La Previsión a Largo Plazo

Este elemento es una expansión del contenido de los cursos y guías de Lawi. Ofrece hechos, comentarios y análisis sobre la previsión a largo plazo, especialmente en el marco económico y empresarial. Puede interesar también lo siguiente:

• Previsión Macroeconómica
• Previsión Económica

Visualización Jerárquica de Previsión a largo plazo

Economía > Análisis económico > Previsión económica

A continuación se examinará el significado.

¿Cómo se define? Concepto de Previsión a largo plazo

Véase la definición de Previsión a largo plazo en el diccionario.

Una previsión puede definirse en términos generales como una afirmación sobre un acontecimiento desconocido e incierto, en la mayoría de los casos, aunque no necesariamente, un acontecimiento futuro. Puede ser cualitativa o cuantitativa, condicional o incondicional, explícita o tácita en cuanto a las probabilidades. Sin embargo, un requisito razonable es que la predicción sea verificable, al menos en principio; las predicciones triviales que son tan amplias o vagas que nunca podrían considerarse incorrectas no merecen ninguna consideración, y lo mismo se aplica a las predicciones que carecen de sentido por basarse en supuestos o condiciones totalmente improbables. En cuanto al “acontecimiento” que se predice, también debe interpretarse de forma muy amplia. Así, la predicción puede referirse a una situación concreta o a varias situaciones interrelacionadas (predicción única frente a predicción múltiple). Puede identificar un único valor o un intervalo de valores que probablemente asumirá una determinada variable (predicciones puntuales frente a predicciones de intervalo). Son posibles varias combinaciones de estas categorías, y algunas son interesantes; por ejemplo, una predicción de intervalo incondicional puede considerarse un conjunto de predicciones puntuales condicionales (es decir, el pronosticador estima la gama de resultados probables fijando límites a la variación de las condiciones subyacentes).

La previsión económica es la proyección o estimación de medidas estadísticas de los resultados de un país, grupo de países, industria, empresa o comunidad.

Economía: Previsión a largo plazo

En principio, el acontecimiento desconocido que es objeto de una predicción puede pertenecer al pasado o al presente, pero el futuro es lo que más preocupa al pronosticador. La información sobre el pasado y el presente suele ser incompleta e inadecuada, pero, por regla general, es mucho más rica y sólida que la que pueda “conocerse” sobre el futuro. De hecho, las inferencias del pasado son la única fuente básica para las expectativas de acontecimientos que escapan al control del pronosticador. Y la calidad de estas expectativas (previsiones) es sin duda un factor determinante de la calidad de los planes y decisiones que se refieren a factores sobre los que el responsable o usuario de la previsión sí tiene un control sustancial.

Las previsiones económicas se refieren a los aspectos económicos de acontecimientos desconocidos. De cara al futuro, estas previsiones pueden clasificarse en a corto plazo (con lapsos o distancias al periodo objetivo de hasta uno o dos años), intermedio (de dos a cinco años) y a largo plazo (relativas a evoluciones más persistentes o sucesos lejanos). Las previsiones de todas estas categorías se realizan con fines de planificación empresarial, de ayuda a las políticas económicas de los gobiernos y de comprobación de las generalizaciones de la teoría económica. Es cierto que las previsiones empresariales se refieren en gran medida al futuro próximo, porque es lo que más se necesita y lo que ofrece más posibilidades de éxito relativo en la reducción de los riesgos empresariales evitables. No obstante, en determinados ámbitos, como la planificación de la construcción de nuevas plantas industriales o la adquisición de nuevas empresas, es necesario predecir evoluciones a bastante largo plazo, y últimamente los expertos en previsión empresarial parecen haberse atrevido a proyectar tendencias a largo plazo en la economía. Con el reciente énfasis en los objetivos de crecimiento, las previsiones a largo plazo también están ganando terreno como herramientas de planificación y toma de decisiones gubernamentales.

