Teoria del Caos aplicada a los negocios

TEORÍA DEL CAOS APLICADA

A LOS NEGOCIOS

Métodos Predictivos Mgr. Humberto Espada

Alumna: Silvana Gambini Piminchumo Código: 07 - 30443

"Por un clavo se perdió la herradura

Por una herradura se perdió el caballo Por un caballo se perdió el jinete Por un jinete se perdió la batalla

Por una batalla se perdió el reino"

CONCLUSIÓN POR UN CLAVO SE PERDIÓ EL REINO

ESO ES TEORÍA DEL CAOS.

TEORÍA DEL CAOS APLICADA A LOS NEGOCIOS

Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

2

2009

INDICE 02

INTRODUCCION 03

OBJETIVOS 04

ANTECEDENTES 05

05

Origen de la Teoría del Caos 07

Caos 07

Efecto Mariposa 08

Atractores 09

Geometría de la Naturaleza

RL CAOS PRESENTE EN EL MUNDO DE ECONOMIA Y LOS NEGOCIOS 11

Primeros Indicios 11

Linealidad y no linealidad en la Economía 12

Complejidad y Economía 13

La Planificación Económica 14

Caos en los Mercados Bursátiles 16

De manera practica 17

Evaluación del Caos en variables financieras 20

Análisis Estadístico de la Tasa de Interés Activa 22

UN ENTORNO PARA ANALIZAR 24

¿Caos o globalización? 24

Un mundo de turbulencias 26

CONCLUSIONES 28

ENLACES WEB 29


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

3

2009

Hace unas décadas atrás, surge en el mundo un nuevo y revolucionario ámbito del conocimiento, el cual

de la mano los científicos generó las primeras señales de la Teoría del Caos, que consiste en términos

muy simples en una nueva forma de entender el universo desde el punto de vista de la ciencia moderna,

ya que las explicaciones religiosas no son admitidas del todo por ellos. Hablamos de los años de la

creación del Internet, y el inicio de lo que más tarde se conocería como globalización. Es en este punto

donde la complejidad se transforma en algo cotidiano y los estudiosos comienzan a interesarse por el

cambio, las crisis y los conflictos.

Hasta ese momento, la teoría científica había tratado siempre de explicar el mundo que nos rodea de la

forma más sencilla posible. Actualmente, los ordenadores y las matemáticas han abierto una nueva vía

de exploración que ayuda a los investigadores a comprender mejor la complejidad de la Naturaleza. En

diversas ciencias se habían utilizado por largo tiempo modelos dinámicos lineales, los que eran

insuficientes para explicar ciertos fenómenos, debiendo recurrirse a la inclusión de variables

estocásticas. La modelación a través de un sistema dinámico no lineal permite, en cambio, mayor

flexibilidad para la adaptación a un comportamiento deseado. Las no linealidades pueden producir

oscilaciones sostenidas sin recurrir a factores externos.

Es así como, desde la década pasada, por ejemplo, se ha comenzado a tratar de explicar el

comportamiento, a veces periódico o errático, de algunas variables económicas a través de modelos

determinísticos no lineales. En general no es posible resolver sistemas no lineales. A pesar de ello, se

puede obtener información cualitativa acerca del comportamiento de la solución. Se puede decir

entonces, que la geometría de las trayectorias es lo más relevante para llegar a conclusiones.

La Teoría del Caos señala que un sistema dinámico continuo con n variables puede tener un

comportamiento irregular sin necesidad de recurrir a ningún tipo de variable aleatoria. El único requisito

es que algunas de las funciones que forma parte del sistema posean componentes no lineales.

Por lo tanto debemos recurrir al planteamiento central de esta nueva concepción, la que plantea que el

desorden, la turbulencia, la desorganización y lo inesperado son aspectos constitutivos de la realidad

que la investigación científica tiene que abordar y desentrañar. En la presente monografía se dan a

conocer los conceptos y definiciones necesarios para comprender la Teoría del Caos y como esta puede

relacionarse no sólo con los fenómenos físicos, sino también con los fenómenos económicos, campo de

estudio de interés para la Ingeniería Comercial.


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

4

2009

Conocer los antecedentes de la Teoría del Caos y sus

primeras intervenciones en la Ciencia económica.

Comprender los fundamentos de la Teoría del Caos y su

aplicación en los negocios.

Demostrar que la Teoría del caos puede explicar el comportamiento de los modelos

econométricos, especialmente los de predicción de variables financieras. (Ejemplo:

Tasa de Interés Activa Nominal promedio mensual de los Bancos Comerciales y de

Servicios Múltiples)


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

5

2009

ORIGEN DE LA TEORÍA DEL CAOS

El concepto de Caos ha estado presente en prácticamente toda la historia de la humanidad, a

través de las leyendas que han acompañado a las distintas civilizaciones antiguas. Como

mencionan Briggs y Peat (1994), “Los pueblos antiguos creían que las fuerzas del caos y el

orden formaban parte de una tensión inestable, una armonía precaria. Pensaban que el caos

era algo inmenso y creativo”. “En una historia cosmogónica china un rayo de luz pura, yang,

surge del caos y construye el cielo mientras la pesada opacidad restante, yang, configura la

Tierra. Yin y yang, el principio femenino y masculino, luego actúan para crear las 10,000 cosas

(en otras palabras todo). Significativamente, se dice que los principios de ying y yang, aun

después de haber emergido, conservan las cualidades del caos del cual surgieron. Un exceso

de ying o de yang nos devolvería al caos”.

Pero solo fue hasta en 1908, en que el matemático francés Henri Poincaré (1854-1912) que

había ensayado con sistemas matemáticos no lineales, llega a ciertas conclusiones que, pasado

el tiempo, habrían de ser un importante antecedente histórico y conceptual de la teoría del

caos. Poincaré partió del esquema laplaceano según el cual, si conocemos con exactitud las

condiciones iniciales del universo, y si conocemos con exactitud las leyes naturales que rigen

su evolución, podemos prever exactamente la situación del universo en cualquier instante de

tiempo subsiguiente. Hasta aquí, todo bien, pero ocurre que nunca podemos conocer con

exactitud la situación inicial del universo, y siempre estaríamos cometiendo un error al

establecerla. En otras palabras, la situación inicial del universo sólo podemos conocerla con

cierta aproximación. Aun suponiendo que pudiéramos conocer con exactitud las leyes que

rigen su evolución, nuestra predicción de cualquier estado subsiguiente también sería

aproximada. Hasta aquí tampoco habría problema y podríamos seguir manteniendo el

esquema determinista ya que lo aproximado de nuestras predicciones no serían adjudicables a

un caos en la realidad sino a una limitación en nuestros conocimientos acerca de las

condiciones iniciales. Efectivamente, los deterministas alegan que no es que los

acontecimientos sean imprevisibles, sino que simplemente aún no hemos descubierto las leyes

que permitan preverlos. Dicho sea de paso, a esto se opondrá Prigogine: el caos es

imprevisible por naturaleza, puesto que para preverlo sería necesaria una cantidad infinita de

información.

Sin embargo, Poincaré jugará con una hipótesis que le sugirieron ciertos sistemas matemáticos

especiales: dirá que un pequeño error en las condiciones iniciales, en vez de provocar también

un pequeño error en las últimas, provocaría un error enorme en éstas, con lo cual el fenómeno

se vuelve impredecible y entonces lo adjudicamos al azar. Desde ya, este efecto multiplicativo

del error no es debido a nuestra ignorancia o a nuestro limitado conocimiento de lo real, sino a

la misma configuración de la realidad, que admite ese tipo de evoluciones erráticas. En una


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

6

2009

mesa de billar con forma cuadrada, podemos predecir la trayectoria de una bola arrojada

contra una banda, pero...lo mismo no ocurre así si la mesa tiene forma de estadio. En este

caso, la trayectoria se torna impredecible.

