Auto-organizacion en sistemas economicos - Andres Schuschny

Interesante tesis de Andres Schuschny para el Doctorado en Economía en la Facultad de Ciencias Económicas de la Universidad de Buenos Aires.

Andres Schuschny trabaja actualmente en la Comisión Económica para América Latina y el Caribe (CEPAL) (Economic Commission for Latin America and the Caribbean (ECLAC) United Nations por lo que resulta interesante el analisis de los sistemas economicos en la actualidad desde la llamada Ciencia de la complejidad.

Auto-organizacion en sistemas economicos

Contenido de la Tesis

El objetivo que dio origen a esta tesis fue estudiar los fenómenos de auto-organización que resultan de la interacción entre los numerosos agentes que operan en un sistema económico. El tema este, por cierto, muy amplio; aunque la literatura reciente presenta algunos avances, el análisis realizado es todavía incipiente. El enfoque que se pretende plantear admite una multiplicidad de las perspectivas teóricas. Al margen de la indudable utilidad del análisis económico tradicional, éste suele considerar a la coordinación de muchos procesos de interacción económica como un hecho dado o pre-supuesto. Aquí, la búsqueda se orienta a la representación de sistemas económicos a través de un enfoque que podemos llamar constructivo (o “bottom up”) basado en las teorías que pueden agruparse bajo el rútulo de las ciencias de la complejidad.

Con las salvedades ya hechas, el objetivo ha sido individualizar las propiedades que permiten pasar de un nivel de complejidad a otro mayor. Si ésto pudiera hacerse, los mecanismos de auto-organización encontrados implicarían una reducción de los grados de libertad “efectivos” de los sistema económicos; a su vez, ello permitiría establecer puentes entre las descripciones “micro” y “macroeconómicas”. De todos modos, los resultados que se muestran son sin duda modestos. No ha sido posible seguir una única línea de razonamiento; la tesis más bien se compone de un conjunto de “piezas analíticas”, de validez limitada, cada una de las cuales, separadamente, se vincula con un tipo particular de comportamiento emergente en un determinado contexto económico.

Así mismo, se muestran algunos ejemplos sobre cómo la estrecha interacción entre los agentes y su naturaleza no lineal, dan lugar a una dinámica disipativa, de carácter complejo, que comporta una disminución en los grados de libertad que son realmente efectivos. Conciliar las descripciones micro y macro de un sistema económico requiere de etapas intermedias en las que se pongan de manifiesto los mecanismos de auto-organización y de reducción de grados de libertad efectivos.

La mayoría de los modelos que se realizaron han sido sólo representables computacionalmente.

Así por ejemplo la heterogeneidad en un sistema es analizada siguiendo a evolución de múltiples agentes en interacción tomando en consideración toda la diversidad que ello implica. De este modo la simulación mediante experimentos numéricos hace posible muchas veces no pagar el altísimo tributo en abstracción y simplificación que es necesario para que los modelos sean tratables analíticamente.

Sin embargo, si bien este recurso hace posible el estudio de situaciones que no son abordables de manera analítica posee también serias limitaciones. En primer lugar, mencionemos que se da un paso atrás en materia de rigor y generalidad. Por esta vía se es sólo capaz de comprobar y orientar nuestra intuición, no de demostrar teoremas o propiedades con el rigor propio de los tratamientos matemáticos formales.

El vínculo con la computación es, sin embargo más que meramente instrumental. La economía ha basado tradicionalmente muchos de sus análisis en la noción de que los agentes determinan sus acciones optimizando alguna función de utilidad o beneficio. Sucesivas generalizaciones de este concepto llevan a considerar agentes ideales con una capacidad de cómputo virtualmente infinita ya que situaciones realistas hacen que dicha optimización comporte la solución de problemas de complejidad combinatoria. Para subsanar esta falta de realismo se ha impulsado la alternativa de estudiar la posibilidad de representar la capacidad procedural de los agentes de manera algorítmica. Un sistema económico de múltiples agentes es considerado en este contexto como un gran sistema e procesamiento distribuido cuyas posibilidades, en tanto sistema dinámico, no pueden sino formalizarse mediante recursos computacionales. El uso y la reducción de la evolución de un sistema a términos computables es pues algo más profundo que el mero recurso instrumental de la simulación.

