Professional Documents
Culture Documents
Modelo de Ciclos Economicos Reales para Una Econom
Modelo de Ciclos Economicos Reales para Una Econom
net/publication/315090298
CITATIONS READS
0 1,221
3 authors, including:
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Fernando Barrios Aguirre on 29 January 2018.
Resumen
Palabras Claves: Ciclos Económicos, shock tecnológicos, componente cíclico, costos de ajuste del
capital, Estados Unidos.
Abstract
This article documents a hypothetical exercise of an economy that operates under the
traditional model of the Real Business Cycle (CER) with and without capital
adjustment costs and its simulation based on a stochastic productivity shock. By
constructing a model in which short-term pulses are given by technological shocks, it
is evident how these characteristics of fluctuations generated by the model are similar
to the behavior of the cyclical component of United State GDP. Finally, a calibration
exercise is performed with the theoretical model of CER to find the stationary states of
the most influential variables in the model and interpretation of results consistent
with theory.
Keywords:
Keywords Business Cycles, technological shock, cyclical component, capital
adjustment cost, United States.
JEL Classification:
Classification E32, E37, E30.
1
El siguiente Documento se realiza como proyecto para la asignatura de Macroeconomía de Corto Plazo. El autor es Magíster en
Economía de la Universidad de Los Andes fernando.barrios@utadeo.edu.co. Tel: (+57 1) 242 7030 Ext. 1738. Actualmente es docente
de tiempo completo del programa de Economía de la Universidad Jorge Tadeo Lozano y estudiante de Doctorado en Economía de la
Universidad de Los Andes. El autor agradece la revisión y comentarios de Aldo Genaro Pareja, Santiago Gomez y Alan Finkelstein.
1. Introducción
Los defensores de esta teoría crean modelos en los que las empresas eligen los planes
óptimos de inversión y contratación y los individuos eligen de manera óptima el
consumo y la oferta de trabajo en un entorno dinámico e incierto. Los modelos
resultantes son complejos desde un punto de vista técnico de modo tal que sólo puede
resolverse empleando un análisis matemático relativamente sofisticado, simulaciones
y modelos econométricos complejos.
A continuación se mostrará un sencillo modelo que puede ilustrar cómo son los
modelos de ciclo económico real desde el punto de vista teórico y empírico, centrando la
atención en los costos de ajuste al capital, los choques estocástico a la productividad y
en la solución de un modelo prototipo de CER.
2. Modelo Teórico de los Ciclos Económicos Reales (CER).
Cabe resaltar que todos los modelos económicos son abstracciones y como tal, no son
totalmente exactas descripciones del mundo, ni están destinados a ser. El propósito de
un modelo económico es capturar la característica esencial del mundo necesaria para
analizar un problema económico. Para que sea útil, un modelo debe ser simple, y la
simplicidad que requiere deja de lado algunos elementos realistas de las economías
reales (Williamson, 2012).
En este orden de ideas los supuestos de partida y las funciones para el análisis de los
Ciclos económicos reales (CER en adelante), son semejantes a los utilizados en la
mayoría de este tipo de modelos. Este trabajo propone un modelo teórico en versión
discreta de un escenario walrasiano aplicando un modelo de Ramsey (Romer, 2006;
Kydland y Prescott, 1982). El objetivo es describir el comportamiento cuantitativo de
la economía, a partir de ciertas formas específicas de la función de producción y
utilidad para un planificador central. La economía hipotética de este caso, estará
formada por un elevado número de empresas idénticas y un elevado número de
hogares idénticos, ambos (empresas y hogares) precio-aceptantes (Romer, 2006). Esto
nos indica que todos los agentes son idénticos y por ende representables por un único
agente representativo.
2
Se asumirá que el parámetro de productividad, z, será igual a uno en el momento de la calibración del
modelo.
indefinidamente y los factores de producción son el capital ( ), el trabajo ( ) y la
Tecnología (z).
Las firmas del modelo CER operan bajo un escenario competitivo, con los salarios y la
tasa de interés aceptados. Se supone un caso de modelo de Ciclo de Negocios reales,
con una función del tipo Cobb-Douglas, que indica que el producto se hace a partir del
capital ( ) y el trabajo ( ) con una tecnología que exhibe rendimientos constantes a
escala.