El efecto descripto por Poincaré se reactualiza en la década del 60, por obra y gracia del

meteorólogo y matemático norteamericano Edward Lorenz. Su perplejidad tenía mucho que

ver con la imposibilidad de pronosticar fenómenos climáticos más allá de un cierto número de

días, y no era para menos, toda vez que lo que uno espera de un meteorólogo son,

precisamente, predicciones acertadas. A comienzos de la década del 60, Lorenz se puso a

elaborar un modelo matemático para predecir fenómenos atmosféricos, y por casualidad

descubrió que la misma herramienta matemática que utilizaba estaba fallando: pequeños

cambios en las condiciones iniciales producían diferencias inesperadas e impredecibles en el

resultado, con lo cual las predicciones meteorológicas a mediano o largo plazo resultaban

imposibles. La tradicional certeza de la matemática no podía compensar la tradicional

incertidumbre de la meteorología, ya que el virus de la incertidumbre había invadido el

mismísimo cuerpo de la madre de las ciencias exactas. Si la misma matemática permite que de

pequeños cambios iniciales se produzcan al final grandes cambios, entonces toda otra ciencia

que, como la meteorología, intente fundarse en la matemática, habrá de pronosticar grandes

catástrofes a partir de pequeñas alteraciones ambientales. Fue así que nace el efecto

mariposa, que habla de pequeños cambios con grandes consecuencias.

Finalmente a los esfuerzos de Poincare y Lorenz se suman las contribuciones de Benoit

Mandelbrot (ingeniero de comunicaciones), Edward Feigenbaum (matemático), Libchaber

(físico), Winfree (biólogo), Mandell (psiquiatra), y otros más, por lo que se piensa que la teoría

del caos no tiene un solo padre sino muchos.


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

7

2009

CAOS

Con el término Caos, se relacionan las características que poseen los sistemas dinámicos con

atractores extraños. James Gleick, recoge algunas definiciones de caos:

“Especie de orden sin periodicidad”

(Hao Bai- Lin)

“Comportamiento recurrente y, en apariencia, debido al azar en un sistema determinista simple.”

(Bruce Stewart)

“El comportamiento irregular, imprevisible, de sistemas dinámicos deterministas no lineales.”

(Roderick V. Jensen)

En un sentido laxo se podría decir que por caos se entiende cierto comportamiento errático

que parece ser aleatorio pero no lo es y que además es extremadamente sensible a cambios

en las condiciones iniciales de tal modo que a pesar de ser completamente determinístico hace

inútil todo intento de predicción en el largo plazo.

En definitiva, un sistema se encuentra en estado caótico cuando hay un orden particular

estructurado en el modo en que éste cambia como un todo, pero la conducta futura de sus

componentes individuales es completamente impredecible. El caos es un fenómeno natural y

como tal, no es ni bueno ni malo. Hay una conexión estrecha entre el caos, el azar y la

creatividad. Llama la atención, el hecho de que este concepto del caos no coincide con el

concepto que comúnmente se tiene del mismo. El concepto común y corriente del caos no

incluye esa regularidad; el caos se concibe según éste, como un desorden absoluto. El caos es

un modo en que las cosas (los sistemas) cambian. Por consiguiente, hay una mezcla

omnipresente de orden y caos. El caos nunca desaparecerá, porque es parte integrante de la

realidad. En otras palabras, no hay orden absoluto ni caos absoluto.

El efecto Mariposa y su importancia

Es necesario aclarar, que la conducta caótica es la

agregación de muchas conductas ordenadas, si bien

ninguna de ellas prevalece en situaciones ordinarias.

El caos es impredecible, pero determinable. O dicho

de otro modo, el caos no es aleatorio, tiene un orden

subyacente. Al respecto son conocidas diversas

experiencias y aportes que paulatinamente condujeron

a la idea de un “nuevo paradigma”, en el que la

presencia del desorden muestra que “al parecer, el

orden no era la constante del universo”.

EFECTO MARIPOSA


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

8

2009

En este proceso, encontramos el aporte de un climatólogo, Edward Lorenz. Al tratar de

explicar el comportamiento del clima por medio de una primitiva computadora, Lorenz

descubrió que aparecía un persistente margen de error; varias veces repitió sus operaciones,

pero la falla se hacía más grande conforme pasaba el tiempo. La anomalía no era un defecto

humano ni técnico, sino una falla del sistema usado para explicarlo. El clima es un ‘sistema

dinámico no lineal’ en el cual intervienen al mismo tiempo gran cantidad de factores que

interactúan entre sí.

Así nació el ya famoso “efecto mariposa”, el cual se ha difundido y que consiste en la

consideración de que “el batir de alas de una mariposa puede provocar un drástico cambio de

dirección de una violenta tormenta a miles de kilómetros de distancia, pues la perturbación en

la atmósfera que provocó el insecto irá amplificándose al avanzar, y al llegar al frente de la

tormenta puede haber adquirido relevancia El “efecto mariposa” nos muestra que “muchos

sistemas no lineales exhiben un comportamiento caótico porque son muy sensibles a las

influencias externas”.

La idea de la que parte la teoría del caos consiste en que, en determinados sistemas naturales,

pequeños cambios en las condiciones iniciales conducen a enormes discrepancias en los

resultados. Este principio suele llamarse “efecto mariposa” debido a que, en meteorología, la

naturaleza no lineal de la atmósfera, ha hecho afirmar a muchos científicos que es posible que

el aleteo de una mariposa en determinado lugar y momento, pueda ser la causa de un terrible

huracán varios meses más tarde en la otra punta del globo.

ATRACTORES

Son los patrones que vemos si observamos el

comportamiento de un sistema durante un

tiempo. Cuando lo hemos descubierto,

decimos que este patrón es un atractor, es

decir como un imán que “atrae” al sistema

hacia ese comportamiento. Hay Atractores

que acercan al sistema a su funcionamiento

óptimo y otros que lo alejan del mismo.1

La Teoría de Caos nos menciona ver la

realidad que nos rodea interconectada y llena de

lazos de retroalimentación, donde cada partícula actúa para modificar el comportamiento del

medio que la rodea, pero no en forma independiente, sino obedeciendo a un comportamiento

integrado por el conjunto. Así dentro de los estudios realizados por los científicos en la

dinámica no lineal se percataron de que, sistemas que exhibían comportamientos caóticos en

dos dimensiones, presentaban conductas “extrañas” cuando se analizaban en su respectivo

espacio de fase.

1 http://www.atractor.es/filosofia.htm


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

9

2009

El análisis en espacio de fase consiste en evaluar al sistema en las dimensiones (tantas como

sea necesario) que permitan representan el movimiento del sistema, como su posición o

velocidad. Estos análisis permiten descubrir zonas o campos de atracción que atrapan la

conducta del sistema. Moviéndose dentro de ciclos periódicos de comportamiento regular que

delimitan los vaivenes del sistema, el atractor representa una danza orbital predecible pero al

mismo tiempo única, puesto que la trayectoria del atractor nunca pasa por el mismo punto.

GEOMETRIA DE LA NATURALEZA

Así como la humanidad acogió de manera amplia la mecánica Newtoniana originando

paradigmas para la interpretación causal de todo tipo de fenómeno, así también se le dio lugar

a la geometría euclidiana, que representaba la interpretación de un orden a través de figuras

basadas en cuerpos regulares. Sin embargo, a través del tiempo habían quedado sin contestar

muchas dudas con respecto cómo se originaba la forma de las nubes, de las plantas, las

siluetas caprichosas de las montañas y del perímetro de las costas.

El matemático franco-americano Benoit Mandelbrot trabajando en la IBM, desarrolló en 1975

el concepto de geometría fractal (fractal proviene del latín fractus, que significa “dividir”), que

permitía descubrir un velo más de la naturaleza y sus formas. Mandelbrot menciona:

“Las nubes no son esferas, las montañas no son conos, la línea costera no son círculos, la

corteza no es suave ni la luz viaja en línea recta2... “

La geometría fractal no está basada dimensiones de números enteros, sino en fracciones.

Además como menciona Mandelbrot, “Las formas naturales exhiben una sorprendente

estructura integral y orden. Nubes de Cúmulos, una cama de hongos, y dunas de arena, todas

ellas exhiben el orden de la naturaleza”3 Otro aspecto no menos importante de la geometría

fractal es el hecho de que es capaz de copiar a la naturaleza en su auto-similitud. Esto se

traduce en que muchas formas de la naturaleza se componen de partes que se asemejan al

conjunto. Tomemos los casos del árbol, un helecho o un brócoli; cada rama es la

representación fiel del tronco al que se integra, y así sucesivamente.