En muchas de las situaciones representadas, los comportamientos individuales esquemáticos dan lugar a comportamientos globales (”comportamientos emergentes“) del sistema como un todo que son de una gran riqueza y diversidad. En este sentido el todo es mucho más que la suma de sus partes. Los modelos de este tipo son útiles para comprender mejor la aparición y los alcances de los mecanismos de auto-organización.

Los enfoques que presentamos surgen de un panorama más abarcativo aun en el que se supone que el orden se genera a partir de situaciones de desequilibrio (el Premio Nobel Ilya Prigogine lo define como orden a partir de fluctuaciones). Este enfoque interpreta que el orden y la estabilidad pueden surgir en sistemas complejos adaptativos de modo dinámico merced a mecanismos de realimentación positiva que son posibles en situaciones lejanas al equilibrio. Los modelos que presentamos no pretenden indagar sobre todas las características de esta dinámica previa subyacente. Consecuentemente en los modelos se presupone cierto orden básico ya establecido y se analizan efectos adicionales de autoorganización.

En un capítulos inicial, se introduce al lector en los conceptos fundamentales de la teoría de los sistemas dinámicos; se realiza una clasificación de ellos y se analizan con especial énfasis sistemas representados en tiempo discreto. A modo de ejemplo se realiza un análisis de estabilidad lineal de un sistema que describe un conjunto de mercados acoplados. Utilizando algunos resultados de la teoría de matrices estocásticas se demuestra que cuando mayor es el número de mercados, mayor es la probabilidad de que el sistema sea inestable. Luego se definen y describen las características elementales de los sistemas complejos adaptativos, su relación con los sistemas económicos y se enumeran las posibles áreas de investigación en las que esta teoría puede resultar útil en futuros desarrollos.

Luego se propone una descripción detallada de los problemas derivados de la representación formal del comportamiento de los agentes económicos en la modelística tradicional.

Se describe un modelo económico simple en el que la conducta de los agentes puede ser heterogénea ya que coexisten diversos mecanismos de formación de expectativas cuyas proporciones respecto de la población total pueden modificarse como consecuencia de la evolución. Se supone que esta migración entre mecanismos está guiada por el principio de mínimo sesgo (también llamado principio de máxima entropía). El modelo presentado exhibe, bajo ciertas condiciones, evoluciones caóticas. Resulta interesante puesto que muestra una metodología para incorporar heterogeneidades en el comportamiento de agentes económicos.

No obstante, la existencia de dinámicas caóticas en modelos discretos es motivo de cuestionamiento. En las siguientes secciones del capítulo se analizan estas objeciones con mayor detalle. Luego se estudia la plausibilidad de que se puedan construir modelos económicos constructivos en los que los agentes económicos operan con racionalidad acotada a partir de una dotación incompleta de información. Se ponen de manifiesto los conflictos típicos que los agentes enfrentan en situaciones más realistas, se consideran los procesos de aprendizaje inherentes y la limitación de resolver “eficazmente” problemas de optimización combinatoria. Se realiza luego una crítica a los modelos con expectativas racionales, presentando como una alternativa válida, la construcción de modelos computacionales que describan el comportamiento de los agentes económicos algorítmicamente. Una manera de formular los procesos de aprendizaje inherentes es a través de algoritmos genéticos o redes neuronales que son descriptos en el mismo capítulo.”

Seguir leyendo/bajar contenidos de la tesis Auto-organizacion en sistemas economicos aqui

Enlaces relacionados:

Introducción a la Teoría de los Sistemas Complejos / John Earls

John Earls,la agricultura andina y el TLC : La agricultura andina ante una globalización en desplome

¿Que son los sistemas complejos? Compilado de publicaciones 2007

A.Naranjo