Las generalizaciones importantes de la teoría económica suelen implicar predicciones condicionales cualitativas; por ejemplo, la “ley de la demanda” predice que una disminución del precio de un bien llevará a los consumidores a comprar más de ese bien. En la historia del pensamiento económico también se encuentra otro tipo de predicción, en la que el autor presenta como una previsión de lo que está por venir lo que es esencialmente una hipótesis empírica basada en supuestos que pueden haber sido válidos sólo en su momento o pueden ser cuestionados por completo. Las predicciones de los economistas clásicos sobre la evolución secular ofrecen varios ejemplos importantes, como la ley de los rendimientos históricamente decrecientes y el principio maltusiano de la población. (Las proyecciones de Marx sobre la caída de la tasa de beneficio y el aumento de la pauperización y las crisis pertenecen a la misma categoría lógica). La historia se ocupó duramente de algunos de estos pronósticos, mientras que muchos otros quedaron sin probar por los acontecimientos y a menudo deben ser considerados como no concluyentes o carentes de interés actual. En cualquier caso, estas llamadas leyes evolutivas y otras predicciones de carácter tan general no se incluyen en el objeto de este artículo, que se centrará en previsiones más limitadas, específicas y, en particular, cuantitativas.

Antecedentes históricos
De lo anterior se desprende claramente que la predicción en sentido general ha sido siempre uno de los productos del pensamiento económico; en efecto, el objetivo ideal de toda generalización científica es establecer regularidades o relaciones que se mantendrían no sólo para las observaciones pasadas sino también para las futuras de los mismos fenómenos. La predicción cuantitativa específica, sin embargo, es de origen mucho más reciente en economía, ya que ha tenido que esperar al desarrollo de la investigación de orientación empírica y de sus herramientas estadísticas y matemáticas. Dos contribuciones de influencia perdurable en este desarrollo fueron el análisis de Ernst Engel de datos transversales sobre los presupuestos familiares de los trabajadores, que apareció en 1883, y el estudio de Clement Juglar de datos de series temporales sobre precios y finanzas, que apareció en 1862 e introdujo la idea de “ciclos” observables en la actividad empresarial.

El creciente interés por el fenómeno persistente y perturbador de los ciclos económicos dio un impulso considerable a la recopilación y el análisis de diversas series temporales económicas. Entre 1898 y 1925 se sucedieron importantes estudios sobre los ciclos económicos, con frecuentes referencias a materiales históricos y estadísticos: obras de Wicksell, Tugan-Baranovskii, Aftalion, Spiethoff y Schumpeter en Europa, y de Mitchell en Estados Unidos. En el curso de su trabajo posterior sobre los ciclos económicos, Mitchell desarrolló una gran preocupación (aunque sanamente escéptica) sobre las posibilidades de predecir la suerte a corto plazo de la economía. Su trabajo de 1938 sobre indicadores estadísticos de reactivaciones cíclicas, escrito con Arthur F. Burns, inició una serie de varios estudios de la Oficina Nacional de Investigación Económica (NBER), que produjeron herramientas que recientemente se han utilizado ampliamente en la previsión práctica. [Véase la biografía de Mitchell].

Otra corriente de importantes contribuciones a las técnicas actuales de previsión económica tuvo su origen en el desarrollo de nuevos métodos de inferencia estadística, que se aplicaron por primera vez en las ciencias físicas y biológicas y pronto atrajeron la atención de los interesados en los datos sociales y económicos. Los primeros ejemplos de este tipo de trabajo se encuentran en los estudios de Henry L. Moore sobre ciclos económicos y previsión, que aparecieron en 1914 y 1917. El trabajo de Moore estimuló el uso de métodos de regresión en la previsión de los precios y la producción de productos individuales (especialmente agrícolas). Los grandes logros de Irving Fisher en economía monetaria, números índice, el estudio de los retardos distribuidos, etc., han sido reconocidos desde hace tiempo como los primeros modelos de lo que llegó a conocerse como investigación econométrica. Otros pioneros de este enfoque son Paul H. Douglas (funciones de producción, salarios), Henry Schultz (funciones de demanda), Ragnar Frisch (medición de la utilidad marginal), Charles F. Roos (demanda de automóviles y viviendas) y Jan Tinbergen (pruebas estadísticas de las teorías del ciclo económico). Los analistas y pronosticadores modernos que utilizan modelos econométricos tienen sin duda una gran deuda con el trabajo de estos hombres.