=
=
Δ = − (2)
Esta variación es solo una parte de los componentes a los cuales las firmas utilizan su
inversión bruta. El otro componente es la reparación de capital que se desgasta a una
tasa de depreciación, . De esta manera, la inversión bruta es:
= − + δ (3)
= $%&'ó )
= + − δ
Por lo que:
− 1 − δ =
= * +
= * + − 1 − δ
= - +
Las firmas idénticas de esta economía, representadas por una única firma que
Al maximizar cada uno de los factores de producción podemos deducir que el pago de
los factores de producción está determinado por sus productividades marginales.
/.
= 1−∝ ∝ ∝ − - = 0
/
4
1−∝ 2 3 2 3 = -
1−∝
5 6 = -
/.
= ∝ ∝ ∝ − = 0
/>
∝ ∝ ∝ =
4
∝2 3 =
4
∝2 3 =
4
∝2 3 2 3 =
∝ 8 : < = @: (8)
9
? :
Una función cualquiera A, homogénea de grado uno cumple con la siguiente propiedad:
4
4 4
- + = 51−∝ 2 3 6 + 5∝ 2 3 6
- + = (9)
?:
∝ = @: 2 3
9:
9:
7−∝ 2 3 = =:
;:
=: ;:
7−∝ =
9:
/A /A
A, = +
/ /
2.2 Perturbaciones en el modelo
C , = 1 − DE ,̅
C , = 1 − DE ,̅ + ,̃ (10)
HHHHHHHHHHHHHHH
1 − DE , = I' & J&& &+&* +& &*K
Suponemos que ,̃ depende de lo que le suceda a ,̃ . Es decir depende de un efecto
−1 < DE < 1
El componente aleatorio de C , , es decir, ,̃ , es igual a una fracción DE del valor que
tenía en el período anterior más un término aleatorio; un valor positivo de DE implica
tiempo. Esto nos indica que las perturbaciones ,̃ siguen un proceso autorregresivo de
que los efectos de una perturbación tecnológica desaparecen gradualmente con el
De esta manera,
Si ,̅ = 1
C , = DE C ,̃ + ME,
2.3 Problema de los hogares desde el planificador central
central.
entral
LN O = I ∑R
ST Q ) * , (13)
Supuesto: la población es constante y hay una sola persona por hogar de tal forma que
= 1.
U
V
/) /Y) /) /Y)
> 0; < 0; < 0; <0
/* /* / /
= *
=
- = \'
Ingresos
- = \'
•
•
Gastos
* + − 1 − δ = , - + , (14)
El problema se puede resolver de dos formas. Usando el método del Lagrangiano o por
medio de la función valor. Tomando la primera opción5 el problema queda como:
R
* 1 − b c
LN O = IT e Q
1−d
ST
Sujeta a
* + − 1 − δ + , − , - = 0
Para resolver la condición de primer orden para el capital futuro en el momento t+1,
debemos expandir la sumatoria que aplica al problema de maximización, con el fin de
encontrar la incidencia en cualquier momento del tiempo, de los activos futuros del
momento t+1:
5
Como una forma de entender los dos métodos, esta vez se realizó por esta vía. El desarrollo del proyecto 1
se maximizó por la ecuación de Bellman.
C=
IT Q f + n* + − 1 − δ + , − , - op + IT Q f +
gh ih j klm ghqk ihqk j klm
c c
De esta manera las condiciones de primer orden respecto a * ,, , * , , son las
siguientes:
/C 1 − d * 1 − b c * u1 − b
= −1 IT Q − IT Q , - = 0
/ 1−d
IT Q u*c 1 − bbc = IT Q − , -
u*c 1 − bc = − , - (16)
/C 1 − d * 1 − b c 1 − b
= IT Q + IT Q = 0
/* 1−d
IT Q * 1 − b c 1 − b = IT Q −
*c 1 − bc = − (17)
/C
= IT Q − IT Q Y 1 − δ + , = 0
/
IT Q = IT Q Y 1 − δ + ,
u*c 1 − bc = − , -
u*c 1 − bc = *c 1 − bc , -
u*c 1 − bc
= , -
*c 1 − bc
u*
= , -
1 −
: ;: (20)
= z: 7−∝ ?∝
xy: ∝
7;:
vw vw vw
vghqk
Combinando , vg y v{
h hqk
u*c 1 − bc c 1
u* − bc
= Q1 − δ + ,
, - , -
:7 ;:7
= }~7 − + z:7 ∝ ?∝7 z l∝ (21)
xy7l|
: 7;: x7l| l7 7∝ :q7 7;:q7
xy7l| x7l| l7
: ;:
z: 7∝ ?∝ :q7 7∝ ?:q7 ;:q7
l∝ ∝
Justamente, esta forma cuadrática implica que los ajustes más rápidos en el stock de
capital son más caros. Estos costos son simétricos, por lo que la reducción de capital es
tanto costosa como extensiva. Asimismo, la forma como se conciben los costos de ajuste
reemplaza la visión de que el capital depreciado no genera costos de ajuste.
