Pensando em Equilíbrio

Foi publicado, em 9 de agosto de 2019, um artigo reproduzindo uma versão editada de uma entrevista conduzida pelo Professor Eric Beinhocker, diretor executivo do INET (Institut New Economic Thinking) da Oxford University, com o professor Sanjit Dhami da Universidade de Leicester, autor de Análise dos Fundamentos da Economia Comportamental. Este livro foi lançado em 9 de maio de 2019 na Universidade de Oxford.

A análise de equilíbrio é muito útil para ilustrar alguns dos principais princípios econômicos por trás das curvas de demanda e oferta. Em dadas condições, geralmente fazem previsões sensatas.

Por exemplo, um aprimoramento do gosto em relação a um bem aumenta seu preço no curto prazo, por exemplo, um aumento do preço dos abacates após sua identificação como super alimento sanitário. Ou um aumento de impostos aumenta os custos marginais dos produtores e aumenta o preço de um bem.

No entanto, em longo prazo, a oferta poderá recuperar o atraso e os preços poderão realmente cair. Tudo isso também pode ser acomodado na análise de equilíbrio. No entanto, e este é um ponto que é muitas vezes esquecido, o mesmo também pode ser previsto por modelos de não equilíbrio.

Também muitas vezes não se percebe a noção de equilíbrio ser adaptada à dinâmica de sistemas em constante estado de fluxo, o que também é uma característica de sistemas complexos. Isso, por exemplo, pode ser encontrado no trabalho de Peyton Young e colegas que pesquiso em Dhami (2016, capítulo 16, intitulado “Dinâmica social estocástica”). Dá origem a equilíbrios pontuados e outras noções de equilíbrios temporais, tais como estados estocásticos estáveis. Foram úteis no estudo de normas sociais.

Acontece existir uma conexão estreita entre os equilíbrios de Nash na teoria neoclássica dos jogos e as normas sociais previstas por esses modelos sob o pressuposto de os indivíduos se envolverem em uma racionalidade de baixo nível, ou seja, usando simples regras práticas e simples regras adaptativas de aprendizado. Para vários exemplos ver Dhami (2016, capítulo 16). Infelizmente, este trabalho quase não teve impacto em Economia Convencional.

Desvantagens da Abordagem da Complexidade em Economia

Na sua pergunta, você salienta uma compreensão realista de o comportamento humano ser fundamental para a agenda de abordagens baseadas na complexidade. Acho isso parcialmente verdadeiro, no melhor caso.

Você está certo no sentido de o comportamento humano nas ABMs ser simples, adaptável e heurístico. No entanto, os insights da Economia Comportamental, amplamente replicados nas últimas quatro décadas, pelo menos, tiveram muito pouco impacto e presença nesta literatura. Pra mim, essa literatura modela os seres humanos como tendo racionalidade de baixo nível, como no trabalho de Peyton Young, mas os seres humanos certamente não são comportamentais o suficiente nesses modelos. Vou ter mais a dizer sobre isso abaixo.

Minha avaliação crítica dos ABMs abaixo deve ser feita com espírito construtivo. Nada beneficia um campo emergente mais do que um exame sincero de alguém de fora do campo. Eu estou confiante de as críticas levantadas por mim serão tratadas oportunamente analisadas e só farão o campo mais forte.

Acho os canais de aprendizagem nos ABMs não parecem reconhecer adequadamente os comportamentos de atritos para a aprendizagem. Em Dhami (2016, Parte 5; Dhami, 2019, Vol. 6), dou exemplos:

  • os indivíduos podem sofrer de viés do excesso de otimismo e confiar demais em suas próprias habilidades na tomada de decisões econômicas, reduzindo assim as possibilidades de aprendizado;
  • podem sofrer de viés de atribuição (culpar as circunstâncias alheias a si, não suas regras de decisão);
  • podem sofrer de viés de confirmação (interpretar a evidência existente muito favorável para apoiar suas crenças / modelos iniciais); e
  • podem sofrer de viés da retrospectiva, subestimando a variação em suas próprias estimativas de volatilidade e não aprendendo suficientemente.

Uma interface mais próxima entre Economia Comportamental e Economia da Complexidade tem o potencial para enriquecer ambos.

Uma desvantagem dos ABMs é eles terem muitos graus de liberdade na escolha de parâmetros e condições iniciais para ajustar os dados. As relações comportamentais postuladas às vezes não são melhores em lugar de suposições. Dada a complexidade dos modelos, as relações causais entre variáveis ​​podem ser difíceis de estabelecer, embora efeitos estáticos comparativos possam ser facilmente simulados por longos períodos de tempo.

O problema de graus extras de liberdade, claro, não é exclusivo dos ABMs. Também surge na Teoria Econômica convencional quando pressupostos ad-hoc são usados ​​para explicar um fenômeno e testes menos rigorosos são usados ​​para avaliar a teoria relevante. Também surge em muitas outras áreas da Ciência Social, por exemplo, modelos de mudança de clima mudança. É preciso estar atento à aplicação dos testes estatísticos apropriados para se proteger contra o problema.

