📈 economics

An Empirical Analysis of Business Cycle Fluctuations and Trend GDP Growth across Developed Economies

Este artículo demuestra que un modelo macroeconómico endógeno con base empírica, impulsado por factores financieros y la suavización del consumo intertemporal, supera a los modelos tradicionales RBC y DSGE-NK al capturar la compleja dinámica de los ciclos económicos y de tendencia de las economías desarrolladas, replicando de forma natural características estadísticas clave como las colas pesadas y la autocorrelación sin depender de términos de error exógenos excesivos.

Autores originales: Giulio Giuseppe Colazzo

Publicado 2026-09-03

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Giulio Giuseppe Colazzo

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Los economistas han intentado durante mucho tiempo comprender el ritmo de la economía, la forma en que las naciones crecen de manera constante durante décadas mientras experimentan también auges repentinos y crisis dolorosas. Durante gran parte de la era moderna, la explicación dominante para estos vaivenes se basó en la idea de que la economía es una máquina que funciona sin problemas hasta que algo externo la desvía de su curso. Bajo esta visión, las causas primarias de la turbulencia económica son eventos inesperados del mundo exterior, como un cambio repentino en la tecnología o un giro en la política gubernamental. Estas teorías asumen que las personas y las empresas actúan con una previsión perfecta, ajustando constantemente sus planes para maximizar el beneficio y la felicidad, y que la economía regresa naturalmente a una trayectoria estable una vez que el choque desaparece. Sin embargo, los datos del mundo real suelen contar una historia diferente. Las series temporales económicas muestran con frecuencia patrones que estos modelos estándar luchan por explicar, tales como largos periodos de recuperación lenta, picos repentinos de volatilidad y una tendencia a que las malas noticias golpeen con más fuerza y duren más que las buenas. Comprender por qué la economía se comporta de esta manera es crucial porque determina cómo los gobiernos deben responder a las crisis y cómo las sociedades pueden prepararse para el futuro.

Giulio Giuseppe Colazzo, un economista de la Universidad de Bari en Italia, se propuso investigar estas discrepancias observando directamente los datos en lugar de partir de una teoría preestablecida. Examinó la historia económica de las naciones desarrolladas, específicamente los miembros de la Organización para la Cooperación y el Desarrollo Económicos, para separar la tendencia de crecimiento a largo plazo de los altibajos a corto plazo. Para lograrlo, utilizó una herramienta estadística que suaviza los bordes dentados de los datos brutos para revelar la trayectoria subyacente del crecimiento, de forma muy similar a como un cartógrafo suaviza una costa accidentada para ver la forma general de un continente. Una vez que aisló la tendencia a largo plazo y el ciclo a corto plazo, se planteó una pregunta simple pero profunda: ¿qué impulsa realmente estos movimientos? Probó una amplia gama de causas potenciales, desde cambios en la productividad y el gasto público hasta cambios en las tasas de interés y el comportamiento de los mercados financieros.

Los resultados de esta investigación desafiaron la visión tradicional de que los choques externos son los principales motores de la vida económica. Cuando Colazzo analizó las fluctuaciones a corto plazo que definen el ciclo económico, descubrió que los predictores más poderosos no eran los cambios en la tecnología o la política gubernamental, sino factores arraigados en el sistema financiero y la psicología de los participantes del mercado. Específicamente, la volatilidad de los mercados de valores y los rendimientos de los bonos gubernamentales surgieron como las fuerzas primarias detrás de los auges y las crisis económicas. Estos indicadores financieros, que reflejan la confianza colectiva y la ansiedad de los inversores, fueron mucho más efectivos para explicar por vez que la economía oscila que los factores del mundo real, como la productividad, que las teorías estándar priorizan. El estudio también reveló que estos choques financieros no solo causan ondulaciones temporales; crean un patrón de volatilidad donde los periodos de calma suelen ser seguidos por una turbulencia intensa, un fenómeno conocido como agrupación de volatilidad (volatility clustering). Esto significa que cuando la economía es inestable, tiende a permanecer inestable durante un tiempo, y los eventos extremos son más comunes de lo que predeciría una distribución normal.

Cuando Colazzo dirigió su atención hacia la tendencia de crecimiento a largo plazo, el panorama cambió de nuevo. Aquí, los datos apuntaban hacia las decisiones que los hogares toman sobre el ahorro y el gasto a lo largo del tiempo. El estudio encontró que la trayectoria a largo plazo de una economía está impulsada en gran medida por cómo las personas asignan sus recursos entre el consumo actual y la seguridad futura. Esta toma de decisiones intertemporal, donde los individuos suavizan su consumo para prepararse para futuros inciertos, resultó ser un motor más significativo del crecimiento estructural que los choques de productividad externos. Al combinar estos hallazgos, el investigador construyó un nuevo tipo de modelo económico que se fundamenta enteramente en el comportamiento observado de los datos. Este modelo asume que la economía está impulsada por fuerzas internas: el estrés financiero y la incertidumbre dan forma a los ciclos de corto plazo, mientras que los hábitos de ahorro y gasto de los hogares dan forma al crecimiento a largo plazo.

