS Y SOLUCIONES 73 luego: ∙ ¸ ∙ ¸ (1 − α) θ 1−θ v1 (k. z) = aln(z) + ln(k) + A 1 − αβ .1.

74 CAPÍTULO 4. donde: π 1 = (1 − αβ) µ La dinámica óptima del capital es: θ (1 − α) 1 + α (θβ − θ − β) ¶1−α kt+1 = zt ktα n1−α − ct t luego: kt+1 = π2 zt ktα donde: π 2 = αβ ∙ θ (1 − β) 1 + α (θβ − θ − β) ¸1−α . Sustituyendo en la ecuación funcional y con un poco de álgebra se obtiene: " µ ¶1−α # 1 θ (1 − α) A = θln (1 − αβ) 1−β 1 + α (θβ − θ − β) ∙ ¸ 1 1 − θ − αβ + αθβ + (1 − θ) ln 1−β 1 + α (θβ − θ − β) " µ ¶1−α # 1 βαθ θ (1 − α) + ln αβ 1 − β (1 − αβ) 1 + α (θβ − θ − β) θ (1 − βρ) (1 − αβ) a= y la función de política es: ct = π 1 zt ktα . ECONOMÍA DINÁMICA: EL CASO ESTOCÁSTICO donde a y A son constantes que debemos determinar.

Journal of Political Economy. páginas 3-42. 1989. [3] Judge. 1988.322. Lucas.. R. Lütkepohl. [6] Lucas. W.69. [8] Stokey. John Wiley & Sons. John B. [4] King. Vol 91. Hill. Vol 62. Harvard University Press. Harvard University Press. T. [5] Long.pdf [2] Epstein. A. Introduction to the Theory and Practice of Econometrics. 1988. T. Production Growth and Business Cycles. N. G. I The Basic Neoclassical Model. 1994. R. 1987.Bibliografía [1] Carvajal. ”On the mechanics of Economic Development ”. E. http://www. y T. Wang.C. R. Real Business Cycles.. Charles Plosser y Sergio Rebelo. pp 39 . Griffiths. Dynamic Macroeconomic Theory. No 3. 283 . L. Segunda edición. Riascos. Recursive Methods in Economic Dynamics. 2005. JMT 22. [7] Sargent. 1983. y A. Lee. 75 . Notas de Clase sobre Probabilidad. Journal of Monetary Economics 21 (1988) 195-232.webpondo. Plosser. H. R y Prescott. 1988. Econometrica. Intertemporal Asset Pricing under Knightian Uncertainty. No 1.org/ariascos/Files/Probabilidad/ln2.