Usualmente se utiliza la palabra choque como sinónimo de variaciones –en algunos casos no anticipadas– de una variable económica, pero en términos formales, un choque macroeconómico es una variable latente que resulta de la diferencia entre el valor observado de una serie y su valor esperado por parte de un agente o modelo económico, que puede ser un VAR (Ramey, 2016). En tal sentido, un choque se refiere a eventos inesperados, que puede suceder por la asimetría de información y el tiempo que necesitan los agentes para reconocer el efecto de los cambios en las condiciones económicas (Malik, Sarwar, & Shahid, 2020).
En la gráfica I podemos observar una estimación del choque del precio del petróleo (WTI), que resulta de comparar el precio observado contra el valor esperado de un modelo autorregresivo de primer orden (AR(I)) estimado con datos del periodo 1986-2000 (a). Al mirar los datos durante el 2020 (b), se verifica hasta abril una caída de precios más rápida de lo anticipado por el modelo, lo que significaría un choque negativo de precios. Posteriormente, las condiciones cambiaron y la recuperación del precio también fue más rápida a lo anticipado por el modelo, lo que constituiría un choque positivo . Bajo esta forma de pensamiento, se puede considerar que una variación positiva de una variable no necesariamente constituye un choque del mismo signo, al menos que sea 0 el valor de referencia considerado, pues el choque hace referencia al nivel de la variable respecto al valor anticipado.
Adicionalmente, en la gráfica l (c) se observa que a partir del 2005 existe un cambio en la volatilidad en el choque estimado, lo que podría asociarse a posibles cambios estructurales que no estarían siendo capturados por el modelo, lo que lleva a buscar que tengan un comportamiento ruido blanco. Es decir, que los choques permiten identificar problemas de ajuste de los modelos o cambios estructurales en las series. De esto depende la frecuencia con que las pruebas estadísticas utilicen los residuos de los modelos como forma de validación o estrategias de identificación de condiciones particulares, como endogeneidad. Estas características de los choques, permitieron que desde inicio del siglo XX creciere el interés por identificar y describir los impulsos y mecanismos de propagación derivados de ellos (Ramey, 2016), siendo los estudios sobre el ciclo económico y el efecto de sus fluctuaciones, los primeros en intentar explicar movimientos de la economía en función de choques.
No solamente a la relevancia empírica de los choques, existen inconvenientes al momento de estimarlos y comprender sus efectos. Lo anterior, dado que, al ser latentes, dependen de la metodología elegida, mientras que la reacción de la economía está condicionada a las características del choque, su fuente de origen (Cochrane, 1994) y al contexto económico. Según Kilian (2009), en un análisis sobre el mercado de petróleo, cada choque del mercado de crudo tiene un efecto diferente en función de su origen. El efecto observado también dependerá de las características del choque, pues en función de su magnitud y persistencia, los choques pueden generar efectos distintos. Cochrane (1994) establece que un choque temporal sobre el crédito debería tener un efecto relativamente menor en el consumo, respecto a un choque permanente como el derivado de un cambio en los impuestos.
El contexto económico es otro determinante del efecto de un choque, observándose en la literatura que las fluctuaciones macroeconómicas no anticipadas tendrán mayor capacidad de propagación en función del entorno, mostrando mayor efecto en economías con problemas fiscales o alta desigualdad (Leepipatpiboon y otros, 2023). Además, este efecto depende de la eficiencia con que pueda actuar la política, por ejemplo, Blanchard y Gali (2007) establecen diferencias respecto a la reacción de la inflación y desempleo ante los choques del petróleo en la década del 00’s y los 70’s, pues, pese a su similitud en términos de magnitud entre ambos choques, cambios en las condiciones del contexto y en la eficiencia de las políticas, permiten diferir en la magnitud de la reacción de estas variables.
En este contexto, dada la relevancia empírica expuesta, no sorprende que los choques jueguen un papel central en la elaboración de pronósticos y balances de riesgos, de cara a la elaboración de política económica. Primero, como eslabón de validación de los modelos, dado que los choques identificados y su impacto sobre el resto de series, deben ser coherentes con la historia macro y la teoría que sustente el modelo; segundo, con la caracterización del escenario actual, dado que permiten explicar cuáles fuerzas están guiando la economía; y en tercer lugar, al asumir supuestos sobre cuales fuerzas y en qué condiciones, esperamos estén vigente en el horizonte de política, que es el horizonte relevante para el pronostico macroeconómico. Por ende, en función de la caracterización de los choques se podrían sugerir intervenciones distintas entre las autoridades. En este hilo, las autoridades monetarias podrían tener mayor intención de reaccionar ante un choque de demanda, originado por una brecha positiva del consumo, que por un choque de oferta generado por un desastre natural que afectará temporalmente la producción de alimentos.