Y
Asumiendo unos costos de ajuste de la forma , = Y 8 − 1< con ≥ 0, el
{hqk
{h
problema de las firmas contempla una función de producción tipo Cobb-Douglas:
Con
∝ ∝ ∝ =
Y
, , = * + − 1 − δ + 2 − 13
2
Y
* + − 1 − δ + , + 2 − 13 − , - = 0
2
C , = 1 − DE ,̅ + DE C ,̃ + ME,
Para este escenario, el problema del planificador usando Lagrangiano, se construye
como:
R
* 1 − b c
LN O = IT e Q
1−d
ST
Sujeta a
Y
* + − 1 − δ + , + 2 − 13 − , -
2
Y
C = IT Q + * + − 1 − δ + , + 8 − 1< − , - +
gh ih j klm {hqk
c Y {h
Y
IT Q hqk c + Y * + Y − 1 − δ + , + Y 8{hqr − 1< −
g ihqk j klm {
hqk
, - + IT Q Y hqr c + s *Y + s − 1 − δ + ,Y Y Y +
g ihqr j klm
Y
8 − 1< − ,Y -Y Y + ⋯(23)
{hq
Y {hqr
De esta manera las condiciones de primer orden respecto a * ,, , * , , son las
siguientes:
/C 1 − d * 1 − b c * u1 − b
= −1 IT Q − IT Q , - = 0
/ 1−d
IT Q u*c 1 − bbc = IT Q − , -
u*c 1 − bc = − , -
/C 1 − d * 1 − b c 1 − b
= IT Q + IT Q = 0
/* 1−d
IT Q * 1 − b c 1 − b = IT Q −
*c 1 − bc = −
vw vw
vih vgh
Combinando y
u*c 1 − bc = − , -
u*c 1 − bc = *c 1 − bc , -
u*c 1 − bc
= , -
*c 1 − bc
u*
= , -
1 −
: ;: (24)
= z: 7−∝ ?∝
xy: ∝
7;:
vw vw vw
vghqk
Combinando , vg y v{
h hqk
(25)
4. Calibración y resultados.
resultados. Modelo sin costos de ajuste.
d
Parámetros Valor asumido
Q
2
0.99
0.36
0.025
,̅
0.3
DE
1
dE
0.95
0.007
Fuente: Hansen y Wright, 1992
Para caracterizar el equilibrio debemos considerar como son las interacciones entre los
dos tipos de agentes para “cerrar” el modelo. Estas condiciones serían igualar la oferta
y la demanda de bienes y trabajo, y además incluir una restricción de recursos de la
economía donde el consumo más la inversión sean iguales al producto total de la
economía. De esta manera, las condiciones de primer orden del planificador central y
las firmas, se transforman en el estado estacionario de la siguiente manera:
* + − 1 − δ + , − , - = 0
Como
Entonces
? − 7 − ? + y − z?∝ ;7∝ =
∝ ∝ ∝ =
Entonces
∝ ?∝7 ;7∝ = @
Entonces
7−∝ ?∝ ;∝ = =
C , = 1 − DE ,̅ + DE C ,̃ + ME,
Como ,̅ = 1
C , = DE C ,̃ + ME,
C , = DE C , + ME,
; z − z ; z − z,: =
Siendo
u*
= , -
1 −
Entonces
xy
− z= =
7 − ;
xy
− z7−∝ ?∝ ;∝ =
7 − ;
De
Entonces
* c 1 − bc = Q1 − δ + , * c 1 − bc
1 = Q1 − δ + ,
7 − }~7 − + z ∝ ?∝7 ;7∝ =
Es así como llegamos a que las ecuaciones que caracterizan el equilibrio del modelo
son:
d − 2 = 0
Q − 0.99 = 0
− 0.36 = 0
− 0.025 = 0
− 0.30 = 0
,−1=0
xy
− z7−∝ ?∝ ;∝ =
7 − ;
7 − }~7 − + z ∝ ?∝7 ;7∝ =
7−∝ ?∝ ;∝ = =
∝ ?∝7 ;7∝ = @
? − 7 − ? + y − z?∝ ;7∝ =
Asumiendo costos de ajuste, las condiciones de primer orden del planificador central y
las firmas, se transforman en el estado estacionario de la siguiente manera:
Y
* + − 1 − δ + 2 − 13 = , ∝ ∝
2
Como
Entonces
Y
* + − 1 − δ + 2 − 13 = z?∝ ;7∝
