New Estudio de Modelos de Intercambios Bilaterales y Leyes de...
Transcript of New Estudio de Modelos de Intercambios Bilaterales y Leyes de...
-
Estudio de Modelos de IntercambiosBilaterales y Leyes de Distribución.
José Maŕıa Miotto
Tesis de Licenciatura en Ciencias F́ısicas
Facultad de Ciencias Exactas y Naturales
Universidad de Buenos Aires
Noviembre 2011
-
TEMA: Modelos Multiagentes en Economı́a
ALUMNO: LU N°: 865/05
LUGAR DE TRABAJO: Departamento de F́ısica
DIRECTOR DEL TRABAJO: Mart́ın G. Zimmermann
FECHA DE INICIACION: Abril 2011
FECHA DE FINALIZACION: Noviembre 2011
FECHA DE EXAMEN:
INFORME FINAL APROBADO POR::
Autor Jurado
Director Jurado
Profesor de Tesis de Licenciatura Jurado
-
Índice
Resumen 1
Abstract 2
1 Introducción 5
2 Introducción al Estudio de las Distribuciones de Ingresos y Dinero 7
2.1 Origen Histórico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 Fuentes de los datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.1 Definición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3 Caracteristicas generales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3.1 Valores T́ıpicos del ı́ndice de Pareto . . . . . . . . . . . . . . . . . . 11
2.3.2 Evolución Temporal . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4 Indicadores que miden la Desigualdad en una Distribución de Ingreso . . . . 13
2.4.1 Coeficiente de Gini y Curva de Lorenz . . . . . . . . . . . . . . . . . 15
2.4.2 Otros ı́ndices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.5 Distribuciones asociadas: Ingreso Familiar, Riqueza y Dinero . . . . . . . . 21
3 Modelos de Agentes Múltiples 25
3.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1.1 Modelos de Agentes Múltiples . . . . . . . . . . . . . . . . . . . . . . 26
3.2 Caracteŕısticas de los sistemas propuestos . . . . . . . . . . . . . . . . . . . 28
3.2.1 Evolución del Sistema . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3 Ensambles, Equilibrios y Propiedad de Markov . . . . . . . . . . . . . . . . 29
3.4 Implementación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4 Intercambios Monetarios Directos 33
4.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.2 Intercambio Simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.2.1 Descripción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.2.2 Solución Anaĺıtica para el Intercambio Aditivo . . . . . . . . . . . . 35
-
iv ÍNDICE
4.3 Simulaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.3.1 Caso Aditivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.3.2 Caso Multiplicativo . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.3.3 Intercambio Directo con Ahorro asegurado . . . . . . . . . . . . . . 41
4.3.4 Intercambio Directo con Consumo asegurado . . . . . . . . . . . . . 44
4.3.5 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5 Intercambios Monetarios en Redes Simples 47
5.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.2 Algunos Elementos de Teoŕıa de Grafos . . . . . . . . . . . . . . . . . . . . 48
5.2.1 Representación matricial de un grafo . . . . . . . . . . . . . . . . . . 48
5.3 Definiciones y Propiedades de las Redes usadas . . . . . . . . . . . . . . . . 49
5.3.1 Redes de Erdős-Rényi . . . . . . . . . . . . . . . . . . . . . . . . . . 49
5.3.2 Redes de Watts-Strogatz . . . . . . . . . . . . . . . . . . . . . . . . . 49
5.3.3 Redes de Barabási-Albert . . . . . . . . . . . . . . . . . . . . . . . . 50
5.4 Simulaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5.4.1 Redes de Erdős-Rényi . . . . . . . . . . . . . . . . . . . . . . . . . . 52
5.4.2 Redes de Watts-Strogatz . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.4.3 Redes de Barabási-Albert . . . . . . . . . . . . . . . . . . . . . . . . 54
5.5 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
6 Intercambios Monetarios en Redes Bipartitas 59
6.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
6.2 Grafos Bipartitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
6.2.1 Red bipartita ER . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
6.3 Mecanismos de Reparto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
6.4 Simulaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
6.4.1 Reparto Cooperativo . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
6.4.2 Reparto con Dueño único . . . . . . . . . . . . . . . . . . . . . . . . 63
6.5 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
7 Conclusiones 71
-
Resumen
Distintos problemas que surgen en la Economı́a pueden ser analizados usando conceptos
y métodos cuantitativos de la F́ısica. En este trabajo en particular, se exploran distintos
modelos de agentes múltiples aplicados al estudio de la distribución del ingreso y de la
riqueza.
En primer lugar se expone el objeto de estudio, la distribución del ingreso en la sociedad,
desde un punto de vista cuantitativo y detallando algunas cuestiones metodológicas; se
analiza además la relación entre la distribución de ingreso y la de riqueza y se hace una
reseña de los principales ı́ndices usados para determinar la distribución de la riqueza. Se
realiza una presentación, además, de los modelos de múltiples agentes en general.
Los modelos presentados son modelos computacionales de múltiples agentes donde se
simula un mercado de intercambios bilaterales donde la riqueza es conservativa. Se vieron
distintos tipos de sistemas según las restricciones a estos intercambios monetarios: el
primero, sin restricciones, el segundo, sobre redes simples de agentes, y el tercero, sobre
redes bipartitas, donde se introduce una segunda clase de agentes, las firmas.
Se analizaron distintas posibles variaciones de estos modelos con el objetivo de obtener una
distribución de ingresos o riqueza realistas haciendo uso de la menor cantidad de supuestos
posibles, y discutiendo la validez de estos supuestos.
-
Abstract
Several problems arising in Economics are analyzed using concepts and quantitative
methods from Physics. In this work in particular, are explored different multiple agents-
based models, applied to the study of the income and wealth distribution.
In the first place is shown the object of study, the income distribution of a society, from
a quantitative point of view and detailing some methodological issues; is also analyzed
the relation between the income and the wealth distribution and are summarized the
main indexes used to determinate the inequality of these distribucionts. Then there’s a
presentation of the multiple agents models in general.
The presented models are computational models of multiple agents where is simulated a
market of bilateral exchanges where the wealth is conserved. Different types of systems
are studied based on the restrictions imposed to these monetary exchanges: the first,
without restrictions, the second, with simple networks of agents, and the third, on bipartite
networks, where is introduced a second class of agents, the firms.
Are analyzed different possible variations of these models with the aim of obtaining
an income or wealth distribution realistic with the lesser quantity of assumptions, and
discussing the validity of these assumptions.
-
Caṕıtulo 1
Introducción
Existen diversas ramas de la Economı́a dedicadas a entender la desigualdad de ingreso
dentro de las distintas sociedades, sin embargo solo algunos economistas tratan la
desigualdad de ingreso desde un punto de vista cuantitativo, y los que aśı lo hacen, en
general se limitan a la descripción del fenómeno, recurriendo a consideraciones cualitativas
cuando se habla de la dinámica de la distribución de ingreso.
Las primeras consideraciones cuantitativas sobre el tema aparecieron solo a partir de
los inicios del siglo XX, gracias a Vilfredo Pareto [1], quien analizó registros de recaudación
impositiva para obtener las primeras descripciones de la desigualdad de ingreso. El
incremento de la intervención del estado en los páıses comunistas y capitalistas a partir
de la crisis del ’29, la Teoŕıa Estad́ıstica y, conjuntamente, la Macroeconomı́a, impulsó
a los estados más desarrollados a constituir organismos que censen la población no solo
demográficamente, sino también en sus indicadores económicos. A partir de entonces se
generó una enorme cantidad de datos al respecto (aśı como también de otros aspectos
de la realidad económica de los páıses). También se desarrollaron ı́ndices que midan la
distribución del ingreso, aśı como la desigualdad asociada mediante un único valor, lo cual
permitió comparar directamente la situación distintos páıses.
Luego de algunos trabajos aislados [2, 3], a finales de la década del ’90, un grupo
creciente de f́ısicos se empezó a dedicar al estudio de la distribución de ingresos desde
el punto de vista de la mecánica estad́ıstica. Este tipo de estudios prescinde de muchos
detalles en pos de una descripción sencilla. En particular, exploran la posible analoǵıa
entre las colisiones de un gas ideal con los intercambios monetarios que suceden en una
economı́a cerrada.
Esta tesis apunta a discutir estos modelos y extenderlos en algunas direcciones
no exploradas. Se utilizaron herramientas computacionales para resolver los modelos
propuestos y calcular las distribuciones de ingreso resultantes, dados distintos escenarios
de interaccion entre los agentes. Además, se desarrollaron otros modelos bajo los mismos
-
6 Introducción
axiomas de los modelos previamente citados, introduciendo, primero, redes simples de
intercambio entre agentes y, luego, redes bipartitas entre agentes y firmas.
Esta tesis comprende, además de este primer caṕıtulo introductorio, un segundo
caṕıtulo en el que se detallan las principales caracteŕısticas de la distribución de ingresos,
las limitaciones de su medición y se presentan los ı́ndices usuales para describirla.
El tercer caṕıtulo presenta los Modelos Agentes Múltiples en general, su aplicación a la
Economı́a (ACE ), las caracteŕısticas generales de los modelos propuestos en esta Tesis y
se mencionan algunas genralidades sobre la implementación computacional que se realizó.
En el cuarto caṕıtulo se introducen y discuten los principales modelos basados en
Agentes con Intercambio directo.
En el quinto y sexto caṕıtulo se presentan los modelos de intercambio entre Agentes
sobre redes simples y bipartitas (añadiendo las Firmas), respectivamente. También se
presentan los conceptos necesarios de Teoŕıa de Grafos.
Las conclusiones del trabajo se presentan en el caṕıtulo séptimo, aśı como las
indicaciones para futuros desarrollos en el campo.
-
Caṕıtulo 2
Introducción al Estudio de las
Distribuciones de Ingresos y
Dinero
2.1 Origen Histórico
El interés por las Distribuciones de Ingresos nace en la Segunda Revolución Industrial:
anteriormente, las principales corrientes de las Ciencias Económicas se focalizaron en el
estudio de otros problemas, tales como la determinación de los factores más importantes
en la producción y la interacción entre ellos, la determinación del precio de mercado o la
regulación del intercambio entre páıses.
