Forecasting with Feedback

Imagina que eres un epidemiólogo muy talentoso. Tu trabajo es predecir cuántas personas se enfermarán la próxima semana durante un brote de gripe.

Si tu predicción es alta (por ejemplo, "habrá 50,000 casos"), la gente cambia su comportamiento en respuesta: se quedan en casa, usan mascarilla y posponen reuniones. Esas reacciones reducen realmente el número de casos. Si tu predicción es baja, la gente se relaja y el número de casos sube más de lo que habría sido de otra manera. Aquí, la realidad del número de enfermos depende de las acciones que desencadena tu propia predicción.

En el mundo de la economía, a esto se le llama retroalimentación (feedback). A diferencia de un pronóstico del tiempo, donde la lluvia cae independientemente de si llevas paraguas, en economía una predicción suele desencadenar una decisión (como un banco central subiendo las tasas de interés), y esa decisión cambia el futuro que se estaba pronosticando.

La Analogía del "Chef y el Comensal Exigente"

Para entender este artículo, vamos a usar una historia diferente: la de un Chef (el pronosticador) y un Comensal (el tomador de decisiones).

El Escenario: El Chef quiere predecir qué tan hambriento estará el Comensal mañana (digamos, en una escala del 1 al 10).
La Regla del Juego: El Comensal no solo observa la predicción, sino que actúa en base a ella.
- Si el Chef predice: "Mañana tendrás mucha hambre (nivel 10)", el Comensal piensa: "¡Oh, no! Si tengo tanta hambre, comeré demasiado y me pondré enfermo". Entonces, el Comensal decide comer menos de lo normal para compensar.
- Si el Chef predice: "Mañana tendrás poca hambre (nivel 2)", el Comensal piensa: "¡Genial! Puedo darme un festín". Entonces, el Comensal decide comer mucho más.

Aquí es donde entra la magia (y el problema) del artículo: La acción del Comensal cambia la realidad. Si el Chef predice hambre extrema, el Comensal se controla y al final no tiene tanta hambre. Si predice poca hambre, el Comensal se descontrola y termina con mucha hambre.

El Dilema del Chef: ¿Ser preciso o ser estratégico?

El Chef quiere que su predicción sea lo más precisa posible (quiere minimizar el error). Pero se da cuenta de algo crucial: El Comensal no es 100% predecible.

A veces el Comensal reacciona con fuerza (come mucho menos si predices hambre).
A veces reacciona con debilidad (casi no cambia su dieta).
A veces el Comensal tiene un día malo y reacciona de forma extraña.

El Chef tiene un problema: Si predice la realidad exacta, el Comensal reaccionará de forma impredecible y el resultado final será un caos.

La solución inteligente (y sesgada):
El Chef decide mentir un poco (o mejor dicho, ajustar su predicción) para calmar al Comensal.

En lugar de decir "Mañana tendrás hambre nivel 10", dice "Mañana tendrás hambre nivel 7".
¿Por qué? Porque si dice 10, el Comensal se asusta y come muy poco (resultado: hambre real baja). Si dice 7, el Comensal se relaja y come lo justo (resultado: hambre real media).

Al hacer esto, el Chef introduce un sesgo. Su predicción ya no es la "verdad pura", pero es la predicción óptima para evitar que el resultado final sea un desastre.

¿Qué nos dice este artículo?

Los autores, Robert Lieli y Augusto Nieto-Barthaburu, dicen que en economía (especialmente con los bancos centrales y la inflación), ocurre exactamente lo mismo que en nuestra historia del Chef:

No es irracionalidad: A menudo, vemos que los economistas se equivocan sistemáticamente (siempre predicen la inflación un poco más alta o más baja de lo que es). La gente suele decir: "¡Estos economistas son tontos o tienen prejuicios!".
La nueva explicación: El artículo dice: "No, no son tontos. Están jugando un juego estratégico".
- Los bancos centrales (el Comensal) usan las predicciones para fijar tasas de interés.
- Si el banco ve una predicción de inflación alta, sube las tasas (acción).
- Esa subida de tasas baja la inflación real.
- El pronosticador sabe esto. Si no sabe exactamente cuánto subirá el banco (hay incertidumbre), decide suavizar su predicción para no provocar una reacción exagerada del banco que arruine la economía.

Las Consecuencias Sorprendentes

El artículo demuestra matemáticamente que, incluso si el pronosticador quiere ser perfecto y no tiene preferencias extrañas (pérdida cuadrática), la mejor predicción posible será sesgada.