2
? − 7 − ? + y − z?∝ ;7∝ =
∝ ∝ ∝ =
Entonces
∝ ?∝7 ;7∝ = @
Entonces
7−∝ ?∝ ;∝ = =
C , = 1 − DE ,̅ + DE C ,̃ + ME,
Como ,̅ = 1
C , = DE C ,̃ + ME,
C , = DE C , + ME,
; z − z ; z − z,: =
Siendo
u*
= , -
1 −
Entonces
xy
− z= =
7 − ;
xy
− z7−∝ ?∝ ;∝ =
7 − ;
Finalmente
Entonces
1
* c 1 − bc − 2 − 13 2 3 = Q* c 1 − bc 1 − δ + , − Q 2 − 13 Y
1
* c 1 − bc − 2 − 13 2 3 = Q* c 1 − bc ~1 − δ + , 4 4 − Q 2 − 13 Y
1 = Q1 − δ + ,
7 − }~7 − + z ∝ ?∝7 ;7∝ =
Por lo que el estado estacionario para esta versión del modelo es igual al modelo
estándar con costos de ajuste igual a cero.
6. Cálculo
Cálculo de funciones de política.
variables de estado (N y control ( para obtener las reglas de decisión se realizaran a
Siguiendo a Schmitt-
chmitt-Grohé y Uribe (2004),
(2004) las matrices que permiten determinar las
partir de :
= KN , d (26)
= KN , d ≈ H + K N − N̅
Donde las variables de estado estacionario de las variables de control y estado son H y
N̅ , respectivamente. u representa la matriz de desviaciones estándar para un conjunto
de dimensiones 2*2. El conjunto de condiciones de equilibrio de una amplia variedad
de modelos de equilibrio general dinámico de la macroeconomía se pueden escribir
como:
, , N , N = 0
El vector de variables de estado N puede ser dividido como N = nN ; NY o . El vector N
consta de variables de estado endógenas predeterminada y el vector NY de variables de
estado exógenos. Específicamente, se supone que NY sigue un proceso estocástico
exógeno dado por:
N
Y
= ΛNY + u dM
Donde tanto el vector NY y la innovación M son de orden ¡ × 1. El vector M se se
Y
, ∝ ∝ = * + − 1 − δ + 2 − 13
2
, = 1 − DE ln ,̅ + DE ln , + ME
De esta manera,
N = n ; , o
= n* ; o
¦ u* ©
¥ , 1−∝ ∝ ∝ − ¨
1 −
¥ 1 Y ¨
¥* 1 − bc − 2 − 13 2 3 − Q* 1 − bc 1 − δ + , ∝ ∝ + Q 2 − 13 2 Y
Y 3¨
c c ∝
¥ ¨
¥ Y
¨
* + − 1 − δ + 2 − 13 − ,
∝ ∝
2
¤ 1 − DE ln ,̅ + DE ln , + ME − , §
(28)
a1h * ,
u* u*
−∝ , 1−∝ ∝ −∝−1 −
−
1 − 2
¦ −d−1 1 − u1−d ª ©
(29)
a1hqk * ,
0
0 c 1
− bc 1 − δ + , ∝
∝
Qu1 − d * ∝
¦dQ*
c 1
− bc 1 − δ + , ∝ ª
∝ ∝ ©
¥ 0 ª −Q1−∝ * −
c 1 bc , ∝
∝ ∝
¨
0 0
¤ 0 §
(30)
ah , ,
(31)
0
1
¦− 22 3 − Q∝ −1 *+1 1 − +1 ,+1 ∝ ∝−2
+1 +1 ª ©
−d u1−d 1−∝
¥ 0 ¨
¥ +1 1 − +1 ∝ +1 +1 1−∝ ¨
+2
2
+2 +2 −Q*−d u1−d
−Q 4 − 2Q 2 − 13 2 3 3 ª
∝−1
(32)
Con estas derivadas podemos encontrar los valores de g(x) y h(x) lo cual nos permite
resolver:
= KN , d ≈ H + K N − N̅
Para encontrar los valores de estado estacionario estable, se resuelven las ecuaciones
de la sección anterior tanto para el modelo estándar como el de costos de ajuste, pues
el modelo evaluado en el estado estacionario reduce el sistema al modelo básico. Los
resultados se presentan en la tabla X, donde el consumo constituye un 74.4% del PIB y
la inversión un 25.6%.