Hacia finales del siglo XIX, dan a conocer sus trabajos un conjunto heterogéneo
de economistas que hacen un uso intensivo de la descripción matemática de distintos
problemas con el fin de realizar un análisis más acorde a los cánones cient́ıficos; este
cambio se manifiesta también mediante la adopción del término Economı́a en favor de
Economı́a Poĺıtica, usado para describir los estudios en el campo en el siglo XIX, a partir
de la publicación de Principles of Economics [4] de Alfred Marshall (1842-1924) en 1890.
Además de la aplicación de principios cient́ıficos más rigurosos al campo, parece relevante
en la motivación de la academia la cantidad de cambios que generó un siglo de Revolución
Industrial (en ese momento) en Europa y la generación de los partidos poĺıticos de masa,
que llevaron una enorme cantidad de personas a discutir sobre la forma de la sociedad, y
por lo tanto, sobre la producción de sus recursos y su distribución. En ese sentido, Karl
Marx (1818-1883) fue uno de los primeros economistas en detallar la creciente disparidad
entre los sectores sociales [5], si bien su estudio entra todav́ıa en el campo de la Economı́a
Poĺıtica.
Fundamentales fueron las contribuciones de Vilfredo Pareto (1848-1923) al estudio de
-
8 Introducción al Estudio de las Distribuciones de Ingresos y Dinero
las Distribuciones de Ingresos. En 1906 [1], Pareto publica su Manuale di Economia
Poĺıtica, donde, entre otras cosas, presenta sus conclusiones sobre la Distribución del
Ingreso.
2.2 Fuentes de los datos
La determinación de la Distribución de Ingresos es realizada en general por organismos
gubernamentales, de distintas maneras y en general con diversos objetivos, principalmente
en dos formas.
Una primera medición las realizan las distintas agencias nacionales de censos, a través
de campañas de encuestas, muchas veces permanentes; en la Argentina este rol lo cumple
la Encuesta Permanente de Hogares (EPH), a cargo del Instituto Nacional de Estad́ısticas
y Censos (INdEC). Los objetivos de estas encuestas son por lo general de orden sociológico
(estad́ısticas laborales sobre todo).
Una segunda medición se puede obtener a través del registro impositivo, realizado por
los organismos a cargo de la recaudación fiscal. La ventaja que tienen los registros obtenidos
de esta manera es que se trata de registros que cubren toda la población económicamente
activa, al mismo tiempo que por lo general se trata de registros relativamente precisos: a
pesar de que no cubren la población que se encuentra en una situación impositiva regular
(es decir la mayor parte de los casos de trabajo informal, las declaraciones fraudulentas de
ganancias, etc.), la información sobre el ingreso individual es registrada de manera exacta.
Al tratarse de una gran cantidad de datos, es posible obtener una distribución con detalles
mucho más finos que la obtenida usualmente a través de las encuestas generales, que poseen
solo pocas categoŕıas, con función indicativa. Otro factor a tener en cuenta es que el interés
del estado en este tema es relativamente reciente, sin embargo las declaraciones impositivas
pueden ser muy antiguas (existen algunos registros que datan inclusive de la época feudal
[6]).
Por lo general no es común tener acceso al registro detallado de los datos que realizan
las distintas agencias (lo que es conocido como Microdata), teniendo en cuenta además que
se trata de una cantidad inmensa de información (122 millones de contribuyentes en el caso
de EE.UU. [7], 27 millones en Alemania [8], 51 millones en Japón [9] por ejemplo), por lo
general no ordenada: en el caso de los registros impositivos, por ejemplo, al haber distintos
tipos de impuestos no es trivial amalgamar los datos. Existe una bibliograf́ıa especifica
sobre la compilación de estos datos y su posterior analisis descriptivo, que sera detallada
mas adelante y que por lo general es realizada con participación de especialistas del rubro.
-
2.3 Caracteristicas generales 9
2.2.1 Definición
En un sentido amplio, el ingreso por habitante es en śı el equivalente monetario (comercial)
de todo lo que éste produce. Es decir, cada persona produce una determinada cantidad
de bienes y/o servicios adquisibles en el mercado, a un determinado precio; el valor de
mercado de todo lo que esta persona produce es el ingreso de la misma. Esta definición
tiene en cuenta los ámbitos de producción informales, como puede ser el trabajo que se
realiza dentro de la casa, como tareas hogareñas o cultivar una huerta propia.
Es claro que una medición del ingreso según la previa definición resultaŕıa muy compleja
y extensa. Los distintos páıses en general miden lo que es el ingreso de una persona generado
por un intercambio comercial: de todo lo que esta persona produce, se considerará ingreso
solamente aquello que efectivamente se vende en el mercado. Estas ventas (que puede ser
la venta de un bien o servicio realizado por esta persona o simplemente tener un contrato
en relación de dependencia), en general están registradas por el estado (en general con
fines impositivos), lo que hace posible su medición.
2.3 Caracteristicas generales
Las caracteristicas generales de las distribuciones de ingresos parecen ser comunes a
distintos paises y epocas, con muy pocas excepciones sobre el total de los casos.
En las Fig. 2.1, 2.2, 2.3, 2.4, 2.5, 2.6 se pueden ver las distribuciones de ingresos
de EE.UU. [7], el Reino Unido [7], Japon [9], Australia [10], Italia [11] y Argentina [12]
respectivamente. Se trata en todos los casos de histogramas realizados a partir de registros
impositivos de los respectivos páıses.
Vilfredo Pareto es el primero en sugerir [1] que la distribución de ingresos se comporta
como una ley de potencias; esta afirmación no ha sido falseada por ningun estudio, y
parece valer en una gran variedad de casos, no solo geograficamente [7], sino también
temporalmente [13, 7, 14] y vale también si se consideran distintos sectores sociales o
rubros [15], [16]. Por más asombrosa que parezca la presunta universalidad de estos
resultados, hace falta decir que solamente valen para un pequeño porcentaje de la población
(t́ıpicamente el 1-3%), y esa fracción se encuentra siempre al tope de la distribución, es
decir que se trata de los más ricos. La distribución de Pareto es entonces
P (r) ∼ r−α (2.1)
donde α es el ı́ndice de Pareto.
El grueso de la población (el 97-99% más pobre) se encuentra distribuido en cambio en
alguna distribución con un decaimiento significativamente más rápido. Existen diferencias
a la hora de dar una descripción exacta, vista la similaridad entre las diversas distribuciones
-
10 Introducción al Estudio de las Distribuciones de Ingresos y Dinero
Figura 2.1: Distribución Acumulada delIngreso (en k$ de EE.UU.) en los EE.UU.,año 1997 [7], con escala logaŕıtmica en ambosejes, donde la parte de mayores ingresos dela distribución muestra una clara tendenciapotencial (distribución de Pareto); en elrecuadro, con escala log-linear, se muestra laparte inferior de la distribución, que muestrauna clara tendencia exponencial.
Figura 2.2: Distribución Acumulada delIngreso (en k£) en el Reino Unido, año1994-99 [7], con escala logaŕıtmica en am-bos ejes, donde la parte superior de ladistribución muestra una clara tendenciapotencial (Distribución de Pareto); en elrecuadro inferior, con escala log-linear, semuestra la parte inferior de la distribución,que muestra una clara tendencia exponencial.Los distintos colores de los puntos indican losaños correspondientes a los datos; los ingresosde las distribuciones fueron normalizadospreviamente por un factor Ri/R0 igual alcociente entre el PBI per cápita del año i-ésimo y el del año 1994.
Figura 2.3: Distribución Acumulada delIngreso en Japón, año 1998 [9], con escalalogaŕıtmica en ambos ejes.
Figura 2.4: Distribución Acumulada delIngreso en Australia, años 1989-2000 [10],con escala logaŕıtmica en ambos ejes. Losdistintos colores de los puntos indican losaños correspondientes a los datos; los ingresosde las distribuciones fueron normalizadospreviamente por un factor R igual al PBI percápita del año respectivo.
-
2.3 Caracteristicas generales 11
Figura 2.5: Distribución Acumulada delIngreso (en k£ italianas) en Italia, año 1998[11], con escala logaŕıtmica en ambos ejes (sibien los ejes son lineales, están graficados loslogaritmos de los datos originales).
Figura 2.6: Distribución Acumulada delIngreso (en $ argentinos) en Argentina, años2000-09 [12], con escala logaŕıtmica en ambosejes; las distintas formas de los puntoscorresponden a distintos años. Notar queestas distribuciones no fueron normalizadaspor ningún factor.
propuestas: exponencial [7], log-normal [11],[9], Weibull [17], Gompertz [14], k-generalizada
[18], etc. También hay que decir que no todas las distribuciones en la parte de bajos
ingresos son similares (cfr. la situación de Brazil [14]: posee una distribución simil a
la exponencial solo desde el año 1985), por lo cual no habŕıa que por que esperar que
un mismo modelo ajuste en todas. Sin embargo, muchas de las economı́as más grandes
comparten distribuciones muy similares, lo que hace suponer que si bien no se trata
de un rasgo universal, es común a las economı́as que comparten modelos con premisas
económicas similares; probablemente estas sean las poĺıticas económicas neoliberales. En
el citado trabajo sobre la situación de Brazil se puede ver la evolución de la forma de
las distribuciones de ingresos desde 1978, en pleno peŕıodo del gobierno de la dictadura,
que finalizó solo en 1985; la distribución cambia en ese peŕıodo, después de lo cual parece
haberse estabilizado en la forma descripta para los demás páıses mencionados.
La existencia de dos distribuciones distintas para los rangos descriptos sugiere la
distinción entre dos clases sociales, los paretianos, que siguen la distribución de Pareto,
y los no-paretianos, que siguen otra distribución. Está claro de todas maneras que estas
dos clases se solapan, con lo cual el valor del ingreso que distingue las dos clases, lo
llamaremos r0, en la distribución de ingresos es algo inexacto, ya que se determina por
inspección ocular en la distribución de ingresos.
2.3.1 Valores T́ıpicos del ı́ndice de Pareto
Se presentan a modo indicativo algunos valores t́ıpicos para el ı́ndice de Pareto en la
Tabla 2.1.