Sin embargo, no es trivial aislar o identificar choques, dado que pese a existir literatura que indica que los mismos tipos de choques pueden no estar sincronizados (M. & A., 2005), los mismos pueden estar altamente correlacionados (Cover, Enders, & Hueng, 2006). Por ejemplo, Blanchard y Gali (2007), apuntan como los choques petroleros de los 70’s coincidieron con otros choques de materias primas, lo que profundizó el efecto individual de los mismos. Ahora bien, pese a la relevancia empírica mostrada hasta aquí, es importante resaltar que algunos autores han establecido que muchos de los choques populares pueden explicar solo una proporción pequeña sobre los movimientos de las variables, lo que lleve a establecerse que “siempre permaneceremos ignorantes sobre las causas fundamentales de las fluctuaciones económicas” (Cochrane, 1994).
Finalmente, podemos resumir los mensajes del presente articulo en que un choque resulta de la diferencia entre el valor observado de una serie y el esperado por un modelo, siendo una variable latente que se puede aproximar a partir de distintas alternativas y que permite evaluar la capacidad de ajuste y la posible presencia de cambios estructurales en nuestras estimaciones. Además, posibilitan identificar causalidad en la estructura económica, condición clave para el análisis de políticas y la elaboración de pronósticos. Por lo que, resultan en un concepto bastante relevante empíricamente. Sin embargo, es importante resaltar, que es difícil identificar causalidad, dada la posible interacción entre los choques, la simultaneidad con que suceden o por estos estar condicionados al contexto económico. En general, los choques macros son variables latentes con alta relevancia empírica tanto para la validación de modelos, la explicación de la economía, la elaboración de pronósticos y las sugerencias de políticas, aunque no es trivial su estimación o identificación. Todas estas características permiten que la relevancia de los choques este ampliamente reconocida en la literatura (Kilian, Plante, & Richter, 2023).
Referencias:
- Álvarez, S. (2014). Macroeconomía dinámica. México.
- Barsky, R., & Sims, E. (2011). News shocks and business cycles. Journal of Monetary Economics, 273-289.
- Blanchard, O., & Gali, J. (2007). The Macroeconomic Effects of Oil Shocks. Why are the 2000s So Different from the 1970s? NBER Working Paper No. 13368.
- Christiano, L., Eichenbaum, M., & Evans, C. (1998). Monetary Policy Shocks: What Have We Learned and to What End? Northwestern University, NBER and the Federal Reserve Bank of Chicago.
- Cochrane, J. (1994). Shocks*. Carnegie-Rochester Conference Series on Public Policy (págs. 295-364). North-Holland: University of Chicago.
- Cover, J., Enders, W., & Hueng, C. (2006). Using the aggregate demand-aggregate supply model to identify structural demand-side and supply-side shocks: Results using a bivariate VAR. 777-790.
- Hoai, B., & Joe, D. (2019). Macroeconomic Shocks and Trade Balance Adjustments in Papua New Guinea. MPRA Paper No. 93033.
- Jermann, U., & Quadrini, V. (s.f.d.). Macroeconomic Effects of Financial Shocks. Wharton Finance.
- Kilian, L. (2009). Not All Oil Price Shocks Are Alike: Disentangling Demand and Supply Shocks in the Crude Oil Market. American Economic Review, 1053-69.
- Kilian, L., Plante, M., & Richter, A. (2023). Estimating Macroeconomic News and Surprise Shocks. (W. P. 2304, Ed.) Federal Reserve of Dallas.
- Leepipatpiboon, P., Castrovillari, C., & T., M. (2023). Macroeconomic Shocks and Conflict. IMF Working Paper, Strategy, Policy, and Review Department. International Monetary Fund.
- M., A., & A., F. (2005). Shock Identification of Macroeconomic Forecasts Based on Daily Panels. Federal Reserve Bank of New York Staff Reports, no. 206.
- Malik, M., Sarwar, M., & Shahid, W. (2020). Macroeconomic Shocks: Short-Run versus Long-Run Perspectives. Munich Personal RePEc Archive.
- Ramey, V. (2016). Macroeconomic Shocks and Their Propagation. En H. Taylor, Handbook of Macroeconomics (págs. 71-162).
- Ruzzante, M. (2018). Financial Crises, Macroeconomic Shocks, and the Government Balance Sheet: A Panel Analysis. Statistics Department . International Monetary Fund.
Autor