Los esfuerzos de Warren M. Persons (1931) y del Comité de Investigación Económica de la Universidad de Harvard por identificar las series temporales que tienden a moverse cíclicamente y que, por tanto, ayudarían a anticipar lo que le espera a la economía, se centraron más directamente en la previsión de los cambios a corto plazo en las condiciones empresariales generales. El resultado fue el Harvard Index Chart, compuesto por tres curvas: (A) especulación (precios de las acciones); (B) negocios (precios al por mayor, más tarde débitos bancarios); y (C) mercado monetario (tipos de interés a corto plazo). El gráfico de Harvard se publicó por primera vez en 1919 para la última década antes de la Primera Guerra Mundial, y luego se extendió hasta 1875; pero el primer uso extensivo de la relación subyacente lo hizo uno de los primeros servicios comerciales de previsión empresarial, J. H. Brookmire, en 1911. En la década de 1920, el barómetro de tres curvas tuvo un éxito menos consistente, por lo que se modificó considerablemente y se utilizó a menudo en combinación con otros dispositivos estadísticos. El servicio de Harvard no sobrevivió a la gran depresión, aunque el índice se publicó periódicamente en la Review of Economic Statistics hasta 1941. Sin embargo, una reciente evaluación inédita muestra que la secuencia subyacente a las curvas ABC de Harvard persistió durante un largo periodo, no sólo en los años de entreguerras, sino también en la posguerra. El método Brookmire-Harvard, a pesar de todas sus deficiencias, merece ser reconocido como un precursor temprano de las actuales técnicas de indicadores y también como un factor muy influyente en la evolución de la predicción del ciclo económico en Europa durante el periodo de entreguerras.

Para los hombres de negocios, la predicción de alguna forma (no necesariamente explícita) debe haber sido siempre inevitable. La mayoría de las decisiones que se toman en las empresas y muchas de las decisiones que se toman en el gobierno implican o siguen algunas previsiones de las condiciones económicas. Sin embargo, la previsión económica y empresarial como actividad especializada es un fenómeno relativamente reciente que hizo su aparición en gran medida en el siglo XX y se desarrolló rápidamente sólo después de la Primera Guerra Mundial y, en particular, después de la Segunda Guerra Mundial. En este último periodo de posguerra, las previsiones se han hecho más abundantes y ambiciosas que nunca. Cada vez más, las previsiones de agregados tan amplios como el producto nacional bruto (PNB) y sus principales componentes, la producción industrial y el empleo total se realizan en forma numérica no sólo para el año siguiente, sino a menudo también para una secuencia de periodos cortos, por ejemplo los cuatro o seis trimestres siguientes. La difusión de este tipo de predicciones se ha visto estimulada por dos acontecimientos recientes: el aumento del interés activo por la aplicación de la teoría macroeconómica y la correspondiente acumulación y mejora de los datos agregados. Lo primero puede atribuirse en gran medida al intenso trabajo realizado por los economistas en los últimos treinta años -desde la Teoría General de Keynes- sobre los problemas de la determinación de la renta agregada, el empleo y el nivel de precios. Esto último se remonta al desarrollo de conceptos y datos sobre las cuentas nacionales de la renta por Simon Kuznets y otros en el NBER y en los organismos estadísticos gubernamentales. Muy recientemente, el rápido crecimiento de la tecnología informática electrónica ha acelerado enormemente el ritmo al que se recopilan y procesan los datos económicos (la materia prima para el pronosticador). Este mismo factor también ha tenido algunos efectos más directos: sin el ordenador, por ejemplo, no se habrían podido elaborar los modelos econométricos a gran escala y, por tanto, la producción de previsiones de tipo econométrico se habría visto muy limitada.