-
12 Introducción al Estudio de las Distribuciones de Ingresos y Dinero
Páıs o conjunto Año Índice de Pareto
EE.UU 1997 1.7 [7]
EE.UU 1935 1.63 [19]
Reino Unido 1997 2.1 [7]
Reino Unido 1893 1.50 [9]
Reino Unido 1879 1.35 [9]
Reino Unido 1843 1.50 [9]
Sajonia 1880 1.58 [9]
Prusia 1881 1.73 [9]
Japón 1998 2.05 [9]
Japón 1944-98 1.35-2.6 [9]
Forbes 400 1999 1.36 [20]
Tabla 2.1: Valores de los ı́ndices de Pareto para distintos páıses y años (provenientes de distintasfuentes). Se incluyen algunos valores correspondientes a otros peŕıodos históricos y el ı́ndicecorrespondiente a los 400 hombres más ricos del mundo según la revista Forbes; lo llamativo deeste último caso es que se trata de un ı́ndice global, no designado a un territorio fijo; a la vez es laprueba definitiva de que la cola de la distribución es Pareto.
2.3.2 Evolución Temporal
La Fig. 2.7 es particularmente interesante: muestra la evolución temporal de la distribución
de ingresos para EE.UU., compilada por Yakovenko [13]: el autor describe la zona no-
paretiana de la distribución como una exponencial con un coeficiente R (ver Caṕıtulo
4), con lo cual la distribución de ingresos para él se puede describir enteramente por
tres parámetros: el coeficiente R recién mencionado, el ı́ndice de Pareto α y el valor de
solapamiento r0. En la Fig. mencionada, la distribución de ingresos en los distintos años se
encuentra normalizada, usando como valor de la abscisa r/Ri, donde Ri es el ingreso medio
en ese año (PBI per cápita). Los datos de la distribución exponencial colapsan, lo que indica
que esta fase de la sociedad evoluciona de manera compacta; no lo hacen aśı los datos de
las distribuciones de Pareto, lo que indica que vaŕıan en el tiempo independientemente del
resto de la sociedad.
Existen distintas propuestas para explicar este hecho en la literatura econof́ısica [21, 16],
pero pareciera la más coherente la que supone que los mecanismos por los cuales percibe
ingresos las dos partes de la sociedad son fundamentalmente distintos [7, 13]: mientras la
gran mayor parte de la población económicamente activa es asalariada, existe una pequeña
porción que en cambio recibe ganancias de manera variable, ya sea por ser independiente
o ser el dueño de algún negocio, emprendimiento, inversión financiera, etc. Este supuesto
implica que la primera parte de la población acumula dinero de manera aditiva, mientras la
segunda parte no; en particular, es probable que lo haga de manera multiplicativa, ya que
-
2.4 Indicadores que miden la Desigualdad en una Distribución de Ingreso 13
Figura 2.7: Distribución de Ingresos de los EE.UU., con ingresos normalizados por Ri, el PBI percápita del i-ésimo año, 1983-2001 [13]. Notar que si bien los datos colapsan en la zona que el autorsostiene que cumple una distribución exponencial, no lo hacen en la zona de Pareto.
aśı es como crece el capital: basta pensar que la base del sistema capitalista, el préstamo,
requiere un pago que aumenta exponencialmente con el tiempo. Si la empresa que contrae
el préstamo está aumentando su ganancia es esperable que trate de hacerlo, al menos, con
la misma tasa a la que pidió el prestamo.
En la Fig. 2.8 se muestran los valores del Índice de Pareto de EE.UU. a lo largo de los
años en comparación al ı́ndice Standard & Poors 500, uno de los ı́ndices de capitalización
más conocidos de EE.UU., y otros indicadores. Es visible una relación entre el ingreso
acumulado en la zona de Pareto y el S&P500 (aunque no exacta), lo que refuerza la idea
que relaciona la fase paretiana de la sociedad con la especulación (en el sentido amplio de
la palabra) financiera [22].
2.4 Indicadores que miden la Desigualdad en una Dis-
tribución de Ingreso
Los economistas suelen usar indicadores que miden la desigualdad en una distribución
de ingresos, de manera tal que un solo número resume la información que contiene
toda la distribución. Estos indicadores tienen que cumplir algunos requisitos básicos,
fundamentalmente que sean independientes del tamaño de la población, de la riqueza
absoluta de esta población (es decir, si todos los habitantes aumentan su ingreso en un
mismo factor, la métrica se verá invariada) y además deben ser formulaciones que muestren
una variación monótona de sus valores si alguien que tiene mayor ingreso lo pierde en
-
14 Introducción al Estudio de las Distribuciones de Ingresos y Dinero
Figura 2.8: (a) Índice de Pareto, (c) fracción del ingreso total recibida por la población en la zonade Pareto, (d) fracción de la población total en la zona de Pareto y (e) ı́ndice S&P500, años 19-2000[22].
-
2.4 Indicadores que miden la Desigualdad en una Distribución de Ingreso 15
función de que alguien que tiene menor ingreso lo gane. Esta última condición es lo que
hace que la métrica propuesta para la medir la desigualdad de una distribución de ingresos
sea efectivamente una medida de la desigualdad.
2.4.1 Coeficiente de Gini y Curva de Lorenz
El ı́ndice más usado por los economistas a la hora de medir la desigualdad en una
distribución de ingresos es el Coeficiente de Gini, definido por el sociologo y demógrafo
Corrado Gini en 1912.
Definición
El Coeficiente de Gini suele definirse tomando como base lo que se conoce como Curva de
Lorenz, construida por Max Lorenz en 1905, la cual se aplica en una variedad de sistemas
distintos. Se trata de una curva que se construye usando como valor en las abscisas el
valor acumulado de la población de un sistema y en las ordenadas el correspondiente valor
acumulado de la variable cuya desigualdad se desee medir. En la Fig. 2.9 se puede ver un
ejemplo concreto, correspondiente a la distribución de ingresos en los EE.UU. Es notable
que esta curva no depende de los valores absolutos que va tomando la distribución, ni del
tamaño del sistema, visto que se usan variables acumuladas en los dos ejes. Este hecho hará
que cualquier medida tomada sobre esta curva sea a su vez independiente de estos factores,
lo que permite comparaciones entre distintos sistemas eventualmente muy diversos.
Se suele graficar junto a la Curva de Lorenz la recta identidad, que representa la
igualdad total entre los componentes del sistema y se denomina Ĺınea de Perfecta Igualdad :
nunca la Curva podrá encontrarse por encima de esta ĺınea; además, hay que notar que
por definición esta curva es siempre convexa. Si se desea construir la curva a partir de
la distribución de ingresos, se lo puede hacer fácilmente de manera paramétrica. Si la
distribución de ingresos es P (r) y se denomina la Curva de Lorenz como el conjunto de
pares de coordenadas F,L(r), se tendrá que
{F,L}(r) ={∫ t
0P (r′) · dr′,
∫ t0 r′ · P (r′) · dr′∫∞
0 r′ · P (r′) · dr′
}(2.2)
siendo r el valor del ingreso hasta el que se integra, r ∈ [0,∞), y a su vez el parámetro deesta función.
El Coeficiente de Gini se define como el área que se encuentra encerrada entre la Curva
de Lorenz y la Ĺınea de Perfecta Igualdad. Es visible que el Coeficiente de Gini es muy
simple desde el punto de vista del cálculo, a la vez que recurre a la idea de distancia entre
-
16 Introducción al Estudio de las Distribuciones de Ingresos y Dinero
Figura 2.9: Curva de Lorenz para la Distribución de Ingresos individual, EE.UU., años 1979-1996[7].
-
2.4 Indicadores que miden la Desigualdad en una Distribución de Ingreso 17
funciones conocida en el cálculo tradicional. Formalmente,
G = 2
∫ 10F − L(F )dF (2.3)
con L(F ) la segunda coordenada de la Curva de Lorentz en función de la primera. El
coeficiente además se normaliza por su máximo valor posible (si se calcula toda el área por
debajo de la Ĺınea de Perfecta Igualdad, resulta 1/2), de manera que su valor se encuentra
siempre entre 0 y 1 (mı́nima y máxima desigualdad respectivamente.
Cálculo para la Distribución de Boltzmann-Gibbs
Se puede calcular el Coeficiente de Gini para distribuciones particulares, como por ejemplo
la distribución exponencial, o de Boltzmann-Gibbs, que ajusta considerablemente bien para
distintas distribuciones de ingresos casos [7], sin tener en cuenta sus colas. Si la distribución
de ingresos fR(r) se escribe como
fR(r) = e−r/R/R (2.4)
la Curva de Lorenz será
{F,L}(r) ={
1− exp(−r/R), F (r)− rRexp(−r/R)
}(2.5)
Para calcular el Coeficiente de Gini despejamos L en función de F :
L(F ) = F + (1− F ) ln(1− F ) (2.6)
Esta Curva de Lorenz, no depende del parámetro T . Esto indica que, si se acepta que la
distribución de ingresos está bien representada por la distribución exponencial, las posibles
variaciones en el valor del Coeficiente de Gini no se deben a movimientos o cambios del
conjunto general de la población, sino que solamente representa cambios en la influencia
de la cola paretiana con respecto al total del sistema. El valor del Coeficiente de Gini para
la distribución de Boltzmann-Gibbs, resultado de la integración es 1/2.
Valores T́ıpicos
Se presentan algunos valores t́ıpicos para el Coeficiente de Gini en la Tabla 2.2. Notar que
en esta tabla se reportan los valores correspondientes a las distribuciones de ingreso por
familia, que son en general el interés real de las estad́ısticas gubernamentales. Como se
indica más adelante, se puede aproximar esta distribución a partir de la distribución de
ingresos individual.