2 Gleick, 1987

3 Campbell, 1984, pág. 162


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

10

2009

La geometría fractal es sin duda la geometría de la naturaleza: las nubes, nuestro sistema

circulatorio, los cauces de grandes ríos, las cadenas montañosas, etc. La importancia de la

geometría fractal como apoyo al estudio de la complejidad radica según Cambell (1984) en

cuatro puntos principales:

1. Provee dimensiones adicionales y más cercanas a la realidad en comparación con la

geometría Euclidiana

2. La mayoría de los sistemas complejos son caóticos, y estos exhiben conductas extrañas

asociadas con límites o campos que no pueden ser representados en dimensiones

enteras.

3. Lo sistemas dinámicos pueden ser representados en series de tiempo y sus

dimensiones son importantes si se busca estudiarlos

4. Los fractales son escalables, esto es, se puede reducir o ampliar su análisis para

observar detalles, mientras que las formas básicas se conservan


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

11

2009

PRIMEROS INDICIOS

Una de los métodos en boga en la actualidad para explicar los cambios aparentemente

aleatorios de las variables económicas, corresponde a la teoría de caos, según esta teoría

plantea que existen evidencias para pensar que los agentes económicos asumen conductas

que se reflejan en las variables macroeconómicas de manera parecida a procesos caóticos, los

cuales pueden ser explicados usando modelos no lineales. Pero el interés de los economistas

por la teoría de caos no es reciente, comenzó a finales de los años 1980, más de veinte años

después del establecimiento de esta teoría por Lorenz en 1963. El primer trabajo en llamar la

atención de los economistas sobre la teoría de caos fue el de Broca (1986), quien examinó las

cifras trimestrales del producto nacional bruto de los Estados Unidos, del 1947 al 1985,

pudiendo percatarse de una no linealidad manifiesta.

En este mismo sentido la teoría del caos presenta una interesante perspectiva desde el punto

de vista económico, principalmente en la explicación de fenómenos que aparentan tener un

comportamiento desordenado. Detrás de ese aparente desorden, existe una dinámica que

puede ser explicada usando apropiadas técnicas matemáticas y estadísticas, propias de esta

teoría. En sistemas dinámicos como los económicos, los cuales cambian constantemente en el

tiempo, cambios minúsculos en un momento dado, pueden ser los causantes de grandes

consecuencias en un futuro.

Dado que la hipótesis de caos dentro del sistema

económico no ha sido comprobada, se podría argumentar

que de encontrarse caos en las variables económicas no

provocarían tal comportamiento de la economía de forma

intencional. De haber evidencia de caos en la economía,

esto implicaría la falta de seguridad en la predicción del

comportamiento de las variables económicas (Llaugel,

2005). El concepto que prevalece es que el caos en

principio, por ser aparentemente desordenado, es

impredecible su evolución. Por otro lado, al ser determinístico, y gobernado por sistemas de

ecuaciones no lineales, debe ser posible su predicción y control una vez que se conocen las

relaciones matemáticas de las variables que lo influyen. Diversos estudios han demostrado que

un proceso caótico aunque es impredecible, es controlable. Se explica a continuación un

ejemplo ilustrativo de la presencia y aplicación del caos como puede ser el estudio de la

psicología en el mercado, donde es conocido que la gente con frecuencia reacciona en exceso

frente a las malas noticias. Toffler, también da el ejemplo de una gran conmoción internacional

que se produjo como consecuencia de un hecho fortuito donde un camarero de un barco vio


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

12

2009

cómo unas personas limpiaban armas (se trataba de guerrilleros que iban a cometer un

atentado importante).

LINEALIDAD Y NO LINEALIDAD EN ECONOMÍA

El descubrimiento de nuevos resultados fundamentales en dinámica no lineal y su rápida

difusión han proporcionado a la economía herramientas de análisis y el enfoque necesario

para abordar con mayor rigor matemático algunos de los difíciles problemas relacionados con

la inestabilidad y las fluctuaciones. Existe un consenso amplio entre los economistas acerca de

la enorme dificultad presente a la hora de explicar los ciclos económicos, de hecho, a lo largo

de los dos últimos siglos se han propuesto multitud de modelos que intentan describir este

comportamiento.

Las nuevas realidades exigen un nuevo enfoque metodológico en el que el mundo y la

organización económica ya no sean considerados bajo el aspecto del orden y en el que

desaparezca la fe ciega en la predecibilidad del sistema. Bajo esta nueva perspectiva el ‘todo’

es distinto que la mera suma de las partes de acuerdo con el principio holístico, y los pequeños

errores se ven amplificados con el cambio y las innovaciones en el tiempo Para entender de

forma clara lo que este nuevo enfoque supone, resulta interesante hacer hincapié en una serie

de ideas interrelacionadas que son especialmente relevantes:

La no linealidad supone una condición necesaria pero no suficiente para la presencia

de comportamiento complejo en un sistema dinámico determinista. El abandono de la

linealidad supone que ya no funciona la localidad temporal y espacial.

La inestabilidad del equilibrio no significa necesariamente la explosión del sistema sino

la apertura a modos de comportamiento más interesantes y complejos que los

equilibrios y ciclos estables que permiten los modelos lineales en economía.

La complejidad de los sistemas no lineales exhibe ‘saltos’ cada vez que se incrementa

su dimensión en una unidad. Incluso sistemas no lineales de baja dimensión pueden

tener soluciones lo bastante complejas como para justificar la aplicación de los

métodos estadísticos de la teoría del caos.

De todas estas consideraciones se deduce claramente la dicotomía “linealidad” frente a “no

linealidad”. Este es un tema especialmente importante en la economía puesto que, salvo en la

década de los cincuenta marcada por el uso de los modelos no lineales, durante la mayor parte

de la historia del pensamiento económico, y debido a que su consolidación como ciencia

coincide con la época en la que está en auge la visión del mundo determinista y el paradigma

newtoniano (3) en la física que era considerada como la ciencia exacta por excelencia, han

predominado los modelos lineales. Esta visión del mundo económico supone que una

economía puede describirse por medio de relaciones funcionales lineales o cuasi-lineales y que

todos los efectos de las no linealidades son considerados como irregularidades con respecto

del comportamiento cualitativo de un sistema lineal, analizándose sólo las que pueden ser


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

13

2009

aproximadas por sistemas lineales. No obstante, como señalan Barnett y Choi los supuestos de

linealidad frecuentes en los modelos económicos rara vez se han considerado como inherentes

a la teoría económica sino como aproximaciones locales simplificadoras.

Aparece así la economía como repleta de fenómenos dinámicos que van desde catástrofes del

mercado bursátil hasta las externalidades de red presentes en los mercados virtuales. Además,

no parece irrazonable esperar mecanismos no lineales en el sistema económico. Sino más bien

en opinión de Day resulta bastante apropiado para modelizar el comportamiento de la

economía y enumera una serie de hechos que justifican en cierto modo esta pretensión:

1. Los precios de los bienes y las cantidades fluctúan con período y amplitud irregular.

2. Los indicadores agregados que representan la economía, exhiben también

fluctuaciones irregulares.

3. El crecimiento económico no sigue una tendencia continua, sino más bien una con

tasas de cambio fluctuantes.

4. La economía presenta ondas solapadas de consumo, tecnología y organización.

5. El desarrollo económico agregado es un fenómeno inestable y explosivo cuando se

mide en una escala temporal bio-astronómica.

De todas estas afirmaciones se llega a una conclusión de vital importancia para la construcción

de la ciencia económica y es que hay poca evidencia de que los datos económicos converjan a

estados estacionarios, a un crecimiento uniforme o a ciclos periódicos. De hecho, estos

comportamientos parecen ser de carácter temporal y siempre son interrumpidos. Se aborda

así el estudio de la economía del no-equilibrio y de la no-linealidad, el análisis de la

complejidad y los modelos de auto organización, en los que el caos y la aleatoriedad

evolucionan de forma espontánea hacia un orden insospechado. Además, con la teoría del

caos la economía dispone de una doble alternativa para la modelización de las fluctuaciones

económicas; ya sea a través de la dinámica endógena o de un “shock” exógeno.