Tipos y métodos de previsión
Resulta instructivo clasificar las previsiones en función de varios criterios. En primer lugar, cabe distinguir entre las previsiones que se basan únicamente en los valores pasados y actuales de la variable que se desea predecir y las previsiones que se basan en relaciones postuladas u observadas entre la variable que se desea predecir y otras variables. El primer tipo de previsión se denominará extrapolación. En segundo lugar, el grado de utilización de métodos formalizados establece, al menos en principio, toda una gradación que va desde las previsiones basadas en juicios informales hasta las predicciones basadas en modelos econométricos totalmente especificados y estrictamente aplicados. Y en tercer lugar, cabe distinguir entre previsiones elaboradas por una sola fuente, que puede ser un individuo o un equipo (por ejemplo, el personal de una empresa o de un organismo público), y previsiones derivadas como medias ponderadas o no ponderadas de distintas predicciones realizadas por unos pocos o muchos individuos u organizaciones (en esta última categoría se incluyen los sondeos de opinión, las encuestas sobre las anticipaciones de los empresarios, etc.).

Estas distintas clases de previsiones se solapan y pueden combinarse de diversas maneras. Por ejemplo, una previsión del PNB del próximo año y de sus principales componentes realizada por un economista de empresa puede constar de alguno o de todos los ingredientes siguientes: (1) extrapolación, de algún tipo, del comportamiento pasado de la serie dada; (2) relación de la serie a predecir con valores conocidos o estimados de algunas otras variables; (3) otra información externa considerada relevante, como una encuesta de intenciones de inversión o una estimación presupuestaria del gobierno; y (4) el juicio del pronosticador. Además, hay que tener en cuenta que una previsión de grupo, por ejemplo una encuesta de opinión, incorporará tantas técnicas diferentes como las que utilicen los distintos encuestados. Cualquier clasificación de los métodos de previsión que tenga en cuenta los distintos criterios sólo podrá aplicarse de forma limitada a las previsiones reales, que suelen basarse mucho más en una combinación de métodos que en una técnica concreta.

Cada vez más, a partir de las primeras previsiones posteriores a la Segunda Guerra Mundial, el análisis de los factores que afectan a la evolución de la economía se lleva a cabo en términos de los principales componentes del PNB. [Se considera que este marco tiene las siguientes ventajas: (a) garantiza que ninguno de los principales componentes de la “demanda agregada efectiva” se pase por alto en la previsión, ya que todos ellos están representados en las categorías de gasto de las cuentas del PNB; (b) orienta al pronosticador a pensar en términos de los determinantes básicos de las decisiones de gasto de los consumidores, las empresas, el gobierno y los compradores extranjeros; y (c) proporciona algunas garantías de que las distintas partes de la previsión, al estar construidas de acuerdo con el sistema internamente coherente del PNB, no serán incoherentes entre sí. Sin embargo, la dependencia exclusiva de datos como los del PNB, que son muy agregativos, están sujetos a revisiones frecuentes y a menudo sustanciales, y sólo están disponibles anualmente (con un registro histórico fiable relativamente corto) y trimestralmente (para los últimos años), también presenta algunas desventajas.

Algunas técnicas mecánicas de previsión que en su día fueron bastante populares pueden descartarse rápidamente por carecer de base científica o solidez empírica. Por ejemplo, el método que supone ciclos periódicos de duración determinada se basa en el hecho de que los ciclos de la actividad empresarial distan mucho de ser estrictamente periódicos. El recurso de igualar las áreas por debajo y por encima de la tendencia, o predecir que un índice de actividad dará un giro una vez que se desvíe de lo “normal” en cierta cantidad crítica, tiene pocas probabilidades de salir bien parado porque las tendencias son difíciles de determinar en una base actual y no tienen por qué tener la connotación de niveles “normales” o de “equilibrio”, incluso cuando se identifican satisfactoriamente.

El juicio, en el sentido amplio de la palabra, es, por supuesto, un ingrediente necesario de todos los tipos de predicción: el pronosticador debe “juzgar” qué información y métodos de análisis utilizar y cómo interpretar y evaluar los resultados. Por lo tanto, el juicio debe entrar en el proceso de previsión en varias etapas, pero su papel adecuado es ser un complemento, no un sustituto, de un análisis económico y estadístico competente. Un juicio fundado puede contribuir en gran medida a que las previsiones sean más coherentes y fiables, mientras que las meras conjeturas sólo pueden basarse en la suerte para tener éxito. Conviene reconocer, sin embargo, que la capacidad de llegar a “buenos juicios” no es una habilidad transferible, técnica y bien definida, sino más bien una desconcertante función del talento personal, la experiencia y la formación.