-
18 Introducción al Estudio de las Distribuciones de Ingresos y Dinero
ı́ndices de Gini Ratios 90/10
Páıs 1973/74 1980/81 1900/91 2000 1973/74 1980/81 1900/91 2000
Canadá 0.289 0.284 0.281 0.305 4.27 4.05 3.78 4.13
Finlandia 0.210 0.247 2.63 2.90
Alemania 0.271 0.244 0.247 0.252 3.22 2.89 2.94 3.18
Italia 0.306 0.290 0.333 4.05 3.76 4.48
Holanda 0.260 0.266 0.248 2.94 3.02 2.98
Noruega 0.223 0.231 0.251 2.79 2.80
Polonia 0.274 0.293 3.42 3.59
Rusia 0.393 0.434 6.66 8.37
Suecia 0.215 0.194 0.229 0.252 2.73 2.43 2.78 2.96
Reino Unido 0.268 0.270 0.336 0.345 3.41 3.53 4.67 4.58
EE.UU. 0.318 0.301 0.336 0.368 4.92 4.67 5.55 5.45
España 0.340 0.333 0.320 0.325 4.74 4.58 4.24 4.07
Boltzmann-Gibbs 0.378
Tabla 2.2: Valores de los ı́ndices de Gini y Ratio 90/10 de las distribuciones de ingreso familiarespara distintos páıses y años [23].
2.4.2 Otros ı́ndices
Coeficiente de Asimetŕıa de Lorenz
A pesar de ser un ı́ndice simple de calcular, el Coeficiente de Gini no es considerado como
un indicador de lo más confiable. Uno de los motivos es que a que distintas Curvas de
Lorentz dan lugar al mismo Coeficiente de Gini (una situación análoga a la correlación y
el cuarteto de Anscombe [24]); se puede ver esto pensando en Curvas de Lorenz que sean
asimétricas con respecto a la recta 1− F .Como complemento, y para subsanar esta deficiencia, a veces se indica también el
Coeficiente de Asimetŕıa de Lorenz [25], definido como
S = F (r̄) + L(r̄) (2.7)
donde F y L son las componentes de la Curva de Lorenz y r̄ es el ingreso promedio.
-
2.4 Indicadores que miden la Desigualdad en una Distribución de Ingreso 19
Índice de Hoover
El Índice de Hoover [26] viene a ser un ı́ndice muy relacionado con el de Gini, siendo la
mayor distancia entre la Curva de Lorenz y la Ĺınea de Máxima Igualdad,
H = maxF − L(F ) (2.8)
A partir de bases completamente distintas se pueden definir otros ı́ndices que indican
la desigualdad en la distribución del ingreso. Los más usados en el campo, además de Gini,
son los que se relacionan con la noción de Entroṕıa.
Índices de Entroṕıa Generalizada
Sobre una base teórica distinta al Coeficiente de Gini se definieron otros indicadores que
toman como fundamento la entroṕıa de la distribución de ingresos.
Henri Theil [27] enfoca la desigualdad en una distribución como un subproducto del
contenido de información presente en la estructura de la Distribución de Ingresos. Para
llevar adelante su idea, habiendo definido previamente un espacio de probabilidades, Theil
recurre a la función de Información de Kullback,
I(X) = −log(p(x)) (2.9)
y a la Entroṕıa de Shannon [28],
H(X) = E(I(X)) (2.10)
es decir la esperanza de la función de información de X, I(X), donde X es la variable
aleatoria cuya distribución se quiere analizar. La idea de Theil no es analizar simplemente
la entroṕıa del ingreso que recibe una persona, sino la entroṕıa de la proporción del ingreso
total que recibe una persona. Esto hace que su ı́ndice sea independiente de la escala general
de los ingresos del sistema. Theil define dos medidas:
T (X) =∑i
xix̄
log(xix̄
)p(xi) (2.11)
y
MLD(X) = −∑i
log(xix̄
)p(xi) (2.12)
donde
x̄ =∑i
p(xi)xi (2.13)
Al primer ı́ndice se lo llama ı́ndice de Theil o Primer ı́ndice de Theil y al segundo Desv́ıo
-
20 Introducción al Estudio de las Distribuciones de Ingresos y Dinero
Logaŕıtmico Medio, o Segundo ı́ndice de Theil.
Se ha vuelto una práctica común [29] ver estos dos indicadores como casos particulares
de una clase más general de medidas, a partir de lo que se conoce como Entroṕıa
Generalizada.
El ı́ndice de Entroṕıa Generalizada [30, 31] se define como
GEα(X) =1
α(α− 1)∑i
[(xix̄
)α− 1]p(xi) (2.14)
donde α es un parámetro que hace el indicador sensible a distintas zonas de la distribución
según su valor. Si α toma valores 1 o 0, se recuperan los dos ı́ndices de Theil
respectivamente. En el contexto de la Teoŕıa de la Información, se la puede entender
como una medida de la redundancia de información en un mensaje. Esta comparación no
es ociosa, de hecho, Theil mismo define desde un principio su ı́ndice como la esperanza
del contenido de información del mensaje indirecto que transforma fracciones (shares)
de población como probabilidades a priori a fracciones de ingresos como probabilidades a
posteriori [27].
Desde otra base teórica, en cambio, Atkinson [32] define su ndice como
Aε(y1, . . . , yN ) =
1− 1x̄(∑
i p(xi)x1−εi
)1/(1−ε)para ε ∈ [0, 1) ∪ (1,+∞)
1− 1x̄ (∏i xi)
p(xi) para ε = 1,(2.15)
Se puede probar que para ε = 0, A(X; 0) = 1− e−T (X; 1). La variación del parámetro ε esinversa a la del parámetro α, de manera que si ε es cercano a 1, tendrá más peso la parte
de la distribución más pobre, mientras que cerca de 0 se da más peso a la parte más rica.
Ratio 90/10
Otra clase de indicadores que suelen usar los economistas son los Ratios, razones entre lo
que ganan dos sectores de la población. Lo que se conoce como Ratio 90/10 es la razón
entre el porcentaje del ingreso que tiene el 90% de la población más pobre con respecto al
10% más pobre:
Ratio 90/10 =L(0.9)
L(0.1)(2.16)
En la Tabla 2.2 se muestran algunos valores para este indicador.
-
2.5 Distribuciones asociadas: Ingreso Familiar, Riqueza y Dinero 21
2.5 Distribuciones asociadas: Ingreso Familiar, Riqueza y
Dinero
De manera conjunta a la determinación de la distribución del ingreso aparecen dos
elementos asociados.
El primero es la distribución del Ingreso Familiar. Si uno posee una descripción
relativamente buena de la distribución de ingresos de un sistema, para calcular esta
distribución es necesario solamente conocer la cantidad de familias con distinto número
de trabajadores (en general se trata de uno o dos adultos). Si la distribución de ingresos
para un adulto es P1(r) (igual a la previamente definida P (r), la distribución para dos
adultos iguales será
P2(r) =
∫ r0P1(r)P1(r − r′)dr′ (2.17)
Se ha visto [7] que una combinación lineal de P1(r) y P2(r), en las proporciones de la
cantidad de familias con uno o dos adultos puede proveer una descripción adecuada de
la distribución de ingresos familiar, como se puede ver en la Fig. 2.10. El Coeficiente de
Gini correspondiente a este modelo, teniendo como distribución de ingresos individual la
de Boltzmann-Gibbs, resulta 3/8.
Figura 2.10: Distribución del ingreso familiar, EE.UU., 1996 [7].
En segundo lugar, se tiene la distribución de Riqueza, cuya compilación puede requerir
un esfuerzo impensable. Esto es por que haŕıa falta conocer todos los bienes poseidos
por el individuo con la tasación correcta, además de los posibles capitales y dinero en
efectivo. Sin embargo existen en algunos páıses los impuestos de tipo patrimonial, es decir,
los que gravan sobre la riqueza, no sobre el ingreso ni sobre la ganancia. En la Fig. ?? se
muestran datos compilados por la agencia impositiva del Reino Unido, que reconstruyó la
distribución de la riqueza a partir del impuesto a la herencia, impuesto que se considera
-
22 Introducción al Estudio de las Distribuciones de Ingresos y Dinero
muy respetado, visto que la evasión perjudica directamente al interesado.
Figura 2.11: Distribución acumulada de la riqueza en el Reino Unido, 1996 (según la IR, InlandRevenue [7]).
Se puede ver que la distribución de riqueza respeta la misma forma funcional que
la distribución de ingresos (ver Fig. 2.2), aunque con distintos parámetros. Este hecho
indica una relación intŕınseca entre las dos distribuciones, que muchos autores consideran
equivalentes (como se verá en el Caṕıtulo 4), aunque no lo sean, y en ningún momento
se plantean esta equivalencia, dada por sentada. Desde un punto de vista económico
se suele decir que “el rico se vuelve más rico” (rich gets richer), dando la idea de una
proporcionalidad entre el ingreso y la riqueza.
Existe muy poca bibliograf́ıa que trate de manera exacta la relación entre la distribución
de ingresos y la de la riqueza. El factor que tal vez más dificulta la tarea es que la riqueza
no es solamente el dinero, que es lo relativamente más fácil de registrar, aunque se entiende
que las dos cosas están relacionadas. Uno de estos trabajos es el de Ishikawa [15], donde se
explora el capital de las empresas de Japón por rubro en función de sus ganancias; llega a
la conclusión de que el ı́ndice de Pareto de cada sector industrial es una función del capital
promedio de las empresas de ese mismo sector,
α ' −0.31 log(K̄) + 2.7 (2.18)
donde K̄ es el capital promedio del rubro. Además, también se logra una expresión de lo
que Ishikawa llama escala t́ıpica de la distribución, que es una escala que regula la extensión
de la zona no-paretiana, en función del valor mı́nimo del capital del conjunto de empresas
que se considera,
W ' 4.1K0.91min (2.19)
No está determinado si estas relaciones son comunes a todos los sistemas, pero indican que
-
2.5 Distribuciones asociadas: Ingreso Familiar, Riqueza y Dinero 23
no es incorrecto a priori asumir la forma de una distribución de ingresos a partir de una
de riquezas o viceversa. Esta hipótesis es muy fuerte y merece una discusión mucho más
profunda de la que se presenta aqúı, además de un extenso estudio emṕırico; a lo largo de
este trabajo se considerará una hipótesis válida.
-
Caṕıtulo 3
Modelos de Agentes Múltiples
En la primera parte de este caṕıtulo se discute brevemente el origen de los modelos de
agentes múltiples como una alternativa a los modelos tradicionales en la economı́a, basados
en el principio de maximización del beneficio. Luego se introducen las caracteŕısticas
generales de los modelos que se discutirán en los caṕıtulos subsiguientes. Se finaliza con
un breve comentario sobre la implementación computacional de estos modelos.