u
z 1
2.00826
c 0.826298
k 11.3968
y 1.11122
i 0.284919
w 2.3706
r 0.035101
n 0.30000
Fuente: Cálculos del autor
-3 -3 -3
x 10 z x 10 eta x 10 c
8 10 4
6 3
5
4 2
0
2 1
0 -5 0
20 40 60 80 100 20 40 60 80 100 20 40 60 80 100
-3 -3
k x 10 y x 10 i
0.06 8 6
6
0.04 4
4
0.02 2
2
0 0 0
20 40 60 80 100 20 40 60 80 100 20 40 60 80 100
-3 -4
x 10 w x 10 r
4 0
2 -0.5
0 -1
20 40 60 80 100 20 40 60 80 100
Hodrick-Prescott Filter
1.12 Hodrick-Prescott Filter
Raw Data 2.1
1.1 Smoothed Trend Raw Data
2.08 Smoothed Trend
1.08
1.06 2.06
1.04 2.04
1.02
2.02
1
2
0.98
1.98
0.96
0.94 1.96
0.92 1.94
0 500 1000 1500 2000 2500 0 500 1000 1500 2000 2500
Hodrick-Prescott Filter
Hodrick-Prescott Filter
0.94
13
Raw Data
Raw Data
0.92 Smoothed Trend
Smoothed Trend
0.9 12.5
0.88
12
0.86
0.84
11.5
0.82
0.8
11
0.78
0.76 10.5
0 500 1000 1500 2000 2500 0 500 1000 1500 2000 2500
Hodrick-Prescott Filter
1.25
Hodrick-Prescott Filter
Raw Data 0.36
Smoothed Trend Raw Data
Smoothed Trend
1.2 0.34
0.32
1.15
0.3
1.1 0.28
0.26
1.05
0.24
1 0.22
0 500 1000 1500 2000 2500 0 500 1000 1500 2000 2500
Hodrick-Prescott Filter Hodrick-Prescott Filter
2.5 0.0375
Raw Data Raw Data
Smoothed Trend 0.037 Smoothed Trend
0.0365
2.45
0.036
0.0355
2.4 0.035
0.0345
0.034
2.35
0.0335
0.033
2.3 0.0325
0 500 1000 1500 2000 2500 0 500 1000 1500 2000 2500
Los valores son sensibles frente a los cambios en u, que representa la elasticidad. Se
observa que a medida que incrementamos la elasticidad asociada al incremento de
satisfacción por ocio, efectivamente estamos sacrificando horas dedicadas al trabajo, lo
cual disminuiría la producción, la inversión y el consumo aceptando los precios del
salario y la tasa de interés como dados (consecuencia del modelo). Sin embargo, los
A pesar que los resultados con costos de ajuste no alteran los resultados de estado
estacionario, es necesario analizar la dinámica que hay sobre este a medida que
alteramos el tamaño del costo de ajuste sobre la dinámica del capital.