Muchas previsiones económicas, sobre todo las procedentes de fuentes empresariales, no se basan en modelos formales y no revelan los supuestos y métodos subyacentes. Es probable que algunas sean poco más que productos de la intuición, aunque en la actualidad la mayoría parecen adoptar la forma específica de previsiones puntuales numéricas. Sin embargo, no hay ninguna presunción general de que las previsiones informales basadas en juicios de valor sean en gran medida corazonadas; al contrario, al menos las mejores de entre ellas tienen su origen en la aplicación de diversas técnicas analíticas y de juicio a conjuntos de información diversos y sustanciales.

Las inferencias de juicio a partir de muestras de datos y de cualquier otra prueba que el pronosticador pueda tener y considerar pertinente implican distribuciones de probabilidad. Sería informativo y útil para la evaluación de las predicciones que los pronosticadores indicaran las probabilidades que atribuyen a los resultados esperados (esta práctica es frecuente en las predicciones meteorológicas, por ejemplo). El paso de la predicción por intervalos a la predicción distributiva es, en principio, corto. Sin embargo, las predicciones probabilísticas de distribución parecen ser lamentablemente poco frecuentes en la práctica de la previsión económica y empresarial.

Una vez eliminados los procedimientos de previsión que tienen poca relevancia en la actualidad, parecen merecer un análisis más detallado los siguientes: (1) técnicas extrapolativas; (2) encuestas de intenciones o anticipaciones; (3) indicadores del ciclo económico; y (4) modelos econométricos. Normalmente, los pronosticadores utilizan uno u otro de estos enfoques, o más probablemente alguna combinación de ellos, en su mayor parte atemperando sus resultados con considerables dosis de “juicio”.

Extrapolaciones
El término “extrapolaciones” se utilizará aquí como expresión abreviada de “extrapolaciones del comportamiento pasado de la serie que se pretende predecir.” (El término se aplica a menudo en un sentido más amplio para incluir proyecciones de relaciones entre diferentes variables, pero tales previsiones se discuten más convenientemente bajo otros epígrafes: “modelos econométricos” y, en cierta medida, también “indicadores del ciclo económico.” Sin duda, los elementos extrapolativos pueden combinarse con los otros, como en un modelo econométrico en el que, digamos, xt se asocia tanto con xt-2 como con yt-1). Al limitarse a la historia de una sola variable o proceso, las extrapolaciones hacen un uso mínimo o nulo de la teoría económica, que se ocupa en gran medida de las relaciones entre distintos factores. Técnicamente, sin embargo, las extrapolaciones pueden variar mucho, desde formas muy sencillas a otras muy complicadas. Los “modelos ingenuos” más sencillos proyectan el último nivel conocido o el último cambio conocido de la serie, es decir, suponen que el valor de la serie en el próximo periodo será igual al valor de este periodo o que será igual al valor de este periodo más el cambio del periodo anterior al actual. Pocos pronosticadores, si es que hay alguno, harían sus predicciones en forma de extrapolaciones tan burdas, pero los modelos ingenuos son útiles como estándares mínimos con los que medir el rendimiento de los pronósticos propiamente dichos.

Dado que las tendencias son habituales en muchas series temporales económicas debido a la omnipresente influencia del crecimiento en la economía, las extrapolaciones de tendencias suelen proporcionar predicciones más eficaces y, por tanto, son más exigentes como criterios de evaluación de las previsiones. Especialmente en la aplicación a las previsiones a largo plazo, los ajustes y proyecciones de tendencias son muy utilizados. Las tendencias suelen concebirse como funciones suaves (a menudo, pero no siempre, monótonas) del tiempo; los métodos para describirlas varían enormemente, desde proyecciones visuales a mano alzada y medias móviles a largo plazo hasta curvas diversas (por ejemplo, exponenciales, logísticas) ajustadas mediante fórmulas matemáticas. En el contexto a corto plazo, los otros componentes típicos de las series temporales económicas adquieren una importancia primordial, a saber, los movimientos cíclicos, estacionales y puramente “irregulares” o aleatorios. (Sin embargo, para algunas series, las tendencias son sustanciales incluso en periodos cortos, y en tales casos resulta especialmente gratificante para el pronosticador aproximarse bien a ellas). [Véase Series temporales].