3.1 Introducción
Un Sistema Económico, se puede pensar como un conjunto de agentes, un conjunto de
recursos que estos agentes poseen y un conjunto de reglas mediante las cuales estos recursos
pueden circular entre esos agentes. Uno de los problemas centrales de la Economı́a es el de la
optimización: cada agente de este sistema tratará de maximizar su beneficio, pero a su vez
cabe preguntarse si el sistema optimiza globalmente el beneficio o no lo hace. Para resolver
esta cuestión, los economistas han recurrido a distintos enfoques, con máyor o menor éxito,
pero siempre bajo la hipótesis de que cada agente resuelve en la práctica un problema de
optimización. Esta hipótesis limita notablemente la generalidad de los resultados, visto que
restringe los escenarios posibles a los que poseen formulaciones de optimización resolubles
por el analista [33], es decir preestablecidas. Además, se dejan afuera del análisis procesos
t́ıpicos de los sistemas sociales, por ejemplo todos los que derivan de suponer un posible
aprendizaje por parte de los agentes, lo que incluye posiblidades de adaptación. De la
misma manera se exluyen las preguntas acerca de la pertinencia de las condiciones de
equilibrio [34, 35], o la consistencia de planes, expectativas o una posible coordinación
entre las acciones de los agentes del sistema [36, 34].
Para abordar estas cuestiones anaĺıticas y el rango de fenómenos representables, los
economistas recurrieron a enfoques y procedimientos alternativos.
Una de las ĺıneas de investigación al respecto es la denominada Economı́a del
-
26 Modelos de Agentes Múltiples
Comportamiento (Behavioural Economics), la cual trata de entender la naturaleza de
las decisiones económicas de los individuos (y los conjuntos de ellos, aglomerados en
instituciones o empresas) usando factores sociales, cognitivos, emocionales, muchas veces
considerando el posible sustrato neurológico de las conductas. Esta ĺınea tiene que ver más
que nada con el estudio del ĺımite de la racionalidad de los agentes involucrados en un
sistema.
Esta ĺınea está en el extremo opuesto a los modelos con Agentes Representativos,
modelos donde todos los agentes de un mismo tipo son idénticos, o la suma de sus
comportamientos es equivalente al comportamiento de un solo agente equivalente, o
justamente, representativo. Desde hace mucho tiempo que esta idea ha sido utilizada,
por ejemplo, en el marco de la Teoŕıa del Equilibrio General, por Marshall [4] y Edgeworth
[37], entre otros. La Cŕıtica de Lucas [38], cambió el panorama del estudio macroeconómico
en parte: Lucas sostuvo que los modelos macroeconómicos (de su época) diseñados
para realizar predicciones en realidad no pueden proveer ninguna información útil en la
evaluación de las consecuencias de eventuales poĺıticas económicas alternativas. El núcleo
de su tesis reside en la siguiente idea. Supongamos una economı́a caracterizada por una
función de evolución
yt+1 = F (yt,xt, θ, �t) (3.1)
donde y es el conjunto de las variables de estado que definen esta economı́a, x es el
conjunto de las fuerzas económicas exógenas al sistema, θ es un conjunto de parámetros
que tiene el sistema y � son posibles externalidades azarosas. Encontrar esta función F y
sus parámetros θ puede ser muy complicado, sin embargo, subyace la hipótesis de que estos
elementos van a quedar invariados ante cualquier cambio de x. Si se obtienen {F, θ}, nonecesariamente este modelo va a reflejar consistentemente las consecuencias de una poĺıtica
económica arbitraria, definida por externalidades x.
A partir de esta cŕıtica, se vio la necesidad de desarrollar microfundaciones, es decir, un
modelo de las interacciones de los agentes individuales, en vistas de analizar el sistema desde
un punto de vista macroscópico. Realizar estos modelos permite definir el sistema a través
de parámetros profundos [38], que regulan las interacciones reales entre los agentes del
sistema. La teoŕıa más importante que se ha generado a partir de estas consideraciones es
la del Equilibrio General Dinámico Estocástico (DSGE, su sigla en inglés), una metodoloǵıa
de agregación de comportamientos individuales con microfundaciones aplicada a la Teoŕıa
del Equilibrio General.
3.1.1 Modelos de Agentes Múltiples
Los métodos tradicionales descriptos en la sección anterior se focalizan sobre las car-
acteŕısticas del individuo, más que en sus interacciones con los demás agentes. Una
alternativa, no muy explorada por la economı́a tradicional, es invertir esto y focalizarse
-
3.1 Introducción 27
sobre las interacción más que sobre el individuo. A este tipo de modelos se los conoce como
Modelos de Agentes Múltiples. No cabe duda que los comportamientos individuales pueden
ser importantes, pero dependiendo del foco que se quiera hacer, para describir efectos
agregados (como la distribución de ingresos), pueden ser más importantes las interacciones
entre individuos, mientras que los comportamientos individuales contribuyen en un efecto
estocástico, o baño térmico.
Para estos modelos, estas reglas están bien definidas y a su vez definen la representación
del sistema estudiado y su evolución, más que las estrategias y/o elecciones que tomará un
agente determinado (dentro de las posibilidades definidas por estas reglas). Para los mod-
elos de agentes múltiples, los agentes pueden hasta comportarse de manera completamente
aleatoria, es decir con inteligencia cero [39]; en general, los comportamientos individuales
suelen modelarse en base a procedimientos simples, ya que el énfasis del modelo está puesto
en la especificación de los mecanismos y procesos de interacción.
Los Modelos de Agentes Múltiples permiten la descripción de fenómenos caracteŕısticos
de los sistemas complejos, que se resumen bajo el lema “Más es Diferente”. Esta frase hace
referencia a que este tipo de modelos no cuenta con un sistema que se comporta al igual que
un individuo (a menos de un factor de proporcionalidad), sino que son modelos dirigidos
a presentar propiedades emergentes, es decir rasgos de funcionamiento, que derivan de
procesos de organización, resultado de acciones e interacciones (heterogéneas en general)
de los distintos agentes. Muchas veces son estos hechos estilizados, el carácter cualitativo
del sistema, más que el ajuste cuantitativo, el resultado importante que puede proporcionar
uno de estos modelos, y lo que los diferencia fenomenológicamente.
Desde el punto de vista de la Economı́a, los Modelos de Agente Múltiples permiten
analizar el rol de situaciones complejas que de otra manera no se podŕıan analizar, en
particular, situaciones donde los componentes del sistema evolucionan, se adaptan, se
coordinan, o se reparten tareas, carácteristicas comunes a todo sistema económico realista.
Por lo general este tipo de sistemas no presenta soluciones anaĺıticas: se trata de
sistemas dinámicos, por lo general no lineales, donde la acción de los agentes está definidia
fundamentalmente por algoritmos (es decir el conjunto de reglas del sistema), los cuales
pueden tener componentes estocásticas. Al no poder acceder a herramientas anaĺıticas
para estudiar estos sistemas, se recurre por lo general a simulaciones computacionales.
El origen de estos sistemas se remonta a la década del ’70 con el modelo de segregación
de Schelling [40], [41], o el de contagios sociales de Granovetter [42], y la economı́a se
hizo eco bastante tiempo después [43] formando lo que hoy en d́ıa es conocido como ACE
(Economı́a Computacional basada en Agentes, Agent-based Computational Economics).
-
28 Modelos de Agentes Múltiples
3.2 Caracteŕısticas de los sistemas propuestos
Este trabajo presenta una serie de modelos de múltiples agentes con el fin de cuantificar la
robustez o estabilidad de las distribuciones de ingreso resultantes, dados distintos escenarios
de interacción. Los modelos están compuestos porN agentes y reglas que quedan invariadas
a medida que evoluciona el sistema. En estos mercados los distintos agentes “ganan” y
“pierden” dinero; el dinero poseido por el agente es su propiedad más importante.
Un elemento importante de estos modelos es que son estocásticos. La componente
aleatoria que se introduce, reemplaza algun tipo de comportamiento complejo de modelar
y que, en muchos casos, parece razonable suponer que dicho elemento es no-determinista.
Teniendo en cuenta que se trata de modelar una economı́a como un mercado de agentes
interactuantes, se enumerarán las caracteŕısticas salientes de los modelos propuestos, que
serán descriptas más abajo, definidas fundamentalmente para aportar simplicidad:
El sistema está definido solamente por las interacciones posibles entre los agentes; esto
quiere decir que no se contemplarán las posibles estrategias que puedan desarrollar:
contemplar estas estrategias requeriŕıa un modelo de las mismas (que probablemente
involucre Teoŕıa de Juegos, o Teoŕıa de las Decisiones) cuya complejidad dirigiŕıa el
objeto de las conclusiones hacia ellas. En esta situación, se ha preferido introducir un
factor estocástico independiente de los demás, que representa la posibilidad que tiene
un agente de elegir cualquier estrategia en cualquier momento, independientemente
del estado del sistema.
No hay bienes y servicios, solo dinero; estos bienes y servicios se consideran impĺıcitos
en las interacciones propuestas. El criterio usado es el mismo que anteriormente:
existe en la realidad una infinidad de productos, con distintos precios que evolucionan
en el tiempo, aśı como existe una infinidad de maneras en las cuales se puede gastar
el dinero. Esos complejos mecanismos se reemplazan con un proceso aleatorio que
determina que cantidad de dinero se intercambiará. De esta manera también se
excluye del problema la determinación del precio de compra-venta de un producto y
su cantidad.
Las interacciones son bilaterales; es decir que el intercambio de dinero involucra solo
dos agentes por intercambio.
Las interacciones son conservativas; esto es que la cantidad total de dinero que poseen
los agentes antes y después del intercambio es la misma. Esta consideración puede
parecer obvia, visto que el dinero en una compra-venta solo cambia de manos (no se
crea ni se destruye), pero apunta a la distinción entre el dinero y la riqueza. Mientras
el dinero es el mismo, la riqueza puede variar arbitrariamente: si un objeto cambia
de precio entre una compra y una subsiguiente venta, por ejemplo, la riqueza no se
-
3.3 Ensambles, Equilibrios y Propiedad de Markov 29
conservó, pero śı lo hizo el dinero. Visto que no hay bienes ni servicios, de acá en
adelante se usará indistintamente riqueza o dinero.