Esto explica dos cosas raras que vemos en los datos reales (como en los informes del Banco de la Reserva Federal de EE. UU., conocidos como "Greenbook"):

El sesgo cambia de signo: A veces los pronósticos son demasiado optimistas, a veces demasiado pesimistas. No es un error constante, es un ajuste estratégico que cambia según las circunstancias.
La relación se rompe: Normalmente, si haces una gráfica de "Predicción vs. Realidad", debería salir una línea recta perfecta (pendiente 1). Pero en este juego, la línea puede volverse plana, inclinarse al revés o comportarse de forma loca. No significa que el pronóstico sea malo, significa que el sistema es complejo.

En Resumen

Imagina que eres un capitán de barco que debe predecir la altura de las olas. Pero si predices olas gigantes, la tripulación se asusta y hace movimientos bruscos que hacen que el barco se balancee más. Si predices olas pequeñas, se relajan y el barco se balancea menos.

Para mantener el barco estable, el capitán no predice la altura real de las olas, sino una altura "moderada" que mantenga a la tripulación tranquila.

La lección del artículo: Cuando tus predicciones influyen en las decisiones de otros, y esas decisiones cambian el futuro, ser "exacto" no es lo mismo que ser "óptimo". A veces, para ser el mejor pronosticador, debes ser un poco "mentiroso" (sesgado) para evitar el caos. Y eso no es irracionalidad; es inteligencia estratégica.

Aquí presento un resumen técnico detallado del artículo "Forecasting with Feedback" de Robert P. Lieli y Augusto Nieto-Barthaburu, estructurado según los puntos solicitados.

1. El Problema de Investigación

La literatura estándar de pronósticos asume que los errores sistemáticos (sesgos) en las predicciones son evidencia de irracionalidad por parte de los pronosticadores o de funciones de pérdida asimétricas (donde el costo de sobreestimar difiere del de subestimar). Bajo una función de pérdida cuadrática estándar (error cuadrático medio), el pronóstico óptimo debería ser insesgado y los errores no deberían estar correlacionados con la información disponible.

Sin embargo, en muchos contextos económicos (como las previsiones de inflación de los bancos centrales), los pronósticos informan decisiones de política que, a su vez, afectan la realización de la variable objetivo. Este fenómeno se denomina retroalimentación (feedback).

El problema central que abordan los autores es: ¿Por qué los pronósticos pueden ser óptimamente sesgados y violar las pruebas de racionalidad estándar (como la regresión de Mincer-Zarnowitz) incluso cuando el pronosticador es racional y tiene una función de pérdida cuadrática? La hipótesis es que la incertidumbre sobre cómo reaccionará el tomador de decisiones (TD) ante el pronóstico genera un trade-off entre sesgo y varianza que distorsiona el pronóstico óptimo.

2. Metodología y Modelo

Los autores desarrollan un modelo de interacción estratégica entre un Pronosticador (que posee información privada) y un Tomador de Decisiones (TD).

Estructura del Modelo:

Entorno de Pronóstico:
- El pronóstico $f_t$ se genera en el tiempo $t$ para predecir un resultado $y_{t+1}$ .
- El resultado depende de un estado de la economía $\theta_t$ (información privada del pronosticador), una acción de política $a_t$ tomada por el TD basada en el pronóstico, y un error aleatorio $\epsilon_{t+1}$ .
- Ecuación de resultado: $y_{t+1} = \theta_t + a_t + \epsilon_{t+1}$ .
- El pronosticador minimiza el Error Cuadrático Medio (MSE): $E[(y_{t+1} - f_t)^2 | \theta_t]$ .
Función de Reacción del TD:
- El TD utiliza una regla tipo "Taylor" para cerrar la brecha entre el resultado y un objetivo $y^T$ .
- La acción óptima es $a^*(f_t) = x_t [y^T - E(\theta_t | f_t)]$ , donde $x_t$ es un multiplicador positivo.
- Incertidumbre Clave: El parámetro $x_t$ (que representa la fuerza o agresividad de la reacción de política) es información privada del TD y es incierto para el pronosticador. El pronosticador solo conoce la distribución de $x_t$ (media $\mu$ y varianza $\tau^2$ ).
Mecanismo de Retroalimentación:
- El pronosticador anticipa que su pronóstico influirá en la acción $a_t$ , y que esta acción afectará a $y_{t+1}$ .
- Si la reacción del TD fuera determinista (sin incertidumbre sobre $x_t$ ), el pronosticador podría corregir perfectamente el efecto y el pronóstico sería insesgado.
- Sin embargo, debido a la incertidumbre sobre $x_t$ , la varianza del resultado $y_{t+1}$ depende del pronóstico $f_t$ .

Solución y Equilibrio:

Los autores resuelven el problema de optimización del pronosticador, derivando un pronóstico óptimo lineal $f^*_t = d^* + e^* \theta_t$ .
Posteriormente, definen un Equilibrio Bayesiano Perfecto (PBE) donde el TD tiene creencias correctas sobre cómo se construye el pronóstico (es decir, el TD conoce los parámetros reales $d^*$ y $e^*$ utilizados por el pronosticador).

