Sistemas Complejos y la Economía: Introducción

Los sistemas económicos presentan características contradictorias. Por un lado son un ejemplo remarcable de auto-organización robusta. Algunos rasgos distintivos de estos sistemas, como por ejemplo la aparición del dinero como medio de cambio, o la fijación de precios a partir de decisiones descentralizadas y el mismo problema de coordinación que da origen a los mercados son casos cabales auto-organización, en la que pareciera que una ``mano invisible'' parece operar sobre el sistema. Consumidores, productores y arbitrajistas coordinan sus acciones a pesar de que cada uno toma sus decisiones independientemente, con información usualmente incompleta y basándose en necesidades y preferencias independientes entre sí.

El sistemas, estudiado como un todo, presenta un alto grado de orden y muchos parámetros aparecen como auto-regulados. Catastrofes naturales, transformaciones sociales, ``shocks'' estructurales o externos suelen ser absorbidos por el sistema sin producir grandes cambios en los valores esperados de muchos indicadores. Por otro lado los sistemas económicos evolucionan contínuamente, cambiando de estructura interna por creación o desaparición de actividades, produciendo tal vez súbitas fluctuaciones de grandes amplitudes sobre los mercados, pronunciadas depresiones o altas inflaciones. Estas características sugieren que el concepto de equilibrio económico posee un débil sustento empírico.

Puede resultar válido preguntarse si el valor de los indicadores económicos corresponde a valores esperados del equilibrio o a valores intermedios de un proceso de relajación hacia o fuera de él. Recordemos el debate que se planteó en los años '60 entre los neoclásicos, los nuevos keynesianos y los macroeconomistas de desequilibrio, en el que se preguntaba si realmente la economía se auto-regula o no y en caso afirmativo, cuál era su capacidad de auto-regulación. En este debate los últimos sugieren que pueden existir mecanismos que amplifiquen las perturbaciones debido a que el dinero rompe la cadena de información y comunicación de los planes.

En los modelos Walrasianos sólo hay dispositivos auto-reguladores que operan en cada mercado por excesos de demanda nocional y todos los planes y transacciones se terminan realizando en equilibrio, por lo que no son considerados los efectos de derrame ni la realización de operaciones fuera del equilibrio. Basta recordar la idea de A. Leijonufvud del corredor por el que transita la economía y en el que pequeñas perturbaciones son soportadas por el sistema, amortiguando sus efectos, pero las grandes fluctuaciones que desbordan los límites de ese corredor pueden producir cambios insospechados. Haciendo una analogía con los sistemas físicos podría pensarse que la amplitud de las fluctuaciones es un parámetro de control que puede llevar a la economía a un nuevo estado o fase del sistema, produciendo lo que en la física se denomina como una transición de fase. En lo que respecta a la predicción del curso futuro de un sistema económico la situación es similar a la que debe enfrentar un meteorólogo al intentar predecir la evolución del clima, o con mayor generalidad, la evolución de todo sistema caótico mecánico: la cantidad de información presente necesaria crece exponencialmente con el horizonte temporal que deseamos alcanzar con nuestra predicción.

El desafío es encontrar un nivel adecuado de descripción de los sistemas y su consiguiente evolución. Los meteorólogos que enfrentan diariamente este problema hacen la distinción entre clima y predicción del tiempo: resulta imposible predecir si un día particular dentro de varios meses va a llover o no, pero es posible conocer si el clima será lluvioso o seco, por ejemplo. Tampoco debemos olvidar que los sistemas económicos poseen una diferencia fundamental con otros sistemas naturales que consiste en su caracter auto-referencial: aquellos que intentan predecir la evolución del sistema son parte del mismo sistema que está siendo predicho, por lo cual toda afirmación acerca del futuro es susceptible de convertirse en un factor que contribuye a su gestación. Como la evolución depende de la percepción de los mismos actores del sistema pueden producirse profecías autocumplidoras, efectos de contagio con dinámicas de manada y aún expectativas irracionales. La evolución puede resultar ser muy frágil frente a cambios en la forma en que se distribuye la información disponible y se produce la coordinación de los planes.

Los modelos económicos de equilibrio han resultado ser sumamente útiles para describir lo que se puede esperar de un sistema luego de que un ajuste a un nuevo y coherente conjunto de reglas ha tenido lugar. Muchos de estos modelos pueden tener múltiples equilibrios por lo que no se puede dictaminar cual será el resultante luego de la transición. Frente a esta situación cada vez más economistas han comenzado ha incursionar en el estudio de modelos que simulan ``expectativas acotadas'' y aún irracionales, en un intento por formular teorías que expliquen este tipo de dinámicas transicionales. La incorporación de procesos de aprendizaje empleando algoritmos computacionales inteligentes como las redes neuronales y los algoritmos evolutivos pueden resultar útiles para simular Agentes Artificiales Adaptativos que representen a agentes económicos reales operando bajo el supuesto de expectativas acotadas.