Complementariamente a estas consideraciones, sobre el intercambio monetario en śı
hay que el intercambio máximo posible para un agente será el total de su dinero. No se
considerará entonces la posibilidad de contraer deuda.
3.2.1 Evolución del Sistema
El sistema se inicializa en un determinado estado, definido por el valor del conjunto de
propiedades de los N agentes; luego, se realizan los distintos algoritmos que definen la
evolución del sistema. A cada paso de esta evolución se eligen agentes que interactúan,
mediante las reglas definidas del sistema. Esta evolución ocurre entonces de manera serial.
Se trata de otra caracteŕıstica del modelo explicitamente diferente a la realidad, donde las
personas o entidades comerciales interactuan en paralelo. Para sormontar esta diferencia,
no se registrará el estado del sistema en todos los pasos de la evolución del mismo, sino
que se tomarán datos de manera lo suficientemente espaciada como para suponer que en
promedio todos los agentes interactúan al menos una vez (es decir, como mı́nimo N pasos).
No se puede decir entonces que la evolución del sistema es una evolución propiamente
temporal, cosa que ocurre en muchos otros sistemas computacionales.
3.3 Ensambles, Equilibrios y Propiedad de Markov
A pesar de que cada agente est’a caracterizado principalmente por una sola variable (el
dinero que posee), si esta variable está determinada, el estado en el que se encuentra está
degenerado en todas las variables que se mencionaron que se dejan afuera anteriormente;
estos posibles estados se tratarán como microestados que son equiprobables, con lo que
esta situación es prácticamente un ensamble microcanónico. Al considerar la variación en
la cantidad de dinero que posee cada agente, se tendrá entonces un ensamble canónico, con
una temperatura asociada.
De estas consideraciones se desprende que se puede pretender del tipo de sistemas
definidos una eventual situación de equilibrio térmico, donde no haya un flujo neto de las
variables consideradas dentro del sistema.
Cabe preguntarse si esta situación corresponde a una situación realista. La evolución de
la distribución de ingresos en el tiempo, vista en el Caṕıtulo 2 muestra que la distribución
es estable para la mayor parte de la población a menos de una transformación de escalas,
que tiene que ver con el crecimiento del sistema en su conjunto, por lo cual pensar en
un modelo en equilibrio no es descabellado. De hecho, un modelo de estas caracteŕısticas
requerirá que la escala global del sistema no cambie.
-
30 Modelos de Agentes Múltiples
Además, es un resultado esperable del sistema si se lo define con la propiedad de
Markov. Un Proceso de Markov posee una distribución estacionaria, o medida invariante,
tal que la aplicación de un operador de evolución sobre esta distribución resulta ella misma.
Sea fX(x; t) la densidad de probabilidades del sistema en función de la variable x en
el tiempo t. Un proceso cuenta con la Propiedad de Markov cuando un la probabilidad
de que un agente se encuentre en un dado estado futuro depende solamente del estado
presente:
fX(x; t+ ∆t | xt; t, xt−∆t; t−∆t, . . . , x0; 0) = fX(x; t+ ∆t | xt; t) (3.2)
Existirá una probabilidad de que un agente del sistema pase de un estado x a otro y
definida como p(x, y) = f(y; t + ∆t | x; t). Esta probabilidad es invariante en el tiempo.La densidad de probabilidades del sistema para el tiempo t+∆t es entonces, por el Teorema
de la Probabilidad Total,
f(x; t+ ∆t) =∑y
p(x, y)f(y; t) (3.3)
donde la suma da lugar a una integral si la cantidad de estados es infinita. Si lo que se
busca es una distribución estacionaria, se planteará
f(x) =∑y
p(x, y)f(y) (3.4)
visto que la distribución de partida y de llegada son las mismas.
A lo largo de este trabajo, se asegurará que los procesos sean
irreducibles, es decir que un agente puede pasar de un estado del sistema a cualquier
otro en una cantidad finita de pasos;
compuestos por estados que sean recurrentes en su totalidad, es decir que un agente
pueda volver a un estado dado en una cantidad finita de pasos;
aperiódicos, es decir que el máximo común divisor entre los tiempos que tarda un
agente en regresar a un estado dado es 1.
Si se dan estas propiedades, se puede establecer que el sistema es ergódico; esto implica
que el promedio de una variable sobre largos intervalos de tiempos es igual al promedio
de una variable sobre una gran cantidad de estados. Esta propiedad permite definir una
medida adecuada de las variables en consideración en las simulaciones a realizar.
Volviendo a la perspectiva termodinámica, realizar mediciones en la distribución
estacionaria del sistema es equivalente a realizar mediciones en el equilibrio térmico del
mismo.
-
3.4 Implementación 31
3.4 Implementación
Los sistemas basados en agentes que se proponen en esta Tesis fueron implementados
mediante rutinas escritas enteramente en el lenguaje Python. Se tomó esta elección por
que este lenguaje provee un entorno muy favorable para el trabajo con agentes múltiples.
Esto se debe principalmente a que es un lenguaje que naturalmente soporta la existencia
de objetos. En el contexto computacional esto quiere decir que se pueden definir clases,
una plantilla que sirve para crear instancias, u objetos, que a su vez poseen distintas
propiedads. Cada clase está definida con una serie de funciones, métodos, que definen
el comportamiento posible de estos objetos. Es visible como este tipo de construcción
coincide con los elementos que forman un sistema de agentes múltiples.
Los algoritmos implementados personalmente incluyen tanto los que definen el sistema
y su evolución como los algoritmos necesarios para realizar las mediciones pertinentes, ya
sea algoritmos para realizar histogramas como para ajustar por el método de cuadrados
mı́nimos un conjunto de datos. Además, se usó una libreŕıa nativa (PyX) para visualizar
la información obtenida.
-
Caṕıtulo 4
Intercambios Monetarios Directos
4.1 Introducción
Existe una creciente bibliograf́ıa que trata de modelar el mercado para obtener una
distribución de ingresos en la ĺınea descripta en el Caṕıtulo 3; podŕıamos definir dos
tendencias principales en esta ĺınea de investigación.
Una primera tendencia seŕıa la iniciada por Angle ([16], [44]) y recuperada por
Dragulescu y Yakovenko [45], [46], [7],[47], [22], [13], [48] y casi inmediatamente retomada
por Chakraborti y otros [49], [50], [51], [52]. Estos modelos toman ideas de la teoŕıa cinética
y las aplican haciendo una analoǵıa entre el intercambio de enerǵıa cuando colisionan
part́ıculas y el intercambio monetario cuando se encuentran dos agentes en un mercado,
donde se conserva la cantidad de dinero total. El planteo despertó interés en el problema
de la distribución de ingreso y a partir de aqúı se multiplicaron los trabajos en el tema.
Una segunda tendencia surgió al mismo tiempo, con un art́ıculo de Bouchaud y Mezard
[53], y fue continuada por varios otros autores [54, 55]. Estos modelos se basan en una
Ecuación Maestra por ellos definida que tiene un término que representa la ganancia o
pérdida por inversiones y un segundo término que da cuenta del intercambio entre dos
agentes dados. Los autores resuelven esta ecuación considerando el campo medio para el
intercambio entre los agentes, obteniendo una distribución que es un producto entre una
ley de potencias y un decaimiento exponencial. Este planteo se encuentra sin embargo en
el terreno de los sistemas fuera del equilibrio, y de hecho no conserva la cantidad de dinero
total.
Adicionalmente se han presentado trabajos que tratan de mejorar los dos tipos de
modelos usando carácteŕısticas de ambos [56, 57, 58]. Por otra parte, existe una última
categoŕıa de trabajos donde se tiene el mismo objetivo pero con métodos distintos
[59],[60],[61],[62],[63]: en general se trata de modelos aislados.
Se estudiaron en detalle modelos propuestos que pertenecen al primer conjunto, bajo
-
34 Intercambios Monetarios Directos
los siguientes supuestos:
cada agente puede interactuar con cualquier otro;
la cantidad total de dinero se conserva en la interacción;
el sistema está aislado.
Se reproducirán sus principales resultados y se estudiarán las caracteŕısticas sobresalientes
de los mismos; en los siguientes caṕıtulos se trabajará sin el primero de estos supuestos.
4.2 Intercambio Simple
4.2.1 Descripción
Dragulescu [45] discute una posible descripción del intercambio monetario haciendo uso de
algunas herramientas de la Teoŕıa Cinética de Gases, en la cual los agentes actúan como
part́ıculas y el dinero es tratado como equivalente a la enerǵıa. El art́ıculo plantea que se
puede lograr una distribución estacionaria de Gibbs mediante intercambios monetarios con
simetŕıa temporal; una ruptura en esta simetŕıa da lugar a otro tipo de distribuciones.
El modelo es muy simple. Se tiene un sistema aislado, con N agentes. Estos agentes
llevan consigo una cantidad wi de riqueza, donde el ı́ndice indica un agente dado. La
dinámica temporal es la siguiente: se eligen dos agentes al azar y uno le da al otro una
cantidad ∆ de su dinero, siempre y cuando la tenga (esto indica una restricción, w > 0).
En caso contrario, la operación no se realiza. Esta será la base del intercambio monetario
a lo largo de toda la tesis prácticamente.
Desde el punto de vista económico hay que hacer algunas observaciones. El modelo que
propone Dragulescu simplifica drásticamente las decisiones que toma un individuo, dejando
en manos del azar y la restricción w > 0 su futuro económico. Se verá que con solo estos
supuestos se obtiene una distribución no-paretiana muy razonable, y con un fundamento
para los parámetros de la misma. Hay que notar que respeta la idea general descripta en
el Caṕıtulo 3.
Una temprana cuestión que puede surgir es la forma del intercambio ∆. Se estudiarán
dos tipos de intercambio, aditivo y multiplicativo.
Definimos como intercambio aditivo el intercambio en el que el monto no depende de
la riqueza del agente; esto seŕıa ∆ = γ · w̄, donde γ es un número tal que 0 < γ < 1.aqúı hay dos variantes: si γ es un parámetro fijo, se tendrá un monto fijo; si en
cambio es una variable aleatoria uniforme γ ∼ U(0, 1), el monto será aleatorio.