COMPLEJIDAD Y ECONOMÍA

La complejidad, al igual que otros términos como son el caos, el auto organización, el

desorden, etc., constituye un concepto de gran relevancia en el nuevo enfoque epistemológico

que se está desarrollando en estos tiempos. Fernández Díaz indica que los sistemas complejos

presentan con frecuencia propiedades de auto organización de una manera espontánea en el

sentido de que tienden a evolucionar hacia comportamientos ordenados, y de que responden

a pautas constantes y sencillas. Además, la complejidad de las redes encierra rizos de

alimentación no lineal positivos que conducen al sistema hacia zonas de inestabilidad limitada

que exhiben un alto grado de flexibilidad y creatividad.

La investigación en las ciencias de la complejidad, tal y como indica Gell-Mann, no sólo intenta

desentrañar el significado de lo simple y lo complejo, sino también las semejanzas y diferencias

entre los sistemas complejos adaptativos (es decir, dinámicos) que están implicados en

procesos tan diversos como la evolución de las sociedades humanas o el comportamiento de

los inversores en los mercados financieros.


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

14

2009

Los sistemas económicos pueden considerarse sistemas complejos adaptativos. Así, por

ejemplo los inversionistas pueden hacer uso de diferentes esquemas elementales basados en

la historia de los precios de las acciones generándose fluctuaciones en los precios. Estas

fluctuaciones surgen de un modelo evolutivo que trata con agentes que distan de la perfección

pero que intentan mantenerse informados. Esta versión de los sistemas económicos está en

estrecha relación con el concepto de los sistemas dinámicos evolutivos de Prigogine y la

relación causa-efecto.

Para Prigogine la realidad tiene un carácter puramente evolutivo e irreversible, esta

descripción evolutiva de la realidad está asociada con la entropía. No obstante, la

irreversibilidad ya no se asocia sólo a un aumento del desorden, por el contrario, los

desarrollos más recientes de la dinámica del no-equilibrio muestran que aquella puede

conducir a la vez al desorden y al orden.

Así pues, son los procesos irreversibles alejados del equilibrio los causantes de que la

naturaleza realice sus estructuras más delicadas y complejas existiendo una fuerte relación

entre la complejidad y la flecha del tiempo. Para Prigogine resulta necesaria la nueva

formulación de la dinámica que presenta la teoría del caos para describir el mundo como una

realidad de fluctuaciones, bifurcaciones, asimetrías e inestabilidades en todos los niveles. Los

sistemas estables conducentes a certidumbres corresponden a idealizaciones.

Esta nueva visión, señala que en la economía al ir emergiendo nuevos valores y realidades, se

han producido rupturas de simetría que obligan a crear formas de organización distintas para

los nuevos niveles de complejidad de los que emanan nuevas propiedades para los que serán

necesarios nuevos planteamientos.

LA PLANIFICACIÓN ECONÓMICA

Considerando que la economía estudia las relaciones entre la adquisición, la distribución y el

uso racional de recursos escasos y de los sistemas que las personas usan para llevar a cabo

estas relaciones, existiendo además relaciones entre el análisis ético y el análisis económico

que no se pueden obviar, entre estas está la importancia de la equidad y de la eficiencia en la

asignación de recursos y al igual que en varias otras disciplinas, en la economía se trata

básicamente de entender y explicar fenómenos, relaciones o leyes generales (la teoría) y

aplicar estos entendimientos a la solución de problemas prácticos, como por ejemplo la

eficacia de una política económica aplicada por un gobierno cualquiera.

Por otro lado, si se toman en cuenta los encadenamientos entre las empresas y sus efectos

sobre el empleo, la tecnología, la equidad y la localización geográfica, entonces la importancia

relativa de las PyMEs -que podía no ser tan determinante en sí- adquiere implicaciones mucho

mayores. En efecto, surge una cuestión de equidad respecto a la distribución del ingreso,

respecto a la distribución regional/espacial y respecto a la propiedad y la toma de decisiones.

También surge una cuestión respecto a la capacidad nacional o local de creación de

conocimientos propios, de investigación y de adaptación de tecnologías en distintos puntos de

la trama de relaciones insumo-(servicios)-producto. Todo lo anterior sujeto al comportamiento


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

15

2009

de un sistema dinámico, no lineal y complejo que dificulta la capacidad de planificar y

anticiparse a sus problemáticas, lo que obliga a considerar que las perspectivas de desarrollo a

largo plazo, bajo estas condiciones, debieran ser miradas con máximo cuidado.

Si la teoría del caos está presente o no en la planificación económica y sus resultados es una

pregunta que muchos gobernantes no quisieran hacerse. Sin duda que en muchos planes de

desarrollo como los que tienen que ver con el desarrollo económico territorial, la formación de

clúster o encadenamientos productivos pueden representar solamente un espejismo ya que se

puede pensar que los factores que contribuyen al desarrollo económico territorial estarían

gobernados por la teoría del caos, lo que explicaría el fracaso de las políticas públicas en

muchos lugares del mundo.

Significa esto que debemos dejar de planificar, de ninguna manera, eso sería restarle la

posibilidad al ser humano de mejorar su entorno y su condición de vida, más bien debemos

saber reconocer cuando el caos y la complejidad están presentes y como enfrentar este

escenario de la mejor manera posible. Otra forma es crear escenarios que sean favorables

donde existan más posibilidades de que se produzca el efecto mariposa en una dirección

deseada que en una dirección no deseada.

Bajo estas condiciones (no linealidad y complejidad) si un fenómeno económico no puede

predecirse, ello puede deberse en principio y como mínimo a una de tres razones:

a. La realidad es puro azar, y no hay leyes que permitan ordenar los acontecimientos. En

consecuencia: resignación, propio de mercados bursátiles agitados, crisis sociales o

políticas que afectan la economía, procesos de devaluación o conflictos militares.

b. La realidad está totalmente gobernada por leyes causales, y si no podemos predecir

acontecimientos es simplemente porque aún no conocemos esas leyes. En

consecuencia será cuestión de tiempo, recursos y trabajo para descubrir las leyes que

rigen ese fenómeno en particular.

c. En la realidad hay desórdenes e inestabilidades momentáneas, pero todo retorna

luego a su cauce determinista. Los sistemas son predecibles, pero de repente, sin que

nadie sepa muy bien porqué, empiezan a desordenarse y caotizarse (periodo donde se

tornarían imposibles las predicciones), pudiendo luego retornar a una nueva

estabilidad. En consecuencia: empezar a investigar por qué ocurren estas

inestabilidades, porqué el orden puede llevar al caos y el caos al orden y,

eventualmente, si pueden crearse modelos para determinar, un poco

paradójicamente, si dentro del mismo caos hay también un orden.

Por otra parte, mientras los sistemas abiertos evolucionan caóticamente, las influencias

externas acentúan ese caos hasta un punto culminante, llamado punto de bifurcación, donde

el sistema deberá optar por retornar al equilibrio, o reorganizarse en una estructura y un

equilibrio superiores. Ejemplo de esto es que la propaganda extranjera o una alteración en las

tasas cambiarias mundiales (influencias externas) deberían producir un impacto interno mucho

mayor en una sociedad inestable o desequilibrada que en otra en equilibrio. Por lo demás,

como esas pequeñas entradas pueden causar grandes efectos, no debería sorprendernos que

una influencia insignificante provoque una reacción enorme en esa sociedad. También debería

ocurrir que, al generar esa influencia más inestabilidad aún, la sociedad termine a la larga por


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

16

2009

reestructurarse ingresando en un nuevo ordenamiento (tal vez, económicamente la posibilidad

de acceder al Primer Mundo).