y 0,012 0,0119842 0,01171277 0,01147752 0,01127155 0,01108961 0,01092766 0,01078251 0,01065165 0,01053302 0,01042495
c 0,006 0,0059514 0,00625767 0,00652707 0,00676567 0,00697835 0,00716909 0,0073411 0,00749701 0,007639 0,00776885
i 0,032 0,02967868 0,02767575 0,02593827 0,02441564 0,02306953 0,0218703 0,02079468 0,01982412 0,01894364 0,01814103
k 0,003 0,00276942 0,00258379 0,00242259 0,00228119 0,00215608 0,00204454 0,00194444 0,00185406 0,00177204 0,00169723
n 0,005 0,00428287 0,003863 0,00349881 0,00317967 0,00289755 0,00264623 0,00242083 0,00221746 0,00203297 0,00186482
y 1 0,97423551 0,95217022 0,93304636 0,91630208 0,90151152 0,88834573 0,87654644 0,86590788 0,85626405 0,84747942
c 1 1,06257945 1,11726047 1,16536051 1,20795993 1,24593336 1,27998825 1,31069934 1,33853652 1,36388675 1,38707113
i 1 0,92701587 0,86445404 0,81018363 0,76262443 0,72057856 0,6831205 0,64952331 0,61920769 0,59170599 0,56663642
k 1 0,92756496 0,86539214 0,81139963 0,76403958 0,722136 0,6847786 0,65125117 0,62098217 0,59350962 0,56845591
n 1 0,89736391 0,80939157 0,73308401 0,66621755 0,60710659 0,55444893 0,50722184 0,46461034 0,42595665 0,39072371
Cálculos con base
base en Matlab
Gráfico 3.Volatilidades de las variables
0.025 y 1.4
1.2 y
0.02 c
1 c
i
0.015 0.8
i
k
0.6
0.01 k
n 0.4
0.005 n
0.2
0 0
0 2 4 6 8 10 12 14 16 18 20 0 2 4 6 8 10 12 14 16 18 20
Volatilidad HP Volatilidad BP
Variable Absoluta Relativa Absoluta Relativa
PIB 0,0166 1,0000 0,0153 1,0000
Consumo 0,0127 0,7613 0,0118 0,7675
Inversión 0,0791 4,7563 0,0682 4,4520
Gasto público 0,0344 2,0691 0,0298 1,9461
Productividad
laboral 0,0104 0,6240 0,0095 0,6176
Cálculos del autor con base en datos de Williamson HP:Hodrick-Prescott. BP:Baxter
King
Tabla 6. Segundos momentos datos reales. Estados Unidos
Momentos
Reales
Volatilidad Volatilidad Auto
Variables Correlación PIB
Absoluta Relativa Correlación
=0
Momentos
simulados
Volatilidad Volatilidad Correlación Auto
Variables
Absoluta Relativa PIB Correlación
y 0,012301 1,000000 1,000000 0,719890
c 0,005601 0,455316 0,988435 0,738448
i 0,032015 2,602630 0,997036 0,714638
k 0,002986 0,242717 0,304271 0,963043
n 0,004773 0,387991 0,992210 0,712863
Cálculos del autor con base en Matlab
y sin costos de ajustes y los datos reales (suministrados en las diapositivas de clases)
Al evaluar las volatilidades, Correlaciones y Autocorrelación del modelo simulado con
El “fit” modelo deja ser importante a medida que el tamaño de los costos de ajuste se
hace más grande: Suavizan más la inversión y el capital (menos volátiles), generan
más variación en el componente cíclico del consumo y distorsionan más el hecho
estilizado de las horas de trabajo.
Tabla 8. Segundos momentos para valores de ϑ
Volatilidades Absolutas
ϑ 0 2 4 6 8 10 12 14 16 18 20
y 0,012301 0,011984 0,011713 0,011478 0,011272 0,011090 0,010928 0,010783 0,010652 0,010533 0,010425
c 0,005601 0,005951 0,006258 0,006527 0,006766 0,006978 0,007169 0,007341 0,007497 0,007639 0,007769
i 0,032015 0,029679 0,027676 0,025938 0,024416 0,023070 0,021870 0,020795 0,019824 0,018944 0,018141
k 0,002986 0,002769 0,002584 0,002423 0,002281 0,002156 0,002045 0,001944 0,001854 0,001772 0,001697
n 0,004773 0,004283 0,003863 0,003499 0,003180 0,002898 0,002646 0,002421 0,002217 0,002033 0,001865
Volatilidades Relativas
ϑ 0 2 4 6 8 10 12 14 16 18 20
y 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000
c 0,455316 0,496604 0,534260 0,568683 0,600243 0,629269 0,656050 0,680834 0,703836 0,725243 0,745217
