Crecimiento económico en 2016: ¿Quién tiene la razón?

Keyword: 
Economic growth
Topic: 
Macroeconomics - Economic growth - Monetary Policy

Siguiendo el patrón cotidiano a escala global y nacional de exponer, confrontar y evaluar percepciones económicas, en los últimos tres meses organismos nacionales e internacionales han señalado públicamente sus expectativas o proyecciones de crecimiento del PIB boliviano para 2016: 3,5% el Fondo Monetario Internacional (FMI) y el Banco Mundial (BM); 4,5% la Comisión Económica para América Latina y el Caribe (CEPAL); y, 5,0% el gobierno boliviano por medio del Ministerio de Economía y Finanzas Públicas (MEFP). 

A partir de la difusión de estas expectativas y dado el rango que comprenden éstas, han existido opiniones a favor y en contra de cada una de estas expectativas, en particular de las del MEFP, puesto que corresponde a la más alta y parece menos verosímil en un entorno de desaceleración de las economías emergentes. Por tanto, surge la interrogante de qué tan diferentes (o similares) son estas percepciones desde una perspectiva técnica.

Afortunadamente, existen criterios técnicos para conocer en qué medida pueden ser más o menos acertadas las previsiones de estas entidades, a las cuales añadiré la de la Encuesta de Expectativas Económicas que recaba mensualmente el Banco Central de Bolivia (EEE-BCB). La información que utilizaré para este corto análisis, que corresponden a las previsiones hechas en el último trimestre de cada año y el crecimiento observado en el año siguiente, se muestra en el gráfico 1. 

Un primer aspecto que debo destacar es que los pronósticos de estas cuatro fuentes difieren en más de un punto porcentual (pp) de la cifra observada. En efecto, una medida de (im)precisión de las proyecciones conocida como error cuadrático medio[i] se sitúan entre 1,08 puntos porcentuales (pp) y 1,25pp. Esto es menor, pero no en gran medida, a la desviación estándar de la variable de interés, el crecimiento anual del PIB, que desde 1990 fue 1,46pp. En síntesis, el margen de error de las proyecciones anteriores es todavía alto.

¿Qué implica esto? Que si se toma en cuenta la variabilidad del crecimiento del PIB así como los errores de predicción, dos proyecciones diferentes pueden ser similares “en términos estadísticos”, dada la aleatoriedad o previsibilidad imperfecta de la mayoría de las variables económicas. Por ejemplo, proyectar 3,5% ó 5,0% para 2016 en Bolivia no son necesariamente disímiles, dada la naturaleza histórica del crecimiento del PIB.

Lo anterior no implica que algunas proyecciones sean más optimistas que otras. Una medida al respecto es el sesgo, que mide la diferencia promedio entre las previsiones y las cifras observadas. Por ejemplo, el MEFP en promedio ha sido 0,3pp más optimista, mientras que las entidades restantes han sido 0,6pp más pesimistas. Tomando como una regla sencilla, las proyecciones corregidas por sesgo estarían en un rango entre 4,1% del FMI/BM y 5,1% de la CEPAL.

En términos más específicos, incluso es posible añadir criterios subjetivos al análisis basado únicamente en la información pasada (promedios), para ver que en realidad estas proyecciones no son distantes unas de las otras. Para eso utilizaré el análisis bayesiano que puede hacer lo previamente dicho.[ii] Los resultados se muestran en el gráfico 2, donde se observa la variabilidad histórica del crecimiento del PIB (línea azul) y tres distribuciones que incorporan otras fuentes, tal como se explica a continuación.[iii]

El gráfico en cuestión muestra que si tomamos el promedio histórico desde el año 1990, deberíamos esperar un crecimiento en torno a 4,1%, con un rango que va entre 3,4% y 5,0% (línea azul). Si por medio del análisis bayesiano queremos añadir la información subjetiva basados en las proyecciones de las instituciones que proyectan ambos extremos (FMI/BM y MEFP), las proyecciones puntuales se convierten en 4,0% y 4,3%, respectivamente (línea naranja y ploma respectivamente). Por tanto y dado que las áreas se sobreponen, no existe una diferencia significativa en términos estadísticos aún si se trata de afinar la proyección con la información puntual del FMI/BM y del MEFP, tomando como parámetros de variabilidad los errores de pronóstico que, como se mencionó previamente son menores a la dispersión global de los datos en el periodo de referencia.

¿Cuánto aumenta el grado de precisión de las proyecciones si se añaden expectativas de agentes económicos? Para responder a este pregunta, recabé una encuesta en el Foro “Economistas Bolivia”, con la pregunta de cuánto creerá que crecerá la economía boliviana en 2016, a falta de información de la EEE-BCB, con 49 respuestas. La distribución conjugada apunta a un crecimiento en torno a 4,2% y también se sobrepone a las otras distribuciones en cuestión.