CAOS EN LOS MERCADOS BURSÁTILES

Las bolsas de comercio son simbólicamente los barómetros de la economía y si como ya vimos

la economía tiene un comportamiento complejo y caótico, lo mismo podemos esperar de los

precios de los activos tranzados al interior del mercado bursátil. Si Albert Einstein tuviera razón

cuando acuño la famosa frase “Dios no juega a los dados”, los precios accionarios solo

seguirían su propia dinámica. Es decir, evolucionan de acuerdo a un patrón conocido. Si

observamos las gráficas de la evolución de distintas acciones, a primera vista, pareciera que se

comportan de forma errática, sin un patrón reconocible. No obstante, si analizamos la

información contenida en los precios históricos, podríamos conocer este patrón y predecir cuál

será su comportamiento futuro. A lo menos, en el corto plazo, no cabe duda que la Teoría de

Caos está presente. La información más insignificante a veces puede ocasionar un efecto

mayúsculo y posiblemente grandes ganancias o pérdidas para un inversionista o toda la

economía de un país, en este caso no cabria dudas que se trataría del mencionado efecto

mariposa.

La implicancia teórica de contrastar un comportamiento caótico

en los mercados bursátiles radica en que la información que

se va incorporando a los precios accionarios (cambio de

directores, anuncio de aumento de dividendos, etc.) no es

externa sino que es propia de la dinámica interna del

mercado y está reflejada en los precios. Es decir, sería

posible determinar cuál es la evolución de un activo

financiero. Evidenciar este comportamiento en series

financieras justifica que Bancos, Administradoras de Fondos de

Pensiones, Fondos de inversión y otros inversionistas busquen técnicas y modelos, basados en

este nuevo paradigma, que les permitan obtener una mayor eficiencia en la administración de

sus portafolios.

Por último, el desafío actual para los investigadores y economistas, radica en demostrar que la

Teoría de Caos, que propone un corte transversal en la historia de la búsqueda de modelos

para predecir la evolución de precios accionarios, puede no solo mejorar los pronósticos sino

que, además, permitiría a los mercados accionarios tener mayor profundidad y liquidez. Dos

características más que deseadas, necesarias hoy en día para plantearse nuevos modelos de

desarrollo y crecimiento económico, cuando el modelo actual pareciera por momentos no

ofrecer respuesta adecuada a la problemática presente que contrapone el desarrollo

económico y la sustentabilidad del medio. La idea que está detrás de este planteamiento es la

de dinamizar y profundizar la desagregación de la economía en respuesta a su posible

estancamiento y desaceleración.


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

17

2009

DE MANERA PRACTICA

Uno de los trabajos seminales y que dieron a conocer de manera general la teoría de caos, fue

el de James Gleick (1987), donde este expone los trabajos iniciales de E. Lorenz, y en el cual se

argumenta la importancia de las condiciones iniciales, a través de “El efecto Mariposa”, donde

dice que las condiciones del clima en Japón, por ejemplo, pueden ser afectadas por el batir de

las alas de una mariposa en California.

Esto apunta a que un proceso caótico es tan sensible a las condiciones iniciales, que un cambio

minúsculo de las mismas puede producir efectos enormes en el sistema. El Dr. Lorenz (1963)

fue el primero en probar esto, por error, al correr varias veces un modelo computarizado de

simulación del clima y observar las enormes diferencias que se producían al hacer cambios

minúsculos en las condiciones iniciales del modelo.

Prueba de Dimensión de Correlación

Este método fue desarrollado por Grassberger y Procaccia (1983). También llamado el

exponente de correlación. La idea básica del algoritmo es remplazar el algoritmo box-counting

necesario para computar la dimensión Fractal, con la medida de la correlación entre puntos de

una larga serie de tiempo en el “Attractor”, dado que la dimensión de correlación es

probabilística, no una métrica.

Para explicar la prueba de la dimensión de correlación, comencemos definiendo una serie de

tiempo unidimensional txn

t 1la cual puede estar incluida dentro de serie m dimensional

121 ,...,,,'

mttttX xxxxt dando la serie tx

n

mt. El valor seleccionado de m

se le llama dimensión incluida y cada tx se conoce como una m-historia de la serie txn

t 1.

Esto convierte la serie de escalares en una serie más corta de m-dimensional vectores con

entradas solapadas. En particular de una serie de n elementos, se pueden sacar N=n-m+1 m-

historias.

La prueba de dimensión de correlación se basa en la función de correlación C(N,m,ε), la cual,

para una dimensión incluida m está dada por:

Nstm

st XXHNN

mNC )()1(

1),,(

Donde ε es un número suficientemente pequeño, H(z) es la función Heavside que tiene la

siguiente forma:


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

18

2009

0

0

1

0

)(

z

z

si

si

zH

En otras palabras, la función de correlación es el número de pares (t,s) tal que Xt y Xs están

cerca uno de otro una distancia definida por ε. Así que, C(N,m,ε) mide la probabilidad de que la

distancia entre dos entradas cualquiera de la m-historia sea menor que ε. Si C(N,m,ε) es

grande (es decir cerca de 1) para un valor pequeño de ε, entonces la serie puede estar muy

correlacionada.

Para moverse de la función de correlación a la dimensión de correlación, se investiga como

C(N,m,ε) cambia al cambiar ε. Se esperaría que C(N,m,ε) se incrementara al aumentar ε. De

hecho Grassberger y Procaccia (1983) demostraron que para valores pequeños de ε, C(N,m,ε)

crece exponencialmente a una tasa Dc tal que:

DcemNC ),,(

Donde η es una constante y Dc es la dimensión de correlación. Si el incremento en C(N,m,ε) es

bajo a medida que ε aumenta, entonces la mayoría de los puntos en la serie están cercanos

unos de otros y la serie está bien correlacionada. Entonces, a mayor dimensión de correlación,

está menos correlacionada la serie de tiempo, lo que indica que el sistema se comporta de

forma estocástica. Por otro lado, a menor dimensión de correlación, (a menor incremento en

C(N,m,ε) a medida que ε aumenta) la data está más correlacionada, por lo que el sistema es

más determinístico, aunque más complicado. Por lo tanto, la dimensión de correlación puede

ser definida como:

log

),,(loglim

0 d

mNCdDc

Al investigar el valor estimado de Dc a medida que m se incrementa, si Dc aumenta el sistema

es estocástico. Sin embargo, si la data es producida por un proceso determinístico con

comportamiento caótico, entonces Dc llega a un límite finito de saturación más allá de un valor

de m relativamente pequeño. Lo que indica que la dimensión de correlación puede emplearse

para distinguir un proceso totalmente aleatorio de uno caótico determinístico.

A pesar de esto, si la dimensión de correlación es muy grande, como en el caso de caos

altamente dimensionado, será muy difícil estimarla sin una gran cantidad de datos. Ruelle

(1990) argumenta que una serie caótica sólo puede ser distinguida si tiene una dimensión de


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

19

2009

correlación por debajo de 2 log10 N, donde N es el tamaño de la muestra. Esto sugiere que con

series de tiempo de variables económicas, la dimensión de correlación sólo puede distinguir

caos de baja dimensión de procesos estocásticos de altas dimensiones.

Prueba BDS

Motivado por las desconocidas propiedades de muestreo de la prueba estadística de la

dimensión de correlación, Brock, Dechert, LeBaron y Scheinkman (1996) desarrollaron otra

prueba estadística la cual se conoce como la prueba BDS. Esta prueba compara la hipótesis

nula de que no hay procesos caóticos, contra una alternativa no especificada, usando una

técnica no paramétrica.

El estadístico BDS está basado en la función de correlación discutida anteriormente, y es:

),,(

),,(),,(

),1,(

mN

CmNCNmNW

Nm

donde ),,( mN

es un estimador asintótico de la desviación estándar de

),1,(),,( Nm

CmNC . El estadístico BDS es asintóticamente estándar y normal bajo la

hipótesis nula de que no hay caos.

Prueba NEGM

La herramienta más importante para el diagnóstico de la presencia de dependencia sensitiva

en las condiciones iniciales, está provista por el exponente de Lyapunov, λ, y esa dependencia

sensitiva es la característica principal de Caos. Este exponente mide el promedio de la

divergencia exponencial entre trayectorias que difieren en las condiciones iniciales en una

cantidad infinitesimal. Exponentes Lyapunov positivos es una definición operacional de caos.