i 2,602630 2,476485 2,362870 2,259918 2,166130 2,080283 2,001372 1,928556 1,861132 1,798501 1,740154
k 0,242717 0,231090 0,220596 0,211072 0,202384 0,194423 0,187098 0,180332 0,174063 0,168236 0,162805
n 0,387991 0,357377 0,329811 0,304840 0,282097 0,261285 0,242159 0,224515 0,208180 0,193010 0,178880
Correlación PIB
ϑ 0 2 4 6 8 10 12 14 16 18 20
y 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000 1,000000
c 0,988435 0,992714 0,995252 0,996827 0,997837 0,998504 0,998955 0,999264 0,999480 0,999633 0,999741
i 0,997036 0,997542 0,997961 0,998311 0,998604 0,998849 0,999055 0,999229 0,999375 0,999498 0,999601
k 0,304271 0,297674 0,291654 0,286134 0,281049 0,276348 0,271985 0,267924 0,264132 0,260582 0,257251
n 0,992210 0,993107 0,993891 0,994582 0,995195 0,995743 0,996236 0,996681 0,997086 0,997456 0,997796
Auto Correlación
ϑ 0 2 4 6 8 10 12 14 16 18 20
y 0,719890 0,719541 0,719225 0,718939 0,718680 0,718445 0,718231 0,718035 0,717857 0,717693 0,717542
c 0,738448 0,733043 0,729319 0,726645 0,724660 0,723145 0,721961 0,721018 0,720254 0,719626 0,719103
i 0,714638 0,714878 0,715079 0,715249 0,715395 0,715521 0,715631 0,715728 0,715814 0,715891 0,715959
k 0,963043 0,963092 0,963133 0,963168 0,963199 0,963225 0,963248 0,963269 0,963287 0,963303 0,963318
n 0,712863 0,713117 0,713334 0,713523 0,713690 0,713840 0,713978 0,714106 0,714226 0,714342 0,714456
1 2 1 2
0.1 0.1 0.05 0.05
0 0 0 0
0 0 0 0
0 0
-0.01 0 -0.01 0
0 500 1000 1500 2000 20 40 60 80 100 0 500 1000 1500 2000 20 40 60 80 100
y i y i
0.01 0.04 0.01 0.02
0 0 0 0
20 40 60 80 100 20 40 60 80 100 20 40 60 80 100 20 40 60 80 100
k z k z
0.01 0.01 0.01 0.01
0 0 0 0
20 40 60 80 100 20 40 60 80 100 20 40 60 80 100 20 40 60 80 100
-3 n -3 c -3 n -3 c
x 10 x 10 x 10 x 10
5 5 5 5
0 0
-5 0 -5 0
20 40 60 80 100 20 40 60 80 100 20 40 60 80 100 20 40 60 80 100
y i y i
0.01 0.02 0.01 0.02
0 0 0 0
20 40 60 80 100 20 40 60 80 100 20 40 60 80 100 20 40 60 80 100
-3 -3 k z
x 10 k z x 10
5 0.01 5 0.01
0.005 0.005
0 0 0 0
20 40 60 80 100 20 40 60 80 100 20 40 60 80 100 20 40 60 80 100
-3 -3 n c
x 10 n c x 10
5 0.01 5 0.01
0 0.005 0 0.005
-5 0 -5 0
20 40 60 80 100 20 40 60 80 100 20 40 60 80 100 20 40 60 80 100
y i y i
0.01 0.02 0.01 0.02
0 0 0 0
20 40 60 80 100 20 40 60 80 100 20 40 60 80 100 20 40 60 80 100
-3 k z -3 k z
x 10 x 10
5 0.01 5 0.01
0.005 0.005
0 0 0 0
20 40 60 80 100 20 40 60 80 100 20 40 60 80 100 20 40 60 80 100
-3 n c -3 n c
x 10 x 10
2 0.01 2 0.01
0 0.005 0 0.005
-2 0 -2 0
20 40 60 80 100 20 40 60 80 100 20 40 60 80 100 20 40 60 80 100
y i
0.01 0.02 y i
0.01 0.02
0.005 0.01
0.005 0.01
0 0
20 40 60 80 100 20 40 60 80 100 0 0
20 40 60 80 100 20 40 60 80 100
-3 k z
x 10 -3 k z
5 0.01 x 10
5 0.01
0.005 0.005
0 0 0 0
20 40 60 80 100 20 40 60 80 100 20 40 60 80 100 20 40 60 80 100
-3
x 10 n c -3 n c
x 10
2 0.01 2 0.01
0 0.005 0 0.005
-2 0 -2 0
20 40 60 80 100 20 40 60 80 100 20 40 60 80 100 20 40 60 80 100
y i
0.01 0.02
0.005 0.01
0 0
20 40 60 80 100 20 40 60 80 100
-3 k z
x 10
4 0.01
2 0.005
0 0
20 40 60 80 100 20 40 60 80 100
-3 n c
x 10
2 0.01
0 0.005
-2 0
20 40 60 80 100 20 40 60 80 100
Una evidencia final son las funciones impulso respuestas del producto, la inversión, el
consumo y las horas en respuesta a un shock de productividad con y sin costos de
ajustes de capital. El comportamiento dinámico de las variables macroeconómicas
(primera y última gráfica) después de un shock de productividad positivo es similar en
producción y productividad, más gradual en la inversión y el capital, y no mejora las
condiciones en el tiempo dedicado al trabajo.