-
4.2 Intercambio Simple 35
Como intercambio multiplicativo se define el intercambio en el que el monto śı depende
de la riqueza de los agentes involucrados, es decir que ∆ = γ · wi para el agente i-ésimo. De vuelta aqúı se puede tener a γ como un valor fijo o como una variable
aleatoria uniforme.
En todos los casos, el intercambio propuesto es
[wi, wj ]→ [wi −∆, wj + ∆] (4.1)
La distribución para ambos mecanismos de intercambio no será la misma. A un
nivel microscópico se puede ver esto fácilmente: mientras un intercambio adititvo entre
dos agentes si se revierte se recupera la situación original, eso no puede ocurrir con un
intercambio multiplicativo. Si además, se le agrega la componente aleatoria al monto, se
tendrá otro factor que influye en la distribución.
Además, para los intercambios multiplicativos, no existe en realidad una restricción
w > 0, pues el agente, al entregar una fracción dada de su riqueza, nunca se encuentra
en la situación de tener que entregar una cantidad mayor a la que posee, siempre puede
afrontar el pago. Esto hace que la probabilidad de riqueza nula para el caso multiplicativo
sea distinta al caso aditivo, que se verá luego.
4.2.2 Solución Anaĺıtica para el Intercambio Aditivo
Es posible encontrar una solución anaĺıtica para este sistema en el caso aditivo. Se plantea
una ecuación de Boltzmann (de hecho es su Stosszahl Ansatz original) para el intercambio
monetario entre dos agentes de riqueza w y w′ respectivamente, pensados como colisiones:
dP (w)
dt=
∫ ∞0
∫ ∞0{−Ω[w,w′]→[w−∆′,w′+∆′]P (w)P (w′)
+Ω[w−∆′,w′+∆′]→[w,w′]P (w −∆′)P (w′ + ∆′)} dw′ d∆′ (4.2)
El factor Ω[w,w′]→[w−∆′,w′+∆′] es la tasa de transferencia de una cantidad de dinero ∆′ de
un agente con dinero w a otro de dinero w′. Los ĺımites de integración son los presentados
por que se presupone w′ > 0 (condición económica) y ∆′ > 0.
Además, hace falta imponer las condiciones de contorno de manera tal que la riqueza
no pueda ser negativa: una ya se impuso (w′ > 0). Además, hay que imponer que w > ∆′,
es decir que un agente que no posee una riqueza mayor a ∆′ va a terminar la interacción
con dinero negativo.
El caso aditivo se da si pedimos que ∆′ sea un valor fijo; en este caso, el modelo tiene
simetŕıa de inversión temporal, entonces los factores Ω en la ecuación de Boltzmann son
-
36 Intercambios Monetarios Directos
iguales. Tendremos que
dP (w)
dt=
∫ ∫Ω(w,w′,∆′) · {P (w −∆′)P (w′ + ∆′)− P (w)P (w′)} dw′ d∆′ (4.3)
Siendo ∆′ una cantidad fija, Ω(w,w′,∆′) = Ω(w,w′) · δ∆,∆′ . Como además buscamos ladistribución estacionaria, la integral debe resultar nula. Como eso debe valer para todos
los integrandos,
P (w −∆) · P (w′ + ∆) = P (w)P (w′) (4.4)
Ésta es una condición de balance térmico; se puede llegar a la misma conclusión pidiendo la
condición de balance detallado. Es fácil ver que la distribución que cumple esta condición
es
P (w) = Ae−w/T (4.5)
donde por la normalización de la distribución, A = 1/T . La simpleza de este sistema reside
en la eliminación del factor w, con lo cual no hace falta calcularlo.
La constante T es igual a la riqueza promedio, T = w̄. Dragulescu interpreta la
constante T como una temperatura del sistema, vista la analoǵıa con la distribución de
Gibbs de las enerǵıas. Sin embargo, no hay que entender esta temperatura en el sentido
que le da usualmente en los textos económicos: una economı́a caliente no es una economı́a
rica, sino que es una economı́a que crece con una alta velocidad, mientras una economı́a fŕıa
es una economı́a que crece poco o inclusive decrece (de aqúı proviene el término ”enfŕıar
la economı́a”). Hay que notar que en los sistemas que analizamos se conserva en todas las
interacciones el dinero, por lo cual se conserva globalmente, aśı que no puede existir un
crecimiento o decrecimiento de la economı́a en términos absolutos.
A su vez, este parámetro T es relacionable con los valores por los cuales se hacen
colapsar distintas distribuciones de ingresos que vaŕıan en el tiempo (ver Fig. 2.2, por
ejemplo), es decir el valor promedio de este ingreso, el PBI per cápita. El hecho de que
este parámetro aparezca naturalmente es importante, visto que relaciona directamente un
modelo muy simple y abstracto con un valor real, lo cual aumenta la confianza en este tipo
de modelos.
4.3 Simulaciones
A continuación se dará una descripción de como fueron realizadas las simulaciones y luego
sus resultados.
Las simulaciones realizadas se inicializan fijando una cantidad de dinero w0 = 100,
igual para todos los agentes, salvo donde se indica caso contrario. Como la cantidad total
de dinero no vaŕıa, la riqueza promedio w̄ será siempre igual a w0. Además, la cantidad de
agentes fue fijada en N = 1000. Todas las distribuciones que se muestran son estacionarias,
-
4.3 Simulaciones 37
salvo donde se especifica el caso contrario. Para determinar que el sistema se encontraba
estable, se analizó la entroṕıa, y se vio que se manteńıa estable. Se la definió como
H(W ) = −n∑i=1
p(wi) · ln(p(wi)) · dwi (4.6)
que es la Entroṕıa de Shannon [28] con una ligera modificación, donde se suma sobre las
clases del histograma correspondiente a la distribución que se quiere analizar. dwi es el
ancho de cada clase: se agrega este factor para poder comparar numéricamente con la
entroṕıa diferencial,
h(W ) = −∫ ∞−∞
f(w) · ln(f(w))dw (4.7)
que se usará para evaluar la entroṕıa de las distribuciones dadas por funciones cont́ınuas
f(w). Hay que tener en cuenta que a causa de ese factor, si se pide que toda la distribución
de W está contenida dentro de una clase, el valor de la entroṕıa será H(W ) = dwi, donde
i es el ı́ndice de la clase en cuestión; éste es el caso de las distribuciones de riqueza iniciales
en las que todos los agentes poseen el mismo dinero w0.
Una vez que la distribución ha llegado al estacionario, se mide su distribución distintas
veces de manera espaciada, y el resultado que se toma es el promedio de estas mediciones
(en número generalmente promedian las 100). Esto se hace sobre la base de la hipótesis
ergódica como se muestra en el Caṕıtulo 3.
4.3.1 Caso Aditivo
10−5
10−4
10−3
10−2
0 250 500 750 1000
0
0.002
0.004
0.006
0.008
0.01
P(w
)
0 200 400 600 800 1000
w
Figura 4.1: Distribución de Riqueza paraintercambios fijos (∆ = 5). La ĺınea sólidarepresenta la función P (w) = exp(−w/T )/Tcon T = 100 = w̄. En el recuadro, se usa ejelogaŕıtmico para la ordenada.
10−5
10−4
10−3
10−2
0 250 500 750 1000
0
0.002
0.004
0.006
0.008
0.01
P(w
)
0 200 400 600 800 1000
w
Figura 4.2: Distribución de Riqueza paraintercambios al azar (∆ = γ · 100 con γ ∼U(0, 1)). La linea sólida representa la funciónP (w) = exp(−w/T )/T con T = 100. Enel recuadro, se usa eje logaŕıtmico para laordenada.
Comenzamos con las simulaciones del modelo de intercambios aditivos, ∆ = γ · w̄, condos variantes, γ fijo y aleatorio, γ ∼ U(0, 1). En la Fig. 4.1 se muestra la distribuciónresultante para el intercambio fijo y la Fig. 4.2 para intercambios al azar con distribución
-
38 Intercambios Monetarios Directos
uniforme. Como se esperaba, las distribuciones convergen a la distribución exponencial
con parámetro T = w̄.
La Fig. 4.3 muestra la evolución de la entroṕıa en los distintos casos. Tal como esperado
la entroṕıa resultante es la de la distribución exponencial. Es visible que para el caso
aleatorio la entroṕıa converge más velozmente que para el intercambio fijo, por lo que a lo
largo de la tesis se preferirá el intercambio aleatorio. En la Fig. 4.4 se muestra la evolución
de la distribución de riqueza en el tiempo para intercambios fijos: aqúı es visible que el
proceso de intercambio es puramente difusivo. Estas simulaciones se realizaron por un
tiempo T = 4000 ·N .
2
3
4
5
6
Sw[nats]
0 20 40 60 80 100
Tiempo [N pasos]
∆ = 5∆ = ǫ · 100
Figura 4.3: Evolución de la Entroṕıa dela Distribución de Riqueza para intercambiosfijos (ĺınea sólida) y al azar (ĺınea punteada).La ĺınea punteada se estabiliza sobre el valorde la entroṕıa asociada a la distribuciónP (w) = exp(−w/T )/T (si T = 100, S(W ) ∼5.60). El eje temporal representa la cantidadde ciclos sobre el total de los agentes.
10−4
10−3
10−2
10−1
50 75 100 125 150
0
0.05
0.1
0.15
0.2
P(w
)
50 75 100 125 150 175 200
w
t = 0.1 ·Nt = Nt = 5 ·Nt = 10 ·N
Figura 4.4: Evolución de la Distribuciónde Riqueza para los tiempos t = {102 ·N, 103 ·N, 0.5 · 104 ·N, 105 ·N}, intercambiosfijos. En el recuadro, con eje logaŕıtmicosobre la ordenada, se puede ver que se tratade distribuciones gaussianas, propias de unproceso difusivo.
Podemos ver que el proceso con intercambio al azar es equivalente al de intercambios
fijos, pero converge más rápidamente al estacionario. También se vio que se obtiene el
mismo resultado al cambiar el valor fijo de γ y los ĺıimites de su distribución en el caso
aleatoro (es decir el valor del intercambio en el caso fijo y el valor máximo del intercambio
en el caso al azar).