Uno de los primeros métodos para el cálculo del exponente Lyapunov dominante es el provisto

por Wolf, Swift, Swinney y Vastano (1985). Este método requiere largas series de tiempo y es

sensitivo al ruido dinámico, de modo que puede producir un valor inflado del exponente

Lyapunov. Nychka, Ellner, Gallart y McCaffrey (1992) propusieron un método de regresión

(NEGM), usando redes neuronales para probar la positividad del exponente de Lyapunov

dominante.

Asumamos que la data tx son valores reales generados por un modelo no lineal

autoregresivo de la forma tmLtLtLtt exxxfx ,...,, 2 para 1≤t≤N, donde L es un

parámetro de rezago en el tiempo y m es la longitud de la autoregresión. Entonces f es una

función de suavización desconocida, y te es una secuencia de variables aleatorias

independientes con media 0 y varianza constante desconocida. La prueba NEGM estima el

máximo exponente Lyapunov produciendo una representación espacio-estado de la ecuación

tmLtLtLtt exxxfx ,...,, 2 , tal que:


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

20

2009

tLtt EXFX )( mm RRF :

Donde ',...,, LmLtLttt xxxX , ',...,,,..., LmLtLtmLtLtLt xxxxfXF y

'0,...,0,tt eE . El procedimiento utiliza un método basado en jacobianos para estimar λ a

través de la estimación individual de las matrices jacobianas:

'X

XFJ t

t

Las derivaciones propuestas por Nychka et al. (1992) dan el estimador del exponente de

Lyapunov en la siguiente ecuación:

NN

1log2

1

donde N

1 es el mayor “eigenvalue” de la matriz

NT , donde

121 ,..., JJJJT NNNN .

El inverso del exponente lyapunov es un indicador de la duración del período de tiempo en que

se puede hacer una predicción con cierto grado de certeza.

¿Cual Prueba escoger?

Las tres pruebas antes descritas sirven para detectar la presencia de caos en una serie de

tiempo. Unas requieren de una cantidad enorme de información, como es la del exponente

Lyapunov (NEGM), donde se hace la selección a partir del cálculo de varios exponentes y

eligiendo el mayor de ellos. Otras son estimaciones de parámetros estadísticos (BDS) y aunque

la contundencia de los resultados de la misma, no es tan buena como la del exponente

Lyapunov. Requiere de menos información para su cálculo.

La prueba de dimensión de correlación es la más sencilla de aplicar y usaremos la misma para

estudiar la presencia de caos en las series de tiempo de la variable financiera del ejemplo

siguiente.

EVALUACIÓN DE CAOS EN VARIABLES FINANCIERAS

El estudio de Barnett y Serletis (2000) indica que ha sido más frecuente el hallazgo de caos en

variables financieras que económicas. Las razones de esto ya fueron explicadas anteriormente,

y por lo tanto se ha escogido la tasa de interés activa que cobran los Bancos Comerciales y de

Servicios Múltiples a los préstamos, para tratar de verificar la existencia o no de caos en el

movimiento de la misma.

Las cifras que aparecen en la tabla 1 del anexo, fueron tomadas de los boletines que publica el

Banco Central de la República Dominicana, y las cuales también se encuentran en el sitio de

Internet www.bancentral.gov.do.

http://www.bancentral.gov.do/


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

21

2009

Champ y Freeman (2001) en su libro sobre Modelamiento de Economías Monetarias, en el

capítulo 6 hace una breve exposición de un modelo matemático que explica el

comportamiento de la tasa de interés nominal de los bancos en función de las expectativas de

inflación. La predicción de la tasa nominal de interés ajustada a la tasa de inflación es llamada

el Efecto Fisher en honor a Irving Fisher, economista americano de principios del siglo XX.

Dentro de las complejidades del sistema económico, lo que indica el efecto Fisher es que

debería haber una tendencia para que la tasa de interés nominal se mueva junto a la tasa de

inflación esperada, pero debido a cambios bruscos en la tasa de interés real, es de esperarse

una diferencia variable entre la tasa de interés nominal y la tasa de inflación.

Pero además de la tasa de inflación anticipada, hay otros factores que influyen en el valor de la

tasa de interés activa nominal, entre esos factores se pueden mencionar, la competencia, la

tasa de rentabilidad esperada por los intermediarios financieros, el destino de los préstamos,

la política Monetaria del Banco Central, la abundancia de dinero en la economía, etc. Esto hace

que el modelo explicativo para la tasa de interés pueda ser de una complejidad apreciable. Si a

esto le agregamos el factor especulativo, el modelo se complica aún más.

Si todos estos factores afectan de manera natural el comportamiento de la tasa de interés, es

de esperarse que un proceso caótico sea el causante de que las tasas se ajusten de forma

automática. De no poder demostrarse la presencia de un sistema caótico, entonces habría

razones para pensar que fuerzas no naturales son las causantes del comportamiento de esa

variable financiera.

Recordemos la ecuación de la función de correlación:

Nstm

st XXHNN

mNC )()1(

1),,(

Del estudio de la variación de C(N,m,ε) a medida que cambia ε se podrá demostrar la presencia

de caos. Se debe hacer un análisis de sensibilidad cambiando los valores de ε. Para los datos de

la Tabla 1, usaremos N=131, m=1, 1≤s-t≤3 y 0.1≤ε≤4.2. En la tabla 2 del anexo se resumen los

resultados. Es notorio como la función de correlación tiene un comportamiento similar para

los tres escenarios mostrados donde la diferencia entre uno y otro, es el rezago (t-s) utilizado

en el cálculo de C(N,m,ε).

De acuerdo con estos autores si el incremento en C(N,m,ε) es bajo a medida que ε aumenta,

entonces la mayoría de los puntos en la serie están cercanos unos de otros y la serie está bien

correlacionada. Para este ejemplo, el incremento de ε es constante 0.1, mientras que los

incrementos de C(N,m,ε), para s-t = 1, son decrecientes desde 0.000822 hasta 0. Para s-t = 2 y

s-t = 3, los incrementos máximos respectivos fueron de 0.000656 y 0.000545. Los detalles de

este cálculo se pueden ver la Tabla 3 del anexo.

Los resultados de la prueba se ven reforzados ya que se cumple con la relación planteada por

Ruelle (1990) de que la dimensión de correlación debe estar por debajo de 2*Log10 N, es decir

2*Log10 131= 4.2345, lo cual se cumple cabalmente en los tres escenarios del estudio.


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

22

2009

Los resultados del análisis indican que en la serie de tiempo estudiada correspondiente a las

tasas de interés activas nominales promedio de los Bancos Comerciales y de Servicios

Múltiples, hay una evidente correlación entre los valores observados, indicador esto de que

estamos en presencia de un proceso caótico para la fijación de dichas tasas, el cual es

determinístico y complejo.

De acuerdo con Beker (1998), el inverso de la dimensión de correlación es la longitud máxima

de períodos de tiempo en que se pueden hacer pronósticos con cierto grado de certeza. Para

este caso sería 1/0.606 .2

Este hallazgo reviste gran importancia ya que parece paradójico que estas tasas estén

determinadas por un proceso caótico, ya que los Bancos Comerciales son relativamente pocos

(menos de 15 durante el período de estudio) y lo más lógico sería pensar que estas tasas se

fijan en base a acuerdos oligopólicos. La demostración de la prueba de Dimensión de

Correlación dice lo contrario.

ANALISIS ESTADISTICO DE LA TASA DE INTERES ACTIVA

En el entendido de que se ha demostrado la existencia de un proceso caótico en la serie de

tiempo que ha desarrollado la tasa de interés nominal activa mensual promedio durante los

últimos 131 meses, procederemos a hacer un análisis estadístico a los datos del estudio, para

determinar un modelo de pronóstico del mismo y sabiendo cual es el horizonte de planeación

factible, proyectar el valor de la tasa de interés.