El comportamiento optmizador de los agentes económicos durante estos regímenes transicionales puede diluirse por que muchas veces la complejidad de los problemas a resolver son NP-Duros (no polinómicos). Esto significa que el tiempo necesario para conocer la solución óptima crece exponencialmente con el número de configuraciones posibles (usualmente muchas). Debido a que los agentes no poseen ni capacidad computacional, ni tiempo ilimitado la búsqueda de buenas estrategias, pero subóptimas se hace necesaria. Con esto se refuerza la idea de construir modelos bajo el supuesto de expectativas acotadas.

En coincidencia con este nuevo punto de vista, nuevas aproximaciones están siendo consideradas para construir modelos de trabajo. Hasta hace poco tiempo había sólo dos métodos de construcción. El primero, púramente linguístico, posee en principio una versatilidad ilimitada pero carece de precisión cuantitativa sobre las hipótesis básicas y las conclusiones que se derivan. La segunda aproximación es púramente matemática. Tiene la ventaja otorgar brindar mucha precisión y universalidad en sus conclusiones y se sustenta en rigurosos teoremas matemáticos. Sin embargo en muchos casos los modelos económicos se transforman en construcciones matemáticas ad hoc con supuestos sin justificación empírica incorporados con el sólo propósito de suministrar al modelo una forma matemática. Recordemos el debate iniciado por Milton Friedmann afirmando que independientemente de que los supuestos sean o no realistas lo único importante es la predictibilidad del modelo. Existe el riesgo que fijar primeramente el encuadre matemático y luego forzar a los datos empíricos para que se ajusten a él. La tercer alternativa es la construcción de modelos computacionales en la línea que se ha venido mencionando.

Desde este marco conceptual es posible simular un sistema económico desde la aproximación ``bottom-up'', es decir partiendo de sus constituyentes elementales. Vemos así a la economía como un número (grande) de agentes cuyas acciones individuales así como las interacciones entre ellos son suficientemente explícitas como para que sean implementadas algorítmicamente. Esta aproximación permite diseñar modelos con menores restricciones que los púramente matemáticos, a pesar de requerir altos niveles de simplificación respecto de situaciones reales. El desafío consiste en rescatar las propiedades esenciales que son responsables de los comportamientos emergentes del sistema.

Un modelo exitoso, a pesar de la fuerte abstracción, nos permite discutir y estudiar los hechos estilizados básicos y trabajar con él como un verdadero laboratorio en el que es fácil simular condiciones extremas. Investigaciones de esta naturaleza se vienen desarrollando en instituciones de todo el mundo. Valgan como ejemplos el Santa Fe Institute (SFI) de estudios no lineales y ciencias de la complejidad que ha instaurado una escuela de verano en Economía Computacional, el Xerox Palo Alto Research Center, el Center for Computable Economics de la Universidad de California (UCLA - EUA), el International Institute for Applied Systems Analysis (IIASA, Austria), el Center for Non Linear Studies del Laboratorio de Los Alamos (EUA),y la Bionomic Network, etc.

Antecedentes:

Investigaciones recientes realizadas en estos temas Redes neuronales para procesos cognitivos:

Recuerdos y Memorización en redes neuronales modulares. ` (R.P.J. Perazzo (CEA-UBA), S.L.Reich (CEA-UBA), Tesis de licenciatura de A. Chernomoretz (Estud. FCEN-UBA))

Este proyecto se inició como una colaboración con la Universidad de Roma. Se realizó un modelo de memorias semánticas, entendiendo que cada módulo de la red permite codificar un atributo del recuerdo que abarca varios módulos de la memoria. Se ha finalizado un trabajo en el que se estudió una red compuesta por dos módulos centrando el estudio en la posibilidad de renormalizar las eficacias sinápticas entre módulos diferentes compensado de ese modo una intensa dilución de las mismas.

Se está iniciando su extensión a estructuras modulares más complejas con el objeto de modelar el vínculo entre arreas de la corteza con especializaciones funcionales muy diferentes. Esta extensión constituirá el trabajo de tesis de licenciatura de Ariel Chernomoretz. Este trabajo se inició en Junio 1995 y se completará antes del fin del primer semestre de 1996.