Rankia España Rankia Argentina Rankia Brasil Rankia Chile Rankia Colombia Rankia Czechia Rankia Deutschland Rankia France Rankia Indonesia Rankia Italia Rankia Magyarország Rankia México Rankia Netherlands Rankia Perú Rankia Polska Rankia Portugal Rankia Romania Rankia Türkiye Rankia United Kingdom Rankia USA
Acceder

Estadística, probabilidad, y las burradas de las predicciones sobre el futuro

He recibido un comentario que resume muy bien muchos de los mitos comúnmente aceptados en relación con la economía, que sorprendentemente aún sobreviven.  Lo he querido citar textualmente y de forma íntegra porque hace un compendio muy bueno de todas las ideas vigentes antes de 2008 acerca de la economía.

Decía el comentario:

Vuestro uso de la palabra predecir no es la mejor opción para relacionarla con la estadística, la economía o la probabilidad. La palabra correcta debería ser estimar puesto que eso es lo que hacen esas estas ciencias. Al utilizar predecir y estadística en el contexto que hacéis tergiversáis el real objetivo y la capacidad de esta ciencia. 

No hay que confundir la estadística con la probabilidad. La estadística estudia una serie de datos y ya sea descriptiva o inferencial, crea un modelo y determina los posibles futuros escenarios. La probabilidad nos ayuda a calcular la posibilidad de que cada escenario ocurra. Si la probabilidad de que ocurra cierto escenario es del 90% esto no quiere decir que vaya a ocurrir, ya que existe un 10% en contra.

En el caso de un QE3 es el resultado de una acción humana, no aleatoria y por ende no estudiable mediante estadística. Creo que has caído en un pequeño error ya que existe una rama de la estadística para medir resultados que dependan de hechos ya conocidos sumando sus probabilidades, se llama estadística bayesiana. Si va a existir un QE3 o no, es la decisión no aleatoria de la FED pero esta decisión se basa en una serie de datos y hechos conocidos en su mayoría: inflación, desempleo, PIB, etc. Si aplicamos la estadística y la probabilidad bayesiana para saber posibles futuros escenarios y que tan posible es basándose en los hechos que ya sabemos es muy posible que tengamos un resultado cercano. Por qué? porque la FED también utiliza la estadística bayesiana para saber que Efectos tendrá cada decisión que tomen y la probabilidad de ocurrencia de cada uno. Miden cada escenario para cada distinta decisión y se escoge el que mejores resultados pueda dar dependiendo de las restricciones y datos conocidos.

Así pues creo que la estadística sí puede estudiar la posibilidad de un QE3, claro esto no quiere decir que su resultado sea 100% seguro, sólo será una estimación con algún porcentaje de Error. Pero es mejor que nada, porque aunque no tendremos la misma información de los grandes inversionistas, al menos tendremos mas información que la mayoría.

Predecir o estimar

 

Estimar es juzgar, creer.  Predecir es anunciar por revelación, ciencia o conjetura algo que ha de suceder.  Cuando se trata de analizar tendencias, en realidad no importa tanto estimar, porque el dinero no se va a comportar como creemos, sino que lo que se ocupa es predecir.  En las ciencias exactas se puede predecir usando la ciencia a niveles tan precisos que se puede mandar una pequeñísima sonda espacial a lo largo de una trayectoria que puede ser anticipada con herramientas matemáticas usando ecuaciones y algoritmos muy probados.

Cosa distinta sucede con las ciencias sociales, donde el objeto de estudio no es un objeto inanimado de conducta aleatoria, sino un ser humano.

Uso de la probabilidad

 

Sabemos que la economía no es un conjunto de números que son su propia causa y efecto, sino que los números están determinados por acciones humanas.  Daniel Kahneman, psicólogo, economista y premio Nobel en economía en 2002, propone la teoría de las perspectivas (prospect theory), según la cual las personas toman decisiones en entornos de incertidumbre y se apartan de los principios básicos de la probabilidad.  ¿Será posible que un conjunto de decisiones humanas que se apartan de la probabilidad en su conjunto puedan ser objeto de probabilidad?  ¿O será este uso de la probabilidad simplemente un adefesio conceptual para implementar numerología moderna?

El modelo numerológico que usa estadística y probabilidad es algo que ya se vio en la crisis de 2008 como algo que no sirvió.  Usa variables interdependientes como independientes, con lo que agrega un sesgo no estadístico, y esencialmente hace inútiles los resultados del modelo.  Y si crees que estoy diciendo algo subjetivo, mira lo que dijo Bernanke en 2007 basado en "estadística bayesiana":

"All that said, given the fundamental factors in place that should support the demand for housing, we believe the effect of the troubles in the subprime sector on the broader housing market will likely be limited, and we do not expect significant spillovers from the subprime market to the rest of the economy or to the financial system".

Fuente: Why You Probably Shouldn't Trust Ben Bernanke's Rosy Forecast

Con esas palabras, resulta claro que Bernanke y los de la FED no esperaban que el mercado subprime extendiera su crisis al resto del sistema financiero.  ¿Se equivocaron?  Pues sí, a lo grande.  Se volvió una crisis mundial.

Pero Bernanke no estaba sólo en sus predicciones fallidas, pues las universidades de Harvard y Yale, las que le enseñan economía al mundo, tuvieron pérdidas con la crisis (Harvard and Yale Report Losses in Endowments). 

Ya en mi post anterior Económica neoclásica: Una religión sin sustento científico había tratado  los problemas de la economía neoclásica y sus modelos de simulación mal hechos, que usan deformaciones de la probabilidad y estadística de forma aberrante.  Y como si esto no fuese suficiente, a las deformaciones en la metodología de los números se suman las deformaciones conceptuales, como por ejemplo el mito de que un aumento de PIB implica desarrollo (Los problemas del indicador PIB para medir "crecimiento").

Si no me crees, puedes leer al economista mexicano Rafael Isás en su post La teoría económica neoclásica, ¿ciencia exacta o dinerología vulgar?

Cuando hablamos de probabilidad de que salga un número en la lotería, hablamos de probabilidades, pero no quiere decir que se pueda decir cuál será el próximo número ganador, no se puede predecir el resultado del próximo evento.  ¿Podemos predecir un QE causado por seres humanos? ¿Podemos predecir al ser humano?  Basta con analizar la teoría del rational choice y las motivaciones del individuo, para constatar que la maximización no es lo único que mueve a las personas a actuar, lo que dificulta mucho modelar matemáticamente la conducta de las personas.

Un caso donde modelar con probabilidades no es posible es el QE3, que si bien puede tener como referencia algunos indicadores macroeconómicos, en realidad necesita responder a un aspecto político y social en EUA para no destruir la gobernabilidad de la Reserva Federal.  Aquí podemos citar a Joan Prats:

No habrá desarrollo humano sin buena política. Pero, si como dice Manolo Zafra, la mala política no se corrige
con la ética sino con la buena política, entonces ¿para qué sirve la ética?

Fuente: Etica para polítcos 1: Autodominio y autoconocimiento - Joan Prats

Para que haya auténticos pactos necesitamos una reconstrucción de partidos políticos institucionalizados capaces de generar programas y de representar a la población. La función de agregación de demandas sociales fragmentadas, para traducirlas en políticas públicas de interés general, requiere nuevos y mejores partidos.

Fuente: Joan Prats: Bolivia tras el fracaso de la “democracia pactada”

La toma de decisiones de la FED ha de tener más un componente político que probabilístico.  Lo que está en juego no es la cantidad de votos de los estadounidenses frente a un bipartido, sino la gobernabilidad de la FED sobre el sistema financiero mundial.

Uso de la estadística

Cabe añadir que cuando usamos estadísticas para estimar indicadores, estamos sujetos a error, algo que yo ya había tratado en mi post ¿Le creemos a las estadísticas?.  Hay errores estadísticos medibles, que suceden cuando nos apegamos a un gran rigor metodológico.  Pero luego vienen las mentiras estadísticas que suceden cuando se rompe ese rigor, o cuando se deforman los indicadores para tratar de que reflejen lo que no es, lo cual equivale a mentir con números "maquillados" (Inflación en EUA: ¿Mentir estadísticamente?).

Mala información, malas decisiones

Con conceptos deformados o mala información se es propenso a tomar malas decisiones, ya sea de inversión o para efectos de planear finanzas personales futuras.  La probabilidad y estadística tienen limitaciones, y al igual que cualquier herramienta, puede ser y ha sido mal usada.

Cuando se trata de economía hablamos de una ciencia social, el estudio del ser humano, y pensar que usando números para predecir números (el dinero es causa y efecto), ignorando la naturaleza no aleatoria de los seres humanos, convierte cualquier estimación en un mamarracho conceptual.  Olvidarnos del ser humano es usar un enfoque maquinocéntrico, como pensar que un carro vacío fuera la causa y el efecto de la idiosincracia de conducción en un país, de modo que las multas de trásito son culpa de los carros y no de los choferes, de modo que los choferes no tienen participación de ningún tipo en el desenlace de los acontecimientos viales.

Eliminar al ser humano de una ciencia que estudia al ser humano es absurdo.  Convertir una ciencia social en numerología financiera es como creer que la economía podría funcionar sola sin seres humanos.  Ignorar al ser humano ignorando la naturaleza no aleatoria de su conducta es una aberración metodológica y los resultados que arroje cualquier análisis numérico será un adefesio.

El futuro no es una extrapolación lineal del pasado cuando las circunstancias cambian.  Encerrarse en el tecnicismo matemático es una manera de enredar a la gente hablando en jerga, y para no caer en estos enredos mentales es preciso el pensamiento crítico.

25
¿Te ha gustado el artículo?

Si quieres saber más y estar al día de mis reflexiones, suscríbete a mi blog y sé el primero en recibir las nuevas publicaciones en tu correo electrónico.

  1. en respuesta a Runrun bv
    -
    Joaquin Gaspar
    #25
    23/06/11 19:50

    Muy ilustrativo vuestro link.

    En economía también ha sido aplicada he aquí algunos links interesantes:

    http://codex.colmex.mx:8991/exlibris/aleph/a18_1/apache_media/VE59S9ET1E5427IYJX6K1ULSH8CI32.pdf

    http://glxy.hfut.edu.cn/glxx/ckzl/xglw/Information%20and%20Entropy%20Econometrics%E2%80%94Editor's%20View.pdf

    De hecho se ha estudiado desde hace mucho y me parece que sus aplicaciones en economía tienen menos de 10 años. He aquí un libro muy interesante sobre ello. "Maximum-entropy and Bayesian methods in inverse problems"

  2. en respuesta a Comstar
    -
    #24
    23/06/11 17:41

    El Bayesianismo objetivo es cada vez más utilizado en ciencias médicas, en las cuales es imprescindible efectuar pronósticos y tomar decisiones en base a datos sobre los cuales existe gran incertidumbre y no está bien definida su "aleatoriedad". Quizás no se sea casual el hecho de que los estudios psicológicos demuestran que la mayoría de las personas suele calcular probabilidades en base a esperanzas matemáticas y no viceversa. La mayoría de variables predictivas en medicina son esperanzas matemáticas (semivida, periodo de eliminación, dosis letal 50, dosis mínima etc) y su empleo en el cálculo de probabilidades condicionadas aproxima de forma muy peculiar la forma en que se toman las decisiones individuales con los resultados de los experimentos.
    Me parece muy llamativo que ninguno haya mencionado el método de máxima entropía pues a fin de cuentas lo que parece que estáis discutiendo continuamente es un problema de asignación de probabilidades. Es cierto que la inferencia Bayesiana es especulativa en ese punto, pero en contrapartida permite un análisis intermedio y aporta un cálculo cuantitativo a partir de proposiciones sencillas, lo que no suele ser posible mediante un enfoque frecuentista ni se puede conseguir prescindiendo de las matemáticas. El método de máxima entropía es no-especulativo, en el sentido de que únicamente utiliza la información contenida en los datos y el espacio muestral por lo que es apropiado cuando tenemos muy poca información más allá de los datos mismos. Mediante la divergencia de Kulbal-Leibler podemos solventar en alguna medida las discrepancias con un modelo no estrictamente aleatorio (pues este análisis no lo requiere) apoyándose en el cálculo de la información mutua de las variables implicadas (para depurar la interdependencia que parece que se ha objetado al Bayesianismo objetivo). Una vez que se dispone de más información y se pueden definir claramente los modelos, podemos considerar la inferencia Bayesiana como más adecuada y no tan especulativa.

    Ésta, según tengo entendido, es la tendencia actual en la investigación en ciencias biomédicas, aunque no sé si en economía será igualmente aplicable

  3. en respuesta a Isidrator
    -
    Top 100
    #23
    22/06/11 15:03

    En todos esos modelos hay condiciones invariables en los sujetos estudiados. La gente tiene premisas relativamente fijas que determinan su forma de comprar y en general la gente usa esa rutina en automático sin pensar mucho, y en caso de medicina, el cuerpo también tiene una bioquímica determinada. En el caso de las compras, aplica una idiosincracia cultural aprendida, y las culturas no son uniformes. La moralidad y la ética de las personas no están descritas en un modelo bayesiano y eso puede causar una brecha entre el modelo de rational choice y la realidad.

    Rationality, Imitation and tradition
    http://www.des.ucdavis.edu/faculty/Richerson/Epistle%20to%20economists.pdf

    Basta ver que si tratas de vender algo en un país y luego en otro, la gente no reacciona igual a la misma publicidad, ni toma decisiones de igual manera.

    Cuando hablamos de QE3 en condiciones políticas cambiantes y personas que empiezan a cambiar sus paradigmas sobre la economía, la forma en que ocurre un proceso de toma de decisiones cambia, las probabilidades varían e incluso el resultado frente al mismo estímulo difiere. En este caso el análisis político resulta de mayor utilidad que un simple análisis bayesiano frente a indicadores macroeconómicos.

    Según los estudios de los psicólogos V. Venda y B. Lomov, al estudiar al ser humano como mero componente de retroalimentación en sistemas hombre-máquina, encuentran que para decisiones sencillas dignas de un robot el ser humano es predecible, pero al comenzar el ser humano a pensar o a realizar tareas que requieran discernimiento, las varianzas en los resultados comienzan a volver los datos obtenidos completamente inútiles. Entonces tuvieron que cambiar a un enfoque antropocéntrico.

    Si tienes un grupo de niños escolares, los mecanismos para mantener ordenado el grupo varían, y eso a menudo está dado tanto por el carácter del docente, que se adapta a condiciones cambiantes. Aplicar una receta única a dichos métodos sería suponer que existen grupos de niños con conductas uniformes. Predecir los efectos políticos de un QE3 en el planeta significaría modelar distintas culturas, y encima de ello modelar el cambio en las premisas de las personas en distintos países. La gente adopta conductas uniformes y rutinarias cuando confía. Pero la confianza se ha roto.

    Si fuera un Q30 ya tendrías suficientes datos para una bondad de ajuste, pero con 3 QE no se tiene eso, y por eso la bondad del modelo no es buena, y por eso he señalado que no es estudiable estadísticamente. Encima se agrega el hecho de que el impacto es mundial, sobre distintas culturas con distintas tradiciones y paradigmas, sumado a cambios de paradigmas. Por ejemplo un 15M no era algo que existiera antes, ni algo que tuviera importancia en la sociedad.

    Un modelo estadístico es como un piloto automático. Por más sofisticado, sigue siendo un dispositivo que ayuda a conducir, pero no iguala el desempeño humano.

    Fly-by-Wire Finance
    http://people.brandeis.edu/~blebaron/blogs/fywfinance.html

    De hecho, los estudios de V. Venda y B. Lomov señalan que en condiciones de incertidumbre, las decisiones tomadas por el ser humano en sistemas hombre-máquina son más fiables que las tomadas por una máquina, lo cual es bastante obvio, porque el ser humano es superior cuando de trata de adaptarse a circunstancias cambiantes. Un modelo bayesiano en circunstancias de incertidumbre no tendría la alimentación de datos necesaria para que la bondad del modelo sea buena.

    Si pensamos en la economía como una maquinaria o un videojuego podemos pensar que en efecto la bondad de los modelos económicos se limita a tiempos normales en que la gente confía, que fue exactamente lo que le pasó a Long Term Capital Management cuando tuvo la primera crisis de derivados.

    El economista mexicano Rafael Isás, bloguero de Rankia, me señalaba:

    Todo modelo que simplifica las cosas debe ser visto con mucha suspicacia.

    Me quedo con la expresión de Amartya Sen: the model is for rational fools.

    "In rational choice theory, these costs are only extrinsic or external to the individual rather than being intrinsic or internal. That is, strict rational choice theory would not see a criminal's self-punishment by inner feelings of remorse, guilt, or shame as relevant to determining the costs of committing a crime. In general, rational choice theory does not address the role of an individual's sense of morals or ethics in decision-making. Thus, economics Nobelist Amartya Sen sees the model of people who follow rational choice model as "rational fools."

    Bajo el modelo de rational choice, si se le da a alguien la posibilidad de perder un millón o que le maten a la familia, la persona preferiría que le mataran a su familia para no perder $1 millón porque se busca una utilidad, pero en la realidad funciona distinto.

  4. #22
    22/06/11 09:29

    Todo es susceptible de un estudio estadístico y por tanto de modelar, otra cosa es la bondad del modelo. Es más, os pongo algunos ejemplos en los que he trabajado:
    - Modelos de predicción de facturación
    - Modelos de fugas de clientes fidelizados
    - Estudios de correlaciones de productos alimenticios para cross-selling
    - Modelos predictivos de padecer retinopatía diabética
    - Modelos predictivos de padecer fibrilación auricular

    RNA, Clustering, series temporales, modelos bayesianos, modelos difusos...
    Y por supuesto, se puede predecir si habrá QE3 aunque el modelo tenga una bondad pesima ya que no hay suficientes datos historicos, si fuera el QE30 otro gallo cantaría.

    Saludos

  5. en respuesta a Comstar
    -
    Joaquin Gaspar
    #21
    22/06/11 06:44

    He querido llegar a una conclusión posiblemente aceptada por ambos a pesar de las distintas visiones que tenemos en este tema en partícular, ya que creo que una discusión por muy provechosa que sea si no llega a un punto de acuerdo muchas veces se queda saltando en el vacío y en el futuro algún tema relacionado la podría traer a colación y volver a terminar sin concenso y así sucesivamente. Por lo que espero ambos estaremos en este foro bastante tiempo.

    Después de releer con atención nuestra calurosa (espero siempre amigable y retroalimentadora) discusión con mas paciencia y calma, creo que he descubierto una posible línea de acuerdo; y es que como en muchas ocasiones sucede las discusiones se pueden ir desviando y los argumentos mal entendiendo por distintas concepciones o por la misma exposición de las ideas, si esto sucede en platicas persona a persona es mucho más probable en un foro escrito a pesar del mismo idioma.

    Creo que los dos estamos de acuerdo en que ninguna ciencia puede predecir el futuro de nada. No hay forma de saber que va a pasar mañana con exactitud.

    1. Yo digo que sólo se pueden poner sobre la mesa distintos posible escenarios cada uno con rango de error pero aún así sé que faltarán escenarios porque es imposible calcularlos todos, ya sea por la falta de información o por las mismas restriciones del modelo; lo cual deja una gran probabilidad de que el escenario final no lo haya estimado en el modelo.
    2. Vosotros (espero no equivocarme pero trataré de resumiros) os referis al enigmático, complejo y, a veces, inesperado comportamiento del hombre que desafía las leyes económicas de los libros. Además de que no es posible meter en un modelo cuadrado algo que ni siquiera sabemos que forma tiene.

    Creo que ambos puntos son válidos y pueden tomarse a favor de que no se puede predecir el futuro.

    Ahora bien yo sostenía que le estadística Sí puede estudiar la Economía (comportamiento, fenomenos, etc) mediante modelos bayesianos dado que varias personas lo han hecho y lo siguen haciendo a pesar de las inexactitudes.

    Vuestro argumento para decir que No sé puede (espero no equivocarme pero trataré de resumiros) es que el ser humano no es un objeto o un simple número o conjunto de acciones, y es tan impredescible en muchas situaciones que es imposible encasillarlo o hacer un modelo a la medida.

    Creo poder resumir ambas posiciones, espero de manera aceptable para ambos. Sí se puede estudiar pero No se estudiará con exactitud, es decir, si podemos hacer una interpretación pero nunca será fiel reflejo de la realidad.

    Haciendo una analogía con una función matemática para ser simplistas, podríamos decir que mi argumento es el Dominio de la función, es decir, el conjunto de datos que puedo utilizar con sus respectivos límites y vuestro argumento es el Rango de la función que limita hasta donde se puede llegar. Ambos son parte de la misma función, ampliar el conocimiento. Mientras mas se avance en el estudio de la economía el Rango será mayor y mientrás mas se avance en las técnicas de la estadística mayor será el Dominio.

    Por último he de confesar que Sí estoy enamorado del Bayesianismo pero tomaré vuestro consejo de siempre utilizarlo con prudencia y no creer ciegamente, porque hasta el Aristóteles se equivocó al no poner a la mujer al mismo nivel del hombre.

    Saludos.