Para probar si este nuevo enfoque basado en los datos era mejor que las teorías establecidas, Colazzo lo comparó con los modelos estándar utilizados por los bancos centrales e instituciones académicas, conocidos como Modelos de Ciclo Real de Negocios y de Equilibrio General Dinámico Estocástico. Estos modelos tradicionales asumen que la economía es impulsada por choques externos y que las personas actúan con una racionalidad perfecta. La comparación mostró que el nuevo modelo endógeno, que permite que los datos hablen por sí mismos, era mucho más preciso. Logró replicar las características complejas y desordenadas de los datos económicos reales, tales como la tendencia de los choques negativos a tener un mayor impacto que los positivos y la presencia de correlaciones duraderas en la actividad económica. En contraste, los modelos tradicionales no lograron capturar estas características por sí solos; tuvieron que recurrir a los términos de error —los restos matemáticos— para dar cuenta del extraño comportamiento de los datos. Esencialmente, los modelos estándar estaban perdiendo las partes más importantes de la historia, dejando los patrones más significativos sin explicar y relegándolos al ruido de fondo.

El estudio concluye que una comprensión más realista de la economía proviene de reconocer que los mercados financieros y las expectativas humanas no son solo efectos secundarios, sino que son centrales para el funcionamiento del sistema. La investigación sugiere que la economía no es una máquina esperando a ser desviada de su curso por fuerzas externas, sino un sistema complejo donde las dinámicas internas, particularmente la interacción entre el estrés financiero y las decisiones de los hogares, generan las mismas fluctuaciones que los economistas intentan predecir. Al construir un modelo que refleja estas realidades, el estudio ofrece una imagen más clara de por qué las economías se comportan como lo hacen, alejándose de las suposiciones abstractas sobre la racionalidad perfecta y avanzando hacia una descripción que se alinea con la experiencia real y, a menudo, volátil del mundo desarrollado. Este enfoque no solo ofrece un mejor ajuste para los datos históricos; implica que para entender el futuro, debemos observar de cerca los mecanismos internos de confianza, incertidumbre y estabilidad financiera que impulsan la economía desde dentro.

Resumen Técnico: Un Análisis Empírico de las Fluctuaciones del Ciclo Económico y el Crecimiento Tendencial del PIB en las Economías Desarrolladas

Planteamiento del Problema
Los modelos macroeconómicos neoclásicos estándar, incluyendo los marcos de Ciclo Real de Negocios (RBC) y los de Equilibrio General Dinámico Estocástico (DSGE) de Nueva Keynesiana (NK), atribuyen las fluctuaciones macroeconómicas principalmente a perturbaciones estocásticas exógenas, tales como los choques de productividad. Sin embargo, la literatura empírica ha documentado un persistente "desempeño desalentador" de estos modelos estructurales al intentar replicar los hechos estilizados clave de las series temporales macroeconómicas. Específicamente, estos modelos tienen dificultades para explicar la pronunciada autocorrelación, la asimetría negativa, la curtosis excesiva (colas pesadas) y la sincronización de los ciclos económicos entre países. Además, las calibraciones de economía abierta de estos modelos no han logrado explicar adecuadamente el contagio financiero y las correlaciones bilaterales observadas entre las principales economías (por ejemplo, EE. UU. y la Eurozona) incluso durante periodos no de crisis. El problema central abordado es la incapacidad de los modelos estructurales estándar para generar endógenamente los momentos estadísticos de orden superior y la agrupación de volatilidad (volatility clustering) observados en los datos, lo que a menudo obliga a introducir estas características en los términos de error como no-normalidad exógena.

Metodología
El artículo emplea un enfoque de forma reducida basado en datos para desentrañar las fluctuaciones del ciclo económico de la tendencia de crecimiento del PIB a largo plazo en un amplio panel de economías desarrolladas de la OCDE. La metodología procede en cuatro etapas distintas:

Descomposición Tendencia-Ciclo: El autor utiliza el filtro Hodrick-Prescott (HP) para separar el crecimiento del PIB en un componente de tendencia estocástica ( $\tau_t$ ) y un componente de ciclo económico ( $c_t$ ). Se selecciona el filtro HP debido a su desempeño superior al maximizar la discrepancia de volatilidad entre los componentes cíclico y de tendencia en comparación con otros métodos (CF, BK, BN, Kalman).
Identificación de Motores mediante VARs:
- Ciclo Económico (Alta Frecuencia): Se emplea un VAR estructural (SVAR) de ventana rodante con restricciones de Cholesky recursivas de corto plazo para identificar las relaciones causales instantáneas entre los regresores macroeconómicos y la brecha del producto (output gap). Esto se aumenta con pruebas de causalidad contemporánea para determinar el impacto inmediato de los choques.
- Crecimiento Tendencial (Baja Frecuencia): Se utilizan VARs de ventana rodante aumentados con pruebas de causalidad de Granger para identificar los impulsores acumulativos de largo plazo del crecimiento estructural del PIB.
Selección de Modelos Econométricos: El artículo compara varias especificaciones econométricas (ARMA, EGARCH, GARCH, TGARCH) para determinar cuál caracteriza mejor las propiedades estadísticas de los componentes de tendencia y ciclo. Los criterios de selección incluyen Log-Likelihood (LogLik), Criterio de Información de Akaike (AIC), Criterio de Información Bayesiano (BIC) y diagnósticos de residuos (Ljung-Box para autocorrelación, Jarque-Bera para normalidad).
Simulación Comparativa: El marco econométrico óptimo identificado (Tendencia ARMA(2,1) + Ciclo EGARCH(1,1) con errores de distribución t) se utiliza como referencia para probar especificaciones de modelos macroeconómicos alternativos.
- Modelo Endógeno: Un modelo de forma reducida donde el crecimiento tendencial es impulsado por la suavización del consumo intertemporal (tasas de ahorro) y los ciclos económicos por factores financieros (rendimientos de bonos, estrés sistémico).
- Modelos Estándar: Modelos RBC y DSGE-NK que asumen choques exógenos de productividad y de política monetaria.
- Calibración: El modelo endógeno se calibra utilizando un enfoque semiparamétrico (algoritmo de Evolución Diferencial) sobre datos de la Eurozona, incorporando choques históricos (por ejemplo, la crisis del ERM, la Gran Recesión) para minimizar el Error Cuadrático Medio (MSE) entre el PIB simulado y el observado.