Os erros na especificação dos parâmetros / condições iniciais podem se propagar exponencialmente através de um modelo ABM. Existem dois canais para isso.

Primeiro, há um grande número de equações e parâmetros nos ABMs, originando a propagação de erros em complexos caminhos, como os macroeconomistas conhecem bem a partir dos modelos macroeconômicos de década de 1970 – década de 80. Isto, a incapacidade de explicar a evidência empírica (estagflação), bem como por estarem sujeitos à crítica de Lucas, acabaram levando à sua morte em relação a muito mais modelos parcimoniosos.

Segundo, devido à dinâmica não linear caótica, até mudanças mínimas nos valores dos parâmetros utilizados para a simulação pode levar a mudanças muito grandes nos caminhos dinâmicos. Pense, por exemplo, no mapa logístico. No entanto, dados os graus de liberdade ao ajustar os valores dos parâmetros e as condições iniciais nos ABMs, essa propagação de erro pode passar despercebida.

Suponha as estimativas empíricas de aversão ao risco usadas em um ABM provêm de um estudo empírico existente. As estimativas empíricas da aversão ao risco são baseadas em uma expectativa na análise da Teoria da Utilidade. Agora sabemos grande parte do observado como aversão ao risco é possivelmente aversão à perda (Novemsky e Kahneman, 2005).

No entanto, isso seria difícil descobrir a partir de um modelo ABM. Ele carece de testes de validade desses indivíduos componentes. Dado o número muito grande de variáveis ​​e canais de transmissão no trabalho, é difícil estabelecer causa e efeito em ABMs. Como tal, os resultados dos ABMs podem ser colocados em uma base mais forte, incorporando ideias da Economia Comportamental. Ela teria recomendado o uso de aversão à perda em primeiro lugar.

É problemático, no entanto, usando estimativas baseadas em modelos neoclássicos empiricamente refutados (utilidade esperada no caso de estimativas de aversão ao risco) os ABMs ainda afirmam corresponder bem aos dados do mundo real. Isso apenas levantará as suspeitas daqueles críticos dos ABMs terem muitos graus de liberdade para fazer escolhas.

Quais valores de calibração usar quando não há consenso sobre os valores subjacentes?

Suponha ser necessário usar as elasticidades da oferta de mão de obra para fins de calibração nos ABMs.

James Heckman, um dos líderes neste campo, disse uma vez: várias décadas de pesquisas mostraram ras elasticidades da oferta de mão-de-obra situarem-se entre -1 e +1. Isso diz sobre o grande número de estimativas disponíveis para um pesquisador da ABM usar? Além disso, um ótimo conjunto de dados sobre elasticidades da oferta de trabalho provêm de situações onde o indivíduo realmente não tem opção de variar as horas trabalhadas (consulte Dhami, 2019, Seção 3.8), enquanto essa escolha pode ter sido explicitamente modelada em um ABM.

Um pesquisador da ABM estaria ciente de todas as nuances sobre o grande número de valores calibrados em seu modelo, quando apenas especialistas da área podem conhecer? Isso sugere a utilidade de equipes de pesquisadores com diferentes conhecimentos trabalhando em qualquer projeto ABM.

Os valores calibrados para ABMs, como parâmetros comportamentais (aversão ao risco, margem de propensão a consumir e investir, as elasticidades da oferta de trabalho) são frequentemente retiradas de dados mundiais. No entanto, à medida que se muda as condições e políticas iniciais, esses comportamentos dos próprios parâmetros mudarão.

Por isso, a bem conhecida crítica de Lucas (mudanças inesperadas nas políticas alteram as respostas comportamentais dos agentes) atormenta muitos modelos econômicos e também se aplica aos ABMs. Logo, ABMs precisam desenvolver métodos satisfatórios de abordar esse problema.

Um fator atenuante a favor dos ABMs é existir um conjunto relativamente pequeno de pessoas trabalhando nesta área – e é relativamente jovem como campo de interesse. É bem provável, se as críticas forem levadas em consideração, oportunamente, esse campo continuará ganhando aceitação e crescer dentro da Economia Convencional. E deve.

Deixe uma Resposta

Preencha os seus detalhes abaixo ou clique num ícone para iniciar sessão:

Logótipo da WordPress.com

Está a comentar usando a sua conta WordPress.com Terminar Sessão /  Alterar )

Google photo

Está a comentar usando a sua conta Google Terminar Sessão /  Alterar )

Imagem do Twitter

Está a comentar usando a sua conta Twitter Terminar Sessão /  Alterar )

Facebook photo

Está a comentar usando a sua conta Facebook Terminar Sessão /  Alterar )

Connecting to %s