Las fluctuaciones estrictamente periódicas y repetitivas son, al igual que las tendencias persistentes, relativamente fáciles de extrapolar: los movimientos estacionales estables serían a menudo más o menos de este tipo. Las relaciones medias entre los datos brutos (digamos, mensuales) y los valores suavizados de las series que representan principalmente los movimientos a más largo plazo (una media móvil centrada de 12 meses es el ejemplo más sencillo) se emplean con más frecuencia como un conjunto de “índices estacionales”. Las extrapolaciones de estos índices sirven entonces como previsiones de los movimientos estacionales. Dado que estos movimientos son una fuente importante de inestabilidad para las empresas, su proyección es especialmente importante en las previsiones industriales y de ventas. Las complicaciones surgen cuando los patrones estacionales no son muy pronunciados ni muy estables, por lo que resulta difícil aislarlos de los movimientos de otros componentes. Los responsables de las previsiones, cuyo interés se centra principalmente en los demás movimientos, a menudo intentan eludir los efectos estacionales prediciendo los cambios en las series ajustadas estacionalmente.

De este modo, los componentes cíclicos e irregulares constituyen el principal objeto de preocupación de los expertos en previsiones a corto plazo. De cara al futuro, no suele ser nada fácil distinguir el elemento cíclico del aleatorio en el movimiento de una serie temporal económica, aunque retrospectivamente a menudo es posible hacerlo con buenos resultados (descomponiendo la serie temporal y comprobando la aleatoriedad de las estimaciones del componente irregular obtenidas de forma residual).

Los errores de previsión directamente atribuibles a movimientos aleatorios de muy corta duración deben aceptarse como inevitables. Difícilmente puede esperarse que el pronosticador prediga un acontecimiento generalmente considerado imprevisible, como el estallido de una guerra o una huelga iniciada sin previo aviso. Sin embargo, aunque estos “choques” no pueden predecirse individualmente con las herramientas de la economía y la estadística, sus efectos más significativos en la economía son, por supuesto, la preocupación propia del pronosticador. En las predicciones probabilísticas, cuyo objetivo es la distribución de parámetros y resultados desconocidos más que las previsiones puntuales de acontecimientos futuros, los efectos de las perturbaciones y otros errores aleatorios se tendrían en cuenta como parte importante del sistema que hay que analizar. El papel de los impulsos aleatorios en la propagación de los ciclos económicos ha sido objeto de considerable atención en recientes estudios de simulación de modelos econométricos agregativos. [Véase Simulación en los procesos económicos].

Para las secuencias de predicciones puntuales sucesivas, que son el tipo más común de previsiones económicas, el requisito de una buena previsión es, en resumen, que prediga bien los movimientos sistemáticos -tendencias y ciclos-, no que prediga perfectamente los valores reales de las series económicas, que, por regla general, contienen elementos aleatorios. Las técnicas de alisamiento pueden revelar los patrones pasados de cambios sistemáticos en las series dadas, y las extrapolaciones pueden ayudar al pronosticador en su tarea en la medida en que preserven estos patrones y en la medida en que los patrones sigan aplicándose. Pero, en lo que respecta a los acontecimientos económicos y sociales, el futuro rara vez reproduce el pasado sin modificaciones significativas, y las “pautas” históricas suelen ser lo bastante complejas como para eludir una extrapolación eficaz.

En particular, las extrapolaciones son en general incapaces de señalar los puntos de inflexión en los negocios. Por regla general, los giros de las extrapolaciones van por detrás de los de los valores reales; la fuerza de una buena proyección reside casi exclusivamente en que puede predecir bien las tendencias a más largo plazo. Esto contribuye al hecho de que, junto con las variaciones aleatorias a corto plazo, son las fluctuaciones cíclicas, y no las tendencias a más largo plazo, las que producen las mayores dificultades en la previsión a corto plazo. Estas fluctuaciones son recurrentes pero no periódicas; varían mucho en duración y amplitud; y llamarlas cíclicas no debería transmitir ni más ni menos que reflejan principalmente la participación del factor económico dado en “el ciclo económico”.