El primer paso para el análisis de la serie, es hacer un gráfico de la misma, en la Figura 1 del

anexo se puede ver el comportamiento gráfico de los datos. De la gráfica podemos apreciar

que al parecer hay un componente estacional en la serie con una leve tendencia.

Siempre usando estacionalidad de 12 meses, se procedió a hacer varias pruebas estadísticas a

los datos ajustando varios modelos de pronóstico usando MINITAB. La bondad de cada uno de

los modelos puede ser apreciada a partir de los siguientes parámetros, que mientras más

pequeños, mejor:

MAPE: Mean Absolute Persentage Error

MAD: Mean Absolute Deviation

MSD: Mean Squared Deviation

A continuación los diferentes métodos de ajuste:

Método de Descomposición.

Para todas las pruebas se extrajo una sección de los datos tomando los primeros 121

elementos de la serie para ajustar el modelo, y los últimos 10 para probar que tan bueno fue el

pronóstico. Para hacer el experimento más interesante, se hizo siempre un pronóstico de los

próximos 20 elementos de la serie.

MAPE: 8.93799 MAD: 2.40895


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

23

2009

MSD: 8.13115

Método de Promedio Móvil.

Para el ajuste de la serie usando este método, se escogió un promedio movíl de los dos últimos

períodos. Los resultados de los parámetros de evaluación son:

MAPE: 3.33301

MAD: 0.90672

MSD: 1.39726

Método de Suavizamiento Exponencial Simple.

Usando un valor de 1.110 para el factor de suavizamiento , los parámetros de evaluación

fueron:

MAPE: 2.85745

MAD: 0.78127

MSD: 0.96661

Método de Winter.

Este método usa el procedimiento de Holt-Winter de suavizamiento exponencial y provee

pronósticos adecuados de corto y mediano plazo. Este método es muy útil cuando hay

evidencia de tendencia y estacionalidad en los datos. Los resultados para este método fueron:

MAPE: 7.54213

MAD: 2.08997

MSD: 6.31373

Método ARIMA.

ARIMA ajusta un modelo de Box-Jenkins a la serie de tiempo. ARIMA quiere decir

Autoregressive Integrated Moving Average. El modelo ARIMA ajustado es un AR(1) con

promedio movíl de 2. El MSE resultante fue de 0.8425.

Comparación de Métodos.

Según los parámetros estadísticos de comparación, los mejore ajustes los producen los

métodos de ARIMA y Suavizamiento Exponencial Simple. En la tabla 4 del anexo, podemos ver

los pronósticos producidos por cada uno de los métodos y valores observados reales. También

en las Figuras 5.1 a 5.5 se ven gráficamente los pronósticos de cada uno de los métodos.


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

24

2009

¿CAOS O GLOBALIZACIÓN?

La Globalización es un proceso histórico que ha resultado de la innovación humana y el

progreso tecnológico. Se refiere a la extensión de los mercados por sobre las barreras

fronterizas de cada país. Además es un proceso de alta integración de las economías alrededor

del mundo particularmente a través del comercio y los flujos financieros.

La Globalización y la Seguridad Internacional

En la última década, el mundo se ha transformado en un fenómeno de estudio cada vez más

imprevisible y más violento, especialmente luego de los atentados del 11 de septiembre de

2001, ningún país es seguro, nadie está a salvo. Ahora bien, ¿Cuál o cuáles fueron las causas o

la situaciones iniciales que dieron origen a estos acontecimientos?, de acuerdo a lo conversado

y analizado en el Diplomado de RRII, las causas fueron principalmente la pérdida de control de

los Estados, el constante aumento de las víctimas civiles en los conflictos armados y la

proliferación de armas de destrucción masiva. Además se nos ha mostrado como Asia se ha

transformado en la región una línea pero algo menos que un plano. Sin embargo, no

solamente se piensa que estos objetos existen, si no que dicha geometría es fundamental para

la teoría del caos, más preocupante debido a las numerosas rivalidades entre naciones vecinas

dotadas de armas nucleares.

Entonces se nos presenta la incertidumbre de cuál será el desenlace final en dicha región,

cuestión que además mantienen a la defensiva a las grandes potencias, principalmente porque

ellas no aprovecharon los primeros años posteriores a la guerra fría para construir un nuevo

orden internacional. Concentradas en sus problemas internos, nunca se colocaron de acuerdo

en la elaboración de una política de seguridad colectiva. La globalización ha posibilitado la

conexión entre distintos lugares del planeta, pero también ha restringido la capacidad de

regulación de los Estados. Ahora esparcir armas es tan sencillo como diseminar información. La

otra cara de la globalización es la aparición de formas inéditas de terrorismo ligadas al mundo

musulmán. Son organizaciones con estructuras, métodos y blancos novedosos. Sus estrategias

buscan únicamente la destrucción. El 11 de septiembre no sólo simboliza la violencia y el

desorden de estos tiempos, también indica el nacimiento de esta "política del caos".

Globalización ¿Caos Económico?

El fenómeno de la Globalización supone profundos cambios que están afectando a principios

científicos que reclaman nuevos modelos, métodos y estrategias de gestión de la economía y

de las finanzas. La gestión convencional acusa una falta de ajuste con las realidades y valores

emergentes de la nueva economía global. Las tensiones, inestabilidad y turbulencias que

caracterizan los sistemas reales, han generado una crisis de credibilidad sobre la predicción y el

control de esas realidades que obliga a introducir nuevos modelos de pensamiento científico.

La teoría del caos, basada en principios de globalidad, de “no equilibrio” y de inestabilidad


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

25

2009

interna, proporciona modelos y técnicas para su estudio. La nueva economía se sitúa en

entornos abiertos de ámbito mundial donde se generan procesos complejos como el

Globalismo y la Globalización que plantean problemas de gestión y control. La mundialización

aparece en un sentido espacial, como “aldea global”, espacio mundial que ha devenido en

“entorno de entornos” de todos los sistemas. Como “entorno de entornos”, la mundialización,

la globalidad, significa el fin de los espacios cerrados y la vigencia de un nuevo espacio y de una

nueva sociedad mundial, es decir, pluralidad sin unidad. Es en este nuevo ámbito donde

surgen los nuevos fenómenos culturales, sociales, políticos, económicos y científicos que dan

lugar a procesos más o menos complejos.

En esta nueva realidad, al quedar el intercambio de

monedas regulado por normativas nacionales se ha

generado un mercado continuo con un elevado grado de

concentración y potentes operadores, capaces de

doblegar la voluntad de los bancos centrales. Así al

integrar en los mercados financieros economías locales

con distinto grado de flexibilidad y disciplina

económica, estamos ante un sistema de no equilibrio

que permite anticipar un clima de inestabilidad. En

esta situación, el deseable mantenimiento de tipos de cambio estables, nos sitúa en una

economía de no equilibrio, sometida a correlaciones macroscópicas, y, por tanto, expuesta al

efecto mariposa. En lo global, los mercados no tienen límites geográficos. Es destacable la

gestión financiera en la que la reflexividad en los mercados financieros hace que el futuro que

intentan prever los decisores dependa de sus propias decisiones. Este aspecto es uno de los

factores sugestivos de la llamada gestión del caos. Teoría que permite anticipar climas de

inestabilidad que nos indican los límites de predicción. La información que sirve de base para

esa predicción, al estar contaminada por las decisiones de los actores, se convierte en una

variable endógena, de forma, que el propio gestor crea el futuro, a diferencia del gestor

financiero convencional que intenta predecirlo mediante una información exógena. Así mismo,

la actuación de las autoridades monetarias, fundamentadas en estrategias de la economía del

equilibrio y con la información exógena desfasada, contribuye a esa inestabilidad y al

alejamiento del equilibrio favorable al escenario que en la teoría del caos se denomina

“inestabilidad limitada”. Nos encontramos ante perturbaciones e información endógenas que

emanan del propio sistema, tal como sostiene la teoría del caos. Se trata de un mercado

bursátil que, aunque alejado del equilibrio interno, puede estar en equilibrio o próximo al

equilibrio con su entorno económico global. Ello demanda gestiones capaces de rentabilizar

esa inestabilidad limitada. En el ámbito de la economía global todo es endógeno. En esta

nueva realidad se requerirán nuevos métodos de análisis que contemplen los nuevos aspectos

globales en todos sus ámbitos.