Si es que existe cierta convergencia entre proyecciones aparentemente divergentes, probablemente, una interrogante adicional que puede surgir es en qué medida las proyecciones pueden identificar los cambios de tendencia, es decir si las previsiones pueden analizar movimientos hacia el alza (aceleraciones) o hacia la baja (desaceleraciones). El análisis correspondiente revela que el FMI fue capaz de anticiparlas siete de nueve veces, mientras que el resto seis de nueve veces. Si eso es así, tenemos un resultado mixto puesto que el FMI y la proxy de la EEE anticiparían un cambio hacia abajo, en tanto que la CEPAL y el MEFP lo harían hacia arriba. En ese sentido, existiría una muy leve orientación hacia la baja en la expectativa de 2016.

Finalmente y sólo para despertar la curiosidad al lector, formula una pregunta más interesante como en qué medida el 2016 pude ser comparable a los años anteriores. Es decir, ¿pasamos de un boom a un periodo normal o a uno de recesión?. Para eso empleé el análisis de cambio de régimen (“switching – regime”), que tiene la capacidad de identificar las probabilidad que esté en uno de los tres estados o situaciones que postulo al respecto: crecimiento algo, normal y crecimiento bajo.[iv] Los crecimientos asociados a cada estado son 5,2%, 4,2% y 2,7%. Los resultados, mostrados en el gráfico 3, indican que habríamos transitado de un periodo de auge a uno normal, con muy leves signos de periodo de bajo crecimiento. Es decir, estaríamos más cerca de un crecimiento promedio en torno a 4,2%.

En resumen, aunque existe 1,5pp de diferencia entre la proyección más optimista (MEFP) y la más pesimista (FMI/BM), estadísticamente están dentro del mismo rango. El análisis bayesiano como el de cambio de régimen indica que estaríamos transitando a un crecimiento que sería similar al del año 2015, estimado en 4,2% con la información parcial hasta fin de año.

¿Cuál proyección debería utilizar una institución o un agente económico sin importar si es público o privado? La respuesta dependerá crucialmente del costo asociado. Si los costos de subestimar (sobreestimar) el crecimiento son altos, entonces conviene utilizar la proyección más optimista (pesimista). Por ejemplo en el caso de un asalariado sería preferible tener cautela en sus decisiones de gasto y prever que no recibirá un segundo aguinaldo para evitar eventuales problemas de liquidez; mientras que en el de un productor que puede exportar sin dificultad el ocasional exceso frente a una tenue demanda interna, tomar una previsión algo más alta no le reportaría problemas. 

Por último, queda pendiente la respuesta a la interrogante que titula este post (¿quién tiene la razón?). En mi caso y basado en lo expuesto anteriormente, podría señalar que ninguno por separado, pero todos en su conjunto, porque son sus señales las que permiten anticipar un año similar al de la desaceleración de 2015.[v]


Este articulo fue previamente publicado en El Faro: un mundo de ideas, un blog de Economía que trata de acercar la teoría al debate público, el 11 de Enero, 2016.

[i] El error cuadrático medio es un promedio de los errores de proyección que se caracteriza por castigar o penalizar los errores elevándolos al cuadrado, de tal forma que predicciones más lejanas que las observadas son penalizadas con mayor severidad. Para mayores detalles véase Sweeney, Anderson y Williams, Estadística Aplicada para Administración y Economía 10ª Ed. (México DF: Cengage Learning, 2008): p. 568.
[ii] El análisis bayesiano tiene la particularidad de utilizar tanto información estadística (la historia) como también determinados criterios subjetivos, tomando como referencia la forma como se distribuyen estos datos. Una introducción intuitiva se encuentra en O’Hagan y Luce, A Primer on Bayesian Statistics in Health Economics and Outcomes Research (Sheffield: Center for Bayesian Statistics in Health Economics, 2003).
[iii] La metodología que utilizo sigue el enfoque de Hamilton, Time Series Analysis (Princeton: Princeton University Press, 1994), capítulo 12. Supongo que tanto la distribución inicial (a priori) como la resultante (conjugada) son normales y que la calidad de la información subjetiva es similar al número de observaciones en cada caso.
[iv] En este caso utilizo la rutina creada por Marcelo Perlin para la plataforma Matlab®. La referencia técnica usual es Hamilton, op. cit., capítulo 22.
[v] Un detalle final y no menos importante es cómo impulsar el crecimiento en el mediano y largo plazos, que va más allá de este artículo de opinión. Sólo de manera general puedo mencionar que son necesarias políticas públicas que enfaticen en detalle el área productiva y de ideas, donde existen más barreras al crecimiento que a nivel general o macroeconómico. Esto es abordado con más detalle en los artículos “Para volar más alto y más lejos” e “Ideas para el crecimiento”, publicados en las ediciones de noviembre y diciembre de 2014 de la revista Empresa y Desarrollo (E&D) de CAINCO, disponible enwww.issuu.com/empresaydesarrollo.

Share this