A principios de la década de 1940 aparecieron importantes estudios matemáticos sobre el alisamiento y la extrapolación de las series temporales (por A. Kolmogoroff y por Norbert Wiener). Se añadió el método de la autocorrelación, o extrapolación de una serie mediante la correlación de la serie consigo misma en distintos momentos del tiempo, y se relacionó con los métodos de proyección de tendencia y análisis armónico de los residuos de tendencia. Es una característica esencial del análisis de procesos dinámicos en economía que las variables en distintos momentos del tiempo estén relacionadas funcionalmente (normalmente estocásticamente); este enfoque puede dar lugar a ecuaciones en diferencias que generan sus propias soluciones, como en los modelos de multiplicador-acelerador que producen una dependencia del valor actual de la renta nacional con respecto a los valores pasados de la renta nacional. Así pues, existe una corriente de pensamiento teórico que sugiere el uso de funciones de extrapolación autorregresivas en la previsión de la renta agregada.

Desarrollos más recientes han llevado a la aplicación de tales funciones en el análisis de cómo se forman las expectativas y cómo se realizan los ajustes retardados. En particular, las funciones en las que las ponderaciones disminuyen geométricamente a medida que se retrocede a valores de períodos pasados progresivamente anteriores se han utilizado en una variedad de problemas que implican expectativas o adaptación parcial al cambio. [Las previsiones derivadas de estas medias ponderadas exponencialmente decrecientes tienen ciertas propiedades deseables para una clase de series temporales autorregresivas. Pero se trata de predicciones “óptimas” sólo si se sabe que la estructura de la serie pertenece a la clase dada y sólo si los valores pasados de la serie son todo lo que uno tiene para seguir adelante. Estas condiciones rara vez se cumplen o son pertinentes. Como ha observado uno de los pioneros de los métodos econométricos de previsión: “El tratamiento o análisis matemático nunca puede sustituir a la sofisticación. Y hasta que uno no entiende las fuerzas que construyeron una estructura particular en una serie temporal económica y cómo estas fuerzas están cambiando en la actualidad, no puede pronosticar con confianza aunque por casualidad se anote una preponderancia de aciertos” (Roos 1955, pp. 368-369).

Encuestas de anticipaciones o intenciones
La recopilación y evaluación de datos sobre expectativas de la economía estadounidense no se desarrolló a gran escala hasta después de la Segunda Guerra Mundial, pero desde entonces los trabajos en este ámbito han avanzado a un ritmo rápido. Los datos se refieren a los gastos futuros de los consumidores, los desembolsos de capital previstos o anticipados de las empresas, las expectativas empresariales sobre las “variables operativas” y las estimaciones presupuestarias del gobierno.

El Survey Research Center de la Universidad de Michigan publica periódicamente informes sobre la compra de electrodomésticos y automóviles. Actualmente incluyen medidas trimestrales de las actitudes e inclinaciones de compra de los consumidores, así como datos financieros anuales. Desde 1959, la Oficina del Censo también realiza una encuesta trimestral de hogares.

Las encuestas sobre planes empresariales y anticipaciones relativas a gastos futuros en planta y equipo incluyen una que se realiza anual y trimestralmente como empresa conjunta por el Departamento de Comercio de EE.UU. y la Comisión de Valores y Bolsa (SEC) y otra que lleva a cabo anualmente la McGraw-Hill Publishing Company. Desde 1955, el National Industrial Conference Board realiza una encuesta trimestral sobre créditos de capital nuevos y no utilizados.

La más antigua de las encuestas actuales sobre las expectativas de los empresarios en Estados Unidos es la Railroad Shippers’ Forecast, que desde 1927 ofrece previsiones trimestrales de carga de vagones por mercancías. El programa de la revista Fortune, que comenzó en la década de 1950, incluye encuestas sobre “expectativas y estado de ánimo empresarial”, ventas al por menor, gasto agrícola, construcción de viviendas, inