La llegada de Donald Trump a la presidencia de los Estados Unidos ha hecho que en varios países, pero particularmente en México, se tema sobre las posibles consecuencias de nuevas barreras proteccionistas. La preocupación tiene una muy buena base: existe un gran consenso en la profesión de que una liberalización comercial, a pesar de acarrear algunos costes, genera más ganancias que pérdidas. No parece muy insensato, pues, pensar que el ejercicio contrario generará más pérdidas que ganancias, así que los temores están bien fundados. Pero resulta que a este problema se le suma otro: como mostramos en un artículo reciente (Kehoe, Pujolas, Rossbach, 2017), a día de hoy no tenemos buenos modelos para predecir bien cuánto más comercio aparece después de una liberalización comercial y, en particular, las predicciones fallan enormemente cuando se trata de pronosticar qué industrias se verán afectadas y cómo. Hacer el ejercicio inverso, pues, se antoja directamente imposible: no tenemos ninguna buena razón para pensar que utilizando los modelos existentes podamos predecir qué industrias sufrirán más con la llegada de los aranceles que promete el Presidente Trump.
Desde finales de los 70 y hasta mediados de los 90, varios economistas, pioneros en meter teoría económica en el ordenador, empezaron a crear lo que se conoce como modelos aplicados de equilibrio general (applied general equilibrium models, en inglés) y a utilizarlos para evaluar el impacto que políticas concretas iban a tener sobre la economía. Estos modelos han sido ampliamente utilizados para analizar el impacto de varias políticas económicas, sobretodo de política fiscal, con bastante éxito. Uno podría pensar que hacer un ejercicio parecido con comercio internacional también funcionará bien. Desafortunadamente, esto no es así.
La pregunta clave es, pues ¿por qué no funcionan bien en el caso de comercio internacional? Hay una observación clave que los modelos de comercio internacional no capturan bien (con la honrosa excepción de Arkolakis, 2010): los productos menos comerciados (least traded products, en inglés) van a crecer muchísimo más que los productos más comerciados después de una liberalización comercial (Kehoe y Ruhl, 2013). Los modelos aplicados de equilibrio general, cuando se utilizan para analizar temas de comercio, basan éste último en la teoría económica de comercio internacional. Desafortunadamente, el margen de los productos menos comerciados no aparece ni si quiera en los modelos de comercio internacional más actuales (Eaton y Kortum, 2002; Melitz, 2003) pues en éstos una liberalización hace que haya empresas que pasan de no comerciar nada a comerciar. Es decir, en estos modelos no son los productos menos comerciados los que se expanden, sino los productos nada comerciados. Los modelos más antiguos de comercio, basados en preferencia por la variedad (love-for-variety, en inglés), asumen que todas las empresas son iguales y, de hecho, la variedad de productos exportados cae — no sube — después de una liberalización. Aún más, los modelos que preceden a éstos enfatizan la ventaja comparativa como el motor de comercio, así que predicen que una liberalización comercial aumenta el comercio de los bienes que ya se comercian. Así pues, los modelos aplicados de equilibrio general no pueden predecir bien el impacto de una liberalización comercial, porque los modelos en los que se basan son incapaces de capturar el rol que juegan los productos menos comerciados.
En el artículo hacemos un ejercicio muy simple para ilustrar hasta qué punto los modelos aplicados de equilibrio general no pueden predecir qué industrias crecen y qué industrias no crecen después de una liberalización. Primero medimos hasta qué punto información sobre los productos menos comerciados tiene poder predictivo (siguiendo una metodología similar a Kehoe, Ruhl y Rossbach, 2015): ordenamos todos los productos, de menos a más comerciados, y seleccionamos todos los que se comercian menos hasta que tenemos el 10% del valor total comerciado. Para cada industria, miramos qué porcentaje de comercio total se debe a estos productos. Luego, mostramos que simplemente correlacionando este número con el cambio observado en los datos, la correlación es bastante alta. Esto es indicativo de que un modelo que use esta información a la hora de hacer predicciones de política comercial será capaz de predecir bien el impacto de una liberalización.