3. Contribuciones Clave

Nueva Explicación del Sesgo Óptimo: Demuestran que el sesgo en los pronósticos puede surgir raramente bajo pérdida cuadrática si existe retroalimentación e incertidumbre sobre la reacción de política. No es necesario asumir irracionalidad ni pérdida asimétrica.
Trade-off Sesgo-Varianza: Identifican el mecanismo económico: el pronosticador sacrifica la precisión (introduce sesgo) para reducir la volatilidad del resultado. Al hacer el pronóstico menos sensible a su información privada, mitiga el impacto de la incertidumbre en la reacción de política sobre el resultado final.
Violación de las Propiedades de Racionalidad Estándar: Muestran teóricamente que, en presencia de retroalimentación, los pronósticos óptimos violan las condiciones canónicas de la regresión de Mincer-Zarnowitz (MZ):
- La intersección (intercepto) no es cero.
- La pendiente no es uno.
- El error del pronóstico está correlacionado con la información del pronosticador.
Reinterpretación de Datos Empíricos: Proporcionan un marco teórico para explicar patrones observados en las previsiones de inflación del "Greenbook" (FED), donde los sesgos cambian de signo y las pendientes de MZ varían drásticamente a lo largo del tiempo, sin necesidad de asumir fallos en la racionalidad de los pronosticadores.

4. Resultados Principales

A. El Pronóstico Óptimo (Proposición 1)

El pronóstico óptimo es lineal en el estado $\theta_t$ , pero su pendiente es atenuada (más cercana a cero) en comparación con el pronóstico insesgado.

Sesgo Condicionado: El pronóstico es sistemáticamente sesgado. Si el estado $\theta_t$ está por encima del objetivo $y^T$ , el pronosticador subestima (sesgo positivo); si está por debajo, sobreestima (sesgo negativo). El pronóstico "gravita" hacia el objetivo para estabilizar el resultado.
Dependencia de la Incertidumbre: La magnitud del sesgo depende de la varianza de la reacción de política ( $\tau^2$ ). Si $\tau^2 \to 0$ (reacción conocida), el sesgo desaparece.

B. Propiedades Estadísticas y Regresión de Mincer-Zarnowitz (Proposición 2)

La relación entre el resultado realizado y el pronóstico óptimo sigue una regresión lineal:
$E(y_{t+1} | f^*_t) = \alpha + \beta f^*_t$

Pendiente ( $\beta$ ): Puede tomar valores muy diversos, incluyendo valores negativos o cercanos a cero, dependiendo de la fuerza media de la reacción ( $\mu$ ) y su incertidumbre ( $\tau^2$ ).
Intersección ( $\alpha$ ): No es cero.
Correlación: El error del pronóstico es predecible dado el conocimiento del pronosticador, lo que llevaría a rechazar la hipótesis de racionalidad en pruebas estándar.

C. Equilibrio Estratégico (Corolario 2)

En un equilibrio donde el TD conoce la estrategia del pronosticador:

El pronóstico es completamente revelador (el TD puede inferir $\theta_t$ ).
El sesgo del equilibrio sigue la misma lógica de "gravitación" hacia el objetivo.
La pendiente de MZ puede volverse negativa si la incertidumbre es alta y la reacción media es fuerte, explicando fenómenos donde un pronóstico más alto se asocia con un resultado más bajo (debido a una reacción de política excesiva).

5. Significado e Implicaciones

Para la Evaluación de Pronósticos: Las pruebas tradicionales de racionalidad (como la regresión de Mincer-Zarnowitz) pueden arrojar falsos positivos de irracionalidad en entornos con retroalimentación. Un rechazo de la hipótesis nula de racionalidad no implica necesariamente que el pronosticador sea ineficiente o tenga preferencias asimétricas; podría estar actuando óptimamente ante la incertidumbre de la política.
Para la Política Económica: La existencia de retroalimentación implica que la comunicación de pronósticos es una herramienta estratégica. La incertidumbre sobre cómo reaccionará el banco central (o el mercado) a un pronóstico puede inducir a los pronosticadores a suavizar sus predicciones para evitar inestabilidad en el resultado final.
Para la Literatura Económica: El artículo integra la teoría de juegos (comunicación estratégica) con la econometría de pronósticos, mostrando que la función de pérdida por sí sola no determina las propiedades de los pronósticos óptimos; la función de reacción del tomador de decisiones es un determinante crucial.

En conclusión, el paper demuestra que la retroalimentación de la política combinada con la incertidumbre sobre la reacción es un mecanismo suficiente para generar sesgos sistemáticos y patrones estadísticos complejos en los pronósticos, desafiando la interpretación convencional de la "irracionalidad" en la literatura de pronósticos económicos.