BRICS Under Stress: A Crisis-Adjusted Divergence Index for Measuring Coalition Alignment Under Systemic Pressure

Resumen Técnico: Los BRICS bajo presión y el Índice de Divergencia Ajustado por Crisis (CADI)

Planteamiento del problema
La literatura existente sobre la coalición BRICS (Brasil, Rusia, India, China, Sudáfrica) presenta una paradoja: el grupo parece cohesivo durante periodos de calma geopolítica, pero se fractura selectivamente durante crisis agudas, como la invasión rusa de Ucrania en 2022. Si bien los académicos han documentado esta regularidad —distinguiendo entre cohesión diplomática (cumbres, comunicados) y divergencia de comportamiento (votación, cambios comerciales)—, existe una falta de instrumentos formales para medir cuándo, qué tan rápido y a lo largo de qué dimensiones estructurales ocurre esta fragmentación. Las medidas cuantitativas actuales de alineación (por ejemplo, puntos ideales en la Asamblea General de la ONU, puntuaciones de similitud de votación) son "indicadores rezagados" que capturan las preferencias reveladas solo después de que el comportamiento ha ocurrido. No logran modelar la presión estructural subyacente que precede a estas elecciones ni dar cuenta de cómo el estrés sistémico repondera dinámicamente la relevancia de diferentes dominios de política.

Metodología: El Índice de Divergencia Ajustado por Crisis (CADI)
El artículo introduce el CADI, un instrumento formal, transparente y replicable diseñado para medir la presión estructural sobre la alineación condicionada al estrés sistémico. La metodología procede a través de tres componentes centrales:

1. Vectores de Exposición Estructural: Cada estado se modela como un vector de cinco dimensiones ($v_i \in [0, 1]^5$) que representa circunstancias estructurales objetivas en lugar de preferencias. Las dimensiones son:

   • Exposición de seguridad
   • Dependencia de la industria de defensa
   • Concentración comercial
   • Dependencia tecnológica
   • Alineación regulatoria-financiera
     Estos vectores se construyen a partir de datos públicos (SIPRI, UN Comtrade, Banco Mundial, etc.) y se normalizan mediante min-max en toda la muestra.

2. Escalar de Estrés Sistémico ($\sigma$): El estrés se trata como un escalar continuo que oscila entre 0 (estabilidad base) y 2 (pico de presión geopolítica). Se calibra externamente utilizando el índice de Riesgo Geopolítico (GPR) a nivel de país (Caldara e Iacoviello, 2022), anclado a la media de 2015–2019 y al pico de Ucina en 2022.

3. Reponderación Sensible al Estrés (Función Softmax): El mecanismo central trata el estrés sistémico como una variable que repondera dinámicamente la relevancia de las cinco dimensiones. Una función softmax transforma las puntuaciones lineales ($\alpha_k + \beta_k \sigma$) en pesos ($w_k$).

   • Las dimensiones próximas a la supervivencia (Seguridad, Industria de defensa) reciben coeficientes de sensibilidad al estrés positivos ($\beta > 0$), lo que significa que su relevancia aumenta exponencialmente a medida que el estrés aumenta.
   • Las dimensiones orientadas a la optimización (Comercio, Tecnología, Regulatoria-financiera) reciben coeficientes negativos ($\beta < 0$), lo que significa que su relevancia se comprime bajo estrés.
   • Cuando $\sigma = 0$, todas las dimensiones tienen un peso igual (0.20). A medida que $\sigma$ aumenta, el modelo desplaza el enfoque hacia las vulnerabilidades próximas a la supervivencia.

4. Cálculo del Índice: El CADI para un díada $(i, j)$ es la distancia euclidiana entre sus vectores de exposición ponderados por el estrés:
   $$CADI_{ij}(\sigma) = \|\tilde{v}_i(\sigma) - \tilde{v}_j(\sigma)\|_2$$
   Esto mide la divergencia de los perfiles estructurales bajo condiciones de estrés específicas.