Conclusión
La naturaleza de los shocks que generan los ciclos económicos es uno de los puntos
principales en la agenda de investigación actual, dado que el modelo, desde la
perspectiva teórica y analítica, es consistente con los hechos estilizados del ciclo
económico. Así, pues un sencillo ejercicio de calibración basta para identificar los
aciertos y yerros principales de un modelo (Romer, 2006).
Bibliografía
model;
c+i = y;
i = k-(1-delta)*k(-1);
(eta*c/(1-n))=z*w;
(c*(1-n)^eta)^-sigma*(1-n)^eta=betta*(c(+1)*(1-n(+1))^eta)^-sigma*(1-n(+1))^eta*(r+(1-delta));
y=(z*n^(1-alfa)*k^(alfa));
w = (1-alfa)*n^-alfa*k^alfa;
r = alfa*n^(1-alfa)*k^(alfa-1);
log(z) = rho*log (z(-1))+e;
end;
initval;
c=0.7;
k=9;
i=1;
w=2;
r=0;
z=1;
end;
steady(solve_algo=0);
shocks;
var e;
stderr 0.007;
end;
Found 8 equation(s).
Evaluating expressions...done
- order 1
Computing dynamic model derivatives:
- order 1
- order 2
Preprocessing completed.
0 1 8.57057 5.04 1
1 2 0.992598 1 1.14 1
Equation solved.
STEADY-STATE RESULTS:
z 1
eta 2.00826
c 0.826298
k 11.3968
y 1.11122
i 0.284919
w 2.3706
r 0.035101
MODEL SUMMARY
Number of variables: 8
Number of jumpers: 1
Variables e
e 0.000049
z eta c k y i
w r
VARIABLE z eta c k y i w r
VARIABLE 1 2 3 4 5
Found 8 equation(s).
Evaluating expressions...done
- order 1
- order 1
- order 2
Preprocessing completed.
0 1 8.57057 5.04 1
1 2 0.992598 1 1.14 1
STEADY-STATE RESULTS:
z 1
eta 2.00826
c 0.826298
k 11.3968
y 1.11122
i 0.284919
w 2.3706
r 0.035101
MODEL SUMMARY
Number of variables: 8
Number of jumpers: 1
Variables e
e 0.000049
VARIABLE z eta c k y i w r
VARIABLE 1 2 3 4 5
hpfilter(oo_.endo_simul(2,100:end))
hpfilter(oo_.endo_simul(3,100:end))
hpfilter(oo_.endo_simul(4,100:end))
hpfilter(oo_.endo_simul(5,100:end))
hpfilter(oo_.endo_simul(6,100:end))
hpfilter(oo_.endo_simul(7,100:end))
hpfilter(oo_.endo_simul(8,100:end))
Anexo 6. Ejercicios con cambios en eta (ejemplo de eta=3.5) sept27.mod
var z n c k y i w r;
varexo e;
parameters sigma betta delta alfa rho eta;
sigma=2;
betta = 0.99;
delta = 0.025;
alfa = 0.36;
rho=0.95;
eta=3.5;
model;
c+i = y;
i = k-(1-delta)*k(-1);
(eta*c/(1-n))=z*w;
(c*(1-n)^eta)^-sigma*(1-n)^eta=betta*(c(+1)*(1-n(+1))^eta)^-sigma*(1-n(+1))^eta*(r+(1-delta));
y=(z*n^(1-alfa)*k^(alfa));
w = (1-alfa)*n^-alfa*k^alfa;
r = alfa*n^(1-alfa)*k^(alfa-1);
log(z) = rho*log (z(-1))+e;
end;
initval;
c=0.7;
k=9;
i=1;
w=2;
r=0;
z=1;
n=0.3;
end;
steady(solve_algo=0);
shocks;
var e;
stderr 0.007;
end;