Globalización ¿Caos Cultural?

El planeta donde vivimos está caracterizado por su biodiversidad, constituida por una inmensa

variedad de formas de vida, desarrolladas desde hace millones de años. La defensa de esta

biodiversidad, nos parece indispensable a la sobrevivencia de los ecosistemas naturales, que

forman la base de los "ecosistemas culturales", compuestos de un mosaico complejo de


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

26

2009

culturas que, también necesitan de la diversidad para preservar el patrimonio biológico y

cultural de las generaciones futuras. Este eje, entre naturaleza y cultura y su preservación es

fundamental para nuestra sobrevivencia. Es en esta diversidad que se encuentra la riqueza de

nuestra humanidad.

Si nos remontamos a la época de las Cruzadas y las posteriores expediciones portuguesas,

españolas y europeas al final del siglo XV, que permitieron el descubrimiento de América y los

procesos de evangelización que le siguieron, se podría decir que la globalización económica y

cultural actual forma parte de un proceso histórico de dominación económica y de la

expansión planetaria del capitalismo. Esta época se consolida después de la caída del Muro de

Berlín en 1989 y con la desaparición de la Unión de las Repúblicas Socialistas Soviéticas (URSS)

en 1991. Estos hechos simbólicos marcan el fin de un mundo bipolar y el inicio de la imposición

del modelo económico capitalista en el ámbito mundial. Este proceso liderado principalmente

por las grandes empresas multinacionales, implica la imposición de una “estandarización

cultural”.

UN MUNDO DE TURBULENCIAS

El Desorden Mundial

El problema más antiguo de la Humanidad es sin lugar a dudas la conflictividad, la que junto a

las consecuencias medioambientales del progreso industrial, ocupan parte importante del

debatir de el siglo que recién comienza. Desde los comienzos de la historia del hombre, éste ha

intentado solucionar los conflictos, sin embargo algunos de ellos aún no han sido solucionados

e incluso han llegado a ser aceptados como una desgracia, un problema propio de la condición

humana, que solo se puede llegar a regular o reprimir de alguna manera. Esta complicada

situación mundial general es la que nos proveen principalmente de incertidumbre, confusión,

sensación de pánico, de que hay un planteo implacable de preguntas sin respuestas.

Esto genera en los humanos una sensación de desesperanza, de vacío, de inseguridad, de

haber perdido el rumbo ya que el objetivo de vida que teníamos hace un tiempo se ha

desplazado, se ha fragmentado. Esta sintomatología no es otra cosa que la punta de un gran

iceberg. Es el comienzo de un fuerte cambio. No hay cambios trascendentales sin un caos

previo, por eso es importante tomar estas situaciones caóticas como el principio de algo muy

importante. Caos involucra momentos de gran perturbación, de desorganización que a su vez

generará una nueva organización aunque pasen décadas antes de alcanzarla.

Para detectar que se está transitando por un camino caótico, al igual que en el caso de un

fenómeno de la física, hay que estar en presencia de las características que permiten

denominar a un sistema determinado como un sistema caótico, las cuales se pueden enumerar

en:

1. Confusión

2. Inseguridad

3. Sensibilidad a las condiciones esenciales impredecibles

4. En apariencia mucho desorden


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

27

2009

Este sistema mundial actual dirigido principalmente a lo material, al poder, generando

corrupción por la misma voracidad por el poder, al consumismo, a que los países desarrollados

pretenden dominar a los que económicamente tienen menos, sin importarles la humanidad en

su conjunto, sea tal vez que va llegando a su fin, ya que el caos está presente en todo el mundo

como si necesitara concluir una etapa para dar lugar a una nueva, tal vez menos material y más

humana o más espiritual o más justa, o menos voraz o menos implacable, menos numérica,

menos fundamentalista.

Todas las grandes organizaciones del sistema vigente se van disipando lentamente. Esta nueva

etapa tardará mucho en implementarse definitivamente pero ya estamos en los primeros

escalones, esta nueva organización tendrá como principal herramienta los programas grupales,

la unión, la solidaridad, la espiritualidad, la humanidad. Va a ser necesario empezar a

olvidarnos de los pensamientos tan mecanicistas y estructurados y permitir invadirnos por el

movimiento, la libertad, el misterio que genera lo desconocido. El caos en sí mismo guarda

también una armonía y genera creatividad, ya que para poder subsistir en él nos veremos

obligados a abandonar nuestra zona de comodidad para transitar por otros caminos, donde

seguramente descubriremos nuevas posibilidades y oportunidades que jamás se nos hubieran

ocurrido antes.

Será necesario aceptar la impredecibilidad del caos, en vez de resistirnos a ella. Cuando hay

caos hay mucho más sutilezas y ambigüedad, que situaciones concretas, claras o lineales. Es

como que existe la necesidad de dar a luz a un nuevo sistema que puede ser aleatorio en el

corto plazo pero determinista en el largo plazo.


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

28

2009

A través de la teoría del caos se pone de manifiesto como sistemas con pocos grados de

libertad pueden ofrecer un comportamiento aleatorio, esto cambia el significado de la

complejidad que pasa a ser una categoría cualitativa y además termina con la disyuntiva

que existía entre determinismo y aleatoriedad.

Bajo este nuevo enfoque la dinámica económica intenta identificar mecanismos internos

para explicar de forma endógena las variaciones observadas en las variables económicas,

disponiendo así la economía de una doble alternativa para modelizar las fluctuaciones

económicas: los "shocks" exógenos y los modelos deterministas caóticos.

La economía por tanto debe ser entendida bajo un nuevo paradigma, el del

comportamiento “no lineal” o caótico, donde es posible observar efectos como el

denominado “efecto mariposa” donde el pequeño aleteo de una mariposa en algún lugar

puede provocar un huracán en el otro extremo del mundo.

De todos los trabajos publicados que hemos revisado hasta el momento, sobre el estudio

de caos en variables económicas, lo que han podido probar es la existencia o no de caos en

la información económica. Si el caos ha sido encontrado, no se ha podido demostrar si el

mismo es debido a la estructura de la misma economía, o si es debido al clima caótico que

rodea el planeta. Es decir, se puede probar la existencia de caos, pero no la causa del

mismo.

Si la predicción es el objetivo, la posible existencia de caos puede ser explotable y aún

invaluable. Sin embargo la predicción a largo plazo siempre será una quimera y la

determinación de la existencia de caos pudiera ayudar a determinar que tan largo podría

ser el horizonte de planeación (usando el inverso de la Dimensión de Correlación).

Se han expuesto tres de las pruebas más importantes para la determinación de Caos en

series de tiempo y se ha aplicado exitosamente una de ellas a la serie de 131

observaciones mensuales de la tasa de interés nominal activa promedio de los Bancos

Comerciales y de Servicios Múltiples. Aunque muchos autores cuestionan la veracidad de

los resultados con series tan cortas, las opiniones están divididas al respecto.


Silv

ana

Gam

bin

i Pim

inch

um

o –

07

30

443

29

2009

"La teoría del caos en la economía" en Contribuciones a la Economía, junio 2008 en http://www.eumed.net/ce/2008b/ .

http://www.eumed.net/cursecon/libreria/2004/aca/4.pdf

http://www.mexicodiplomatico.org/lecturas/teoria_caos_globalizacion_ri.pdf

http://www.12manage.com/methods_lorenz_chaos_theory_es.html

http://www.gestiopolis.com/administracion-estrategia/mujeres/teoria-del-caos-aplicada-a-los-negocios.htm

Beker, V., (1998), Del Caos en la Economía a la Economía del Caos. Libro vía online.

http://www.eumed.net/cursecon/libreria/2004/aca/4.pdf

http://www.mexicodiplomatico.org/lecturas/teoria_caos_globalizacion_ri.pdf

http://www.12manage.com/methods_lorenz_chaos_theory_es.html



Teoria del Caos aplicada a los negocios

Documents

Transcript of Teoria del Caos aplicada a los negocios