Contribuciones Clave
El artículo reclama tres contribuciones primarias a la literatura:

1. Indicador Adelantado de Presión Estructural: A diferencia de otras herramientas que miden preferencias reveladas, el CADI es un indicador adelantado que cuantifica la presión estructural ex ante que moldea las elecciones de alineación antes de que sean observadas.
2. Formalización del "Espacio de Cobertura (Hedging) en Reducción": El índice operacionaliza la afirmación teórica de que, a medida que la rivalidad se intensifica, el espacio para la cobertura (hedging) se reduce. Lo hace demostrando matemáticamente cómo el aumento del estrés eleva sistemáticamente el peso de las dimensiones de seguridad/autonomía mientras suprime las dimensiones comerciales/financieras.
3. Condiciones de Alcance Falsables: El marco define explícitamente su alcance. Predice la divergencia para díadas estructuralmente heterogéneas bajo estrés, pero predice la estabilidad para díadas estructuralmente similares, incluso si existe rivalidad política. Esto permite que el índice falle de manera informativa (como se observa en el caso de la India–China) en lugar de forzar un ajuste.

Resultados
El índice se aplicó a tres díadas (Brasil–India, Brasil–China, India–China) utilizando datos de 2015–2024:

• Díadas Heterogéneas (Brasil–India, Brasil–China): A medida que el estrés ($\sigma$) aumentó de 0 a 2 (el pico de 2022), el CADI aumentó significamente.
  • El CADI de Brasil–India aumentó un 86% (de 0.160 a 0.298).
  • El CADI de Brasil–China aumentó un 81% (de 0.181 a 0.329).
  • Las trayectorias fueron no lineales, acelerándose a medida que los pesos de seguridad se acercaban al dominio.
• Díada Estructuralmente Similar (India–China): A pesar de la alta tensión geopolítica, el CADI se mantuvo plano (0.068 a 0.065). Esto confirma la Hipótesis G2: debido a que la India y China comparten perfiles de exposición con un alto $\beta$ similar (alta dependencia de seguridad y tecnología), la reponderación inducida por el estrés no separa sus perfiles estructurales.
• Validación Externa: Las trayectorias del CADI se compararon con las distancias de puntos ideales de la Asamblea General de la ONU (Bailey et al., 2017).
  • Para las díadas heterogéneas, la correlación entre el CADI y la divergencia revelada fue de 0.68.
  • Para la díada India–China, la correlación fue negativa (-0.34), confirmando que el índice identifica correctamente la similitud estructural mientras que los datos externos revelan una divergencia impulsada por la rivalidad bilateral (un factor que el índice excluye deliberadamente).
  • El mecanismo de reponderación por estrés redujo el error de predicción en un 36% en comparación con un modelo nulo de distancia estática.

Significancia y Reclamaciones
El artículo argumenta que el debate sobre si los BRICS "se mantuvieron unidos" o "se fracturaron" tras 2022 no es una disputa empírica, sino un desacuerdo sobre capas analíticas.

• Reconciliación de Lecturas: El CADI demuestra que ambas lecturas pueden ser ciertas simultáneamente. La coalición permanece cohesionada en dominios de "bajo $\beta$" (diplomacia, banca de desarrollo, comunicados conjuntos) que son económicos de mantener bajo estrés. Sin embargo, diverge drásticamente en dominios de "alto $\beta$" (seguridad, autonomía de la industria de defensa) donde las presiones próximas a la supervivencia predominan.
• Implicaciones de Política: Para los responsables de la política, el índice sugiere tratar a los BRICS no como un bloque monolítico, sino como una colección de perfiles de exposición diferenciados. Las estrategias de compromiso deben adaptarse a anclajes estructurales específicos (por ejemplo, cooperación en seguridad para la India, estabilidad comercial para Brasil) en lugar de utilizar la etiqueta de la coalición.
• Alcance Modesto: Los autores declaran explícitamente que el índice mide la divergencia de la exposición estructural, no la dirección de la alineación política. El caso de la India–China sirve como una condición de contorno: una baja divergencia de perfil es necesaria pero no suficiente para la alineación política. El artículo no pretende predecir resultados de política específicos, sino mapear las restricciones estructurales que hacen que ciertos resultados sean más o menos probables bajo niveles variables de estrés sistémico.