4.3.2 Caso Multiplicativo
Con respecto al caso multiplicativo, se simuló un intercambio proporcional a la riqueza,
ajustado por un parámetro γ ya sea fijo o aleatorio (γ ∼ U(0, 1)). Como se puede ver enla Fig. 4.5, el parámetro γ ∈ (0, 1) fijos hace variar la forma de la distribución, que fueajustada por una distribución Gamma. La distribución Gamma sigue la ecuación
fW (w) =wk−1 exp(−w/θ)
Γ(k)θk(4.8)
-
4.3 Simulaciones 39
de donde, si k = 1 se recupera la distribución exponencial. La esperanza de la distribución
es igual a kθ, y en nuestras simulaciones ese valor es el valor medio de la riqueza, w̄ = 100,
con lo cual, k y θ son inversamente proporcionales. Hay que notar que la ecuación de la
distribución posee una parte exponencial y otra potencial. Además, el parámetro θ es el
análogo al T definido para el modelo aditivo.
10−6
10−4
10−2
100 1000
10−6
10−5
10−4
10−3
10−2
10−1
P(w
)
0 500 1000 1500 2000
w
γ =0.1γ =0.2γ =0.3γ =0.4γ =0.5γ =0.6γ =0.7γ =0.8γ =0.9
Figura 4.5: Distribuciones de Riqueza para intercambios multiplicativos con parámetro fijo, ∆ =γ · w̄ con γ ∈ (0, 1), con eje logaŕıtmico en la ordenada. En el recuadro, se usan ejes logaŕıtmicospara ambos ejes.
En la Fig.4.6 se puede ver la relación entre el parámetro de la cola exponencial, θ,
y el valor de γ. Si bien no se pudo ajustar con éxito esta relación, se puede ver una
clara proporcionalidad. El aumento en el valor de θ, a su vez, define el rango donde el
comportamiento exponencial domina: es por eso que en las distribuciones al aumentar γ,
y θ por ende, se ve cada vez más una ley de potencias; luego, invariablemente, domina el
decaimiento exponencial.
La estimación de los parámetros se realizó calculando el promedio y el desv́ıo de los
datos (no se usaron los estimadores de máxima verosimilitud pues no hay una fórmula
cerrada para ellos en esta distribución).
En la Fig. 4.7 en cambio se muestra la distribución para γ aleatorio. Se puede ver que
ajusta casi perfectamente con la distribución correspondiente a γ = 0.7.
En cuanto a la diferencia con la distribución encontrada para el caso aditivo, hay que
decir que en realidad, no hay más agentes pobres que en el caso aditivo (ver escalas), pero
el decaimiento es más rápido, lo que hace que el parámetro de la exponencial que ajusta
sea más grande.
-
40 Intercambios Monetarios Directos
0
200
400
600
800
1000
θ
0 0.2 0.4 0.6 0.8 1
γ
Figura 4.6: Relación entre el γ y θ. Se puede ver una proporcionalidad aunque no se pudo ajustarla relación.
10−6
10−4
10−2
100 1000
10−6
10−5
10−4
10−3
10−2
10−1
P(w
)
0 500 1000 1500 2000
w
γ = 0.7γ ∼ U(0, 1)
Figura 4.7: Distribución de Riqueza para intercambios multiplicativos al azar (∆ = γ · wi conγ ∼ U(0, 1)). La linea sólida representa la distribución correspondiente a γ = 0.7. En el recuadro,se usa eje logaŕıtmico para la ordenada.
-
4.3 Simulaciones 41
4.3.3 Intercambio Directo con Ahorro asegurado
Una interesante variante del modelo de Intercambio Directo es el que propone un coeficiente
de ahorro [49]. Se define para cada agente un coeficiente de ahorro λ. Este coeficiente puede
estar entre 0 y 1 y se mantiene fijo en el tiempo; representa la fracción que el agente i-ésimo
no está dispuesto a intercambiar, es decir el ahorro. Chakraborti propone una dinámica
en la cual cada agente pone a disposición una cantidad máxima de dinero a intercambiar
(1− λi) ·mi y luego se reparte esa cantidad de manera aleatoria, es decir:
[mi,mj ]→ [mi · λi + � ·∆,mj · λj + (1− �) ·∆] (4.9)
con � ∼ U(0, 1) y ∆ = mi · (1− λi) +mj · (1− λj).
10−4
10−3
10−2
0 200 400
0
0.005
0.01
0.015
0.02
P(w
)
0 100 200 300 400 500
w
λ = 0.1λ = 0.2λ = 0.3λ = 0.4λ = 0.5λ = 0.6λ = 0.7λ = 0.8λ = 0.9
Figura 4.8: Distribución de Riqueza para intercambios multiplicativos con ahorro asegurado paraλ = 0.1, ..., 0.9. Ver que para λ → 0, la distribución se parece cada vez más a una exponencial,recuperando el caso de intercambios sin ahorro. En el recuadro, se usa eje logaŕıtmico para laordenada.
La forma más fácil de implementar esta modificación es asignándole el mismo valor de
λ a todos los agentes: el resultado de estas simulaciones se puede ver en la Fig. 4.8. Es
visible el parecido con el caso multiplicativo sin ahorro: de hecho la gran diferencia entre
los dos casos es que aqúı se establece un ĺımite (relativo) al intercambio, lo que da lugar a
distintas distribuciones; notablemente, estas distribuciones tienen la forma de las Γ, donde
se deja fija el esperanza y se va agrandando la varianza. Para λ → 0 se puede ver unatendencia a la distribución exponencial, recuperando el caso de intercambios sin ahorro.
Es interesante notar que a ahorro uniforme, un mayor ahorro implica una mayor equidad
dentro de este modelo.
Otra posibilidad es que λi sea una variable aleatoria, λi ∼ U(0, 1), la primera variantedel modelo de Intercambio Directo que lleva a una distribución de riqueza paretiana, o ley
-
42 Intercambios Monetarios Directos
de potencias 1. En la Fig: 4.9 se puede ver el resultado de la simulación con λi ∼ U(0, 1),obteniendo una ley de potencias P (w) ∼ w−2. En el la Fig 4.11 se muestra la relaciónentre el ingreso promedio de los agentes y el coeficiente de ahorro que tienen: podemos
ver claramente que los agentes de mayor ahorro son los que en promedio poseen mayor
ingreso. El gráfico es coherente con lo que uno puede esperar en primera medida, es decir
que la fracción de agentes con muy alto ahorro acumule dinero indefinidamente (λ→ 1⇒w̄ → ∞). Teniendo en mente esta última observación, resulta interesante saber que pasasi se excluyen los agentes con acumulación indefinida (o sea λ ∼ 1). En la Fig. 4.10 semuestra el resultado de las simulaciones incializadas con una distribución λi ∼ U(0, 0.9), yefectivamente se ve que la distribución decae exponencialmente, visto que no hay agentes
que puedan quedarse con la enorme mayoŕıa de la riqueza (en el caso con λi ∼ U(0, 1), el5% más rico posee el 57% del total de la riqueza).
w−2
10−5
10−4
10−3
10−2
10 100 1000
0
0.005
0.01
0.015
0.02
P(w
)
0 200 400 600 800 1000
w
Figura 4.9: Distribución de Riqueza paraintercambios multiplicativos con ahorro ase-gurado distribuido uniformemente entre 0y 1; se muestra además, la función x−2
como referencia. En el recuadro, se usa ejelogaŕıtmico para la abscisa y la ordenada.
10−5
10−4
10−3
10−2
10 100 1000
0
0.005
0.01
0.015
0.02
P(w
)
0 200 400 600 800 1000
w
Figura 4.10: Distribución de Riqueza para in-tercambios multiplicativos con λi ∼ U(0, 0.9)(ćırculos) y λi ∼ U(0, 1) (ĺınea). En elrecuadro, se usa eje logaŕıtmico para laabscisa.
Un análisis ulterior de lo que ocurre en el sistema con ahorro distribuido es pensar al
conjunto de agentes como si estuviera dividido en capas, según el ahorro que tienen, lo que
determina la riqueza promedio que tiene cada segmento según la Fig. 4.11. Se sabe que un
conjunto de agentes con riqueza promedio T tendrá una distribución P (m) = e−m/T /T ; si
uno tiene distintos conjuntos a distintas ”temperaturas”, se puede ver la distribución total
sumando las distribuciones de cada capa; la clave aqúı está en que la existencia de distintos
λ impide que los agentes se entremezclen. La Fig. 4.12 muestra las distintas distribuciones
a T = w̄(λ) y la suma de ellas. Se puede ver que la suma coincide con el resultado de la
simulación.
Cambiando la distribución de los λi, se pueden obtener mejores resultados inclusive,
fundamentalmente la recuperación de la franja con distribución Gamma; un caso posible
es fijar por ejemplo para el 60% de los agentes un λ = 0.6 y para el resto distribuirlos como
1Chatterjee [21], propone además otras distribuciones del coeficiente de ahorro, entre otras ρ(λ) ∼|λ0 − λ |δ, de la cual la distribución uniforme es el caso particular de δ = 0
-
4.3 Simulaciones 43
10
20
50
100
200
500
1000
2000
w̄
0 0.2 0.4 0.6 0.8 1
λ
Figura 4.11: Relación entre la riqueza promedio, w̄, y el ahorro asignado, λ.
10−5
10−4
10−3
10−2
10 100 1000
10−5
10−4
10−3
10−2
P(w
)
0 200 400 600 800 1000
w
Figura 4.12: Distribuciones de agentes segmentados según T = w̄(λ) con su suma (ĺıneas) y elresultado de la simulación (ćırculos); se muestra además, la función w−2 como referencia. En elrecuadro, se usa eje logaŕıtmico para la abscisa y la ordenada.
-
44 Intercambios Monetarios Directos
λ ∼ U(0, 1)[21]. De cualquier manera, no se está ganando mucho a nivel teórico, dado queen términos de elementos que constituyen el modelo, se está construyendo una distribución
de λ para explicar la distribución de w, y la propuesta no está motivada económicamente.
4.3.4 Intercambio Directo con Consumo asegurado
Una variante inmediata del modelo con Ahorro asegurado es agregar un coeficiente de