Contribuciones Clave y Resultados

Identificación de Motores: El análisis empírico revela que las fluctuaciones del ciclo económico son impulsadas predominantemente por factores financieros y choques de incertidumbre (específicamente los rendimientos de los bonos gubernamentales a diez años y el VIX) en lugar de choques de productividad del lado real. Los choques de política monetaria muestran efectos persistentes pero menos inmediatos. Por el contrario, el crecimiento tendencial del PIB a largo plazo es impulsado principalmente por decisiones de asignación de portafolio intertemporal (ahorro, inversión y consumo) y tasas de interés nominales, donde la productividad juega un papel secundario.
Descomposición Estructural de la Tendencia: Utilizando Modelos de Espacio de Estados (SSM), el estudio descompone la tendencia del PIB en componentes impulsados por la demanda (endógenos) y por la oferta (exógenos). Los resultados indican que aproximadamente el 78% de la dinámica del PIB tendencial en la muestra es impulsada por la demanda, lo que sugiere que el crecimiento a largo plazo es en gran medida una función de la demanda agregada y la incertidumbre endógena, en lugar de choques de oferta exógenos.
Especificación Econométrica Óptima: El análisis identifica la especificación Tendencia ARMA(2,1) + Ciclo EGARCH(1,1) con términos de error t como la más robusta para las economías de la OCDE. Este modelo captura con éxito la persistencia de memoria larga de la tendencia y la agrupación de volatilidad, la asimetría y las colas pesadas del ciclo económico.
Superioridad del Modelo Endógeno: Al mapearse en el marco econométrico óptimo, el modelo macroeconómico endógeno (impulsado por el ahorro y los rendimientos financieros) supera significativamente a los modelos estándar RBC y DSGE-NK.
- Bondad de Ajuste: El modelo endógeno logra el LogLik más alto y los valores más bajos de AIC y BIC.
- Diagnósticos de Residuos: Crucialmente, el modelo endógeno genera residuos que se asemejan estrechamente a ruido blanco i.i.d. (pasando las pruebas de Ljung-Box y Jarque-Bera). En contraste, los modelos estándar dejan información estructural significativa (correlación serial y no-normalidad) en sus residuos, lo que implica que estos modelos fallan al explicar las propiedades estructurales de los datos internamente y deben importarlas de forma exógena.
- Simulación: El modelo endógeno, calibrado con una tasa de descuento latente e indicadores de estrés financiero, replica la sincronización y la amplitud de los ciclos económicos de la Eurozona con mayor precisión que los modelos que dependen de choques de productividad exógenos.

Significancia y Reivindicaciones
El artículo argumenta que la superioridad empírica del modelo endógeno proviene de su capacidad para generar endógenamente las características estadísticas salientes de las series temporales macroeconómicas —específicamente los momentos superiores (asimetría, curtosis) y la correlación serial— en lugar de depender de términos de error exógenos para imitar estas regularidades.

El autor sostiene que esta evidencia desafía los supuestos fundacionales de los modelos estructurales estándar (RBC y DSGE-NK), que postulan que los residuos deberían representar perturbaciones de ruido blanco estocástico. El hallazgo de que los modelos estándar dejan estructura sistemática en los residuos sugiere que están mal especificados respecto a los verdaderos impulsores de la dinámica económica. Por el contrario, un modelo construido sobre evidencia empírica —específicamente uno que incorpora factores financieros y la suavización del consumo intertemporal como impulsores primarios— ofrece una descripción más creíble y realista de la dinámica del ciclo económico y las trayectorias de crecimiento a largo plazo. El artículo concluye que un enfoque basado en datos y fundamentado empíricamente es más propenso a generar una teoría robusta del ciclo económico que los modelos que dependen de microfundamentos restrictivos a priori que no logran capturar la naturaleza no lineal y no gaussiana de las fluctuaciones económicas del mundo real.

Más como este