Después, evaluamos qué buen predictores son los modelos aplicados de equilibrio general. Para ello utilizamos el Global Trade Analysis Project (GTAP, véase Hertel, 2013) y el modelo de Caliendo y Parro (2015, a partir de ahora referido como CP). GTAP tiene una base de datos que cubre 140 países y 57 industrias para 2005, 2007 y 2011, y es el marco de referencia para los análisis de política comercial para muchos países y organizaciones internacionales como la Organización Mundial del Comercio y el Banco Mundial. GTAP lo escogemos por su gran relevancia en el mundo de políticas de comercio, y evaluamos su capacidad predictiva para liberalizaciones comerciales recientes: Australia y Estados Unidos (2005); Chile y Estados Unidos (2004); Chile y China (2006); y China y Nueva Zelanda (2008). CP es seguramente la versión más bien hecha de lo que un modelo aplicado de equilibrio general puede ser utilizando los modelos más novedosos de comercio (éste se fundamenta en Eaton y Kortum, 2002) e incluye una detallada estructura de input-output que enlaza los sectores de todos los países. Es un modelo pensado para el TLCAN, así que evaluamos su capacidad predictiva para Canadá, Estados Unidos y México para cuando se estableció el tratado. Computamos la correlación entre las predicciones de GTAP (tabla 1) y CP (tabla 2) y los cambios que efectivamente se dieron en estos países, y los comparamos con la correlación entre porcentaje de productos menos comerciados y los cambios que efectivamente se dieron.
Como se puede ver, la información sobre los productos menos comerciados se correlaciona mejor que las predicciones que hace el modelo de GTAP para todas las liberalizaciones. Las predicciones de GTAP son bastante desafortunadas: en media, la correlación entre datos y predicciones es cero — si uno hiciera predicciones al azar no tendría una correlación muy distinta. En comparación, la correlación usando los productos menos comerciados es sustancialmente más alta, 0.49. De forma parecida, la información sobre productos menos comerciados se correlaciona mejor que las predicciones que hace CP, con dos características importantes: la correlación es siempre positiva para los productos menos comerciados, mientras que CP a veces hace predicciones que van al revés que los datos (en la mitad de los casos, los datos y las predicciones están negativamente correlacionadas). No sorprende, pues, que la media de correlaciones de CP sean muy cercanas a cero (de hecho, son negativas). En contraste, con los productos menos comerciados la correlación es sustancialmente mayor, 0.33.
De este ejercicio aprendemos dos cosas: primero, que los modelos estándar no son buenos predictores del impacto de una liberalización comercial, aunque utilicen los modelos más avanzados en el campo. Segundo, que existe la posibilidad de hacer buenas predicciones en el futuro, puesto que existen datos que se correlacionan muy bien con observables. Pero para el caso que nos ocupa, si no tenemos buenos modelos para predecir cuál será el impacto de una liberalización comercial, predecir el impacto de la política contraria nos parece imposible.
Para concluir, queremos dar nuestra opinión sobre el asunto que tratamos. Dado que no tenemos muy buenos datos sobre qué pasa cuando un país levanta barreras comerciales contra otro, nosotros, como investigadores, vemos un cierto valor en que el Presidente Trump quiera hacer un experimento de este estilo, pues con ello se generará un fenómeno muy interesante desde el punto de vista científico. Pero como ciudadanos del mundo, nos va a parecer de lo más deprimente. De todos modos, dado que los modelos aplicados de equilibrio general fracasan al intentar predecir el impacto de una liberalización comercial, nos parece que construir un buen modelo sobre el impacto del proteccionismo es una tarea bien desafiante. Pensamos que, llegada la necesidad, lo sabremos hacer utilizando el margen de los productos menos comerciados.
Referencias:
Arkolakis, C. (2010): “Market Penetration Costs and the New Consumers Margin in International Trade,” Journal of Political Economy, 118(6), 1151–1199.
Caliendo, L. y F. Parro (2015): “Estimates of the Trade and Welfare Effects of NAFTA,” Review of Economic Studies, 82(1), 1–44.
Eaton, J y S. Kortum (2002): “Technology, Geography, and Trade,” Econometrica, 70(5), 1741–1779.
Hertel, T. (2013): “Global Applied General Equilibrium Analysis Using the Global Trade Analysis Project Framework,” Handbook of Computable General Equilibrium Modeling, Chapter 12, 815–876.
Kehoe, T. J., P. S. Pujolas y J. Rossbach (2017): “Quantitative Trade Models: Developments and Challanges,” Annual Review of Economics, forthcoming.
Kehoe, T. J., J. Rossbach y K. J. Ruhl (2015): “Using the New Products Margin to Predict the Industry-level Impact of Trade Reform,” Journal of International Economics, 96(2), 289–297.
Kehoe, T. J. y K. J. Ruhl (2013): “How Important Is the New Goods Margin in International Trade?” Journal of Political Economy, 121(2), 358–92.
Melitz, M. J. (2003): “The Impact of Trade on Intra-Industry Reallocations and Aggregate Industry Productivity,” Econometrica, 71(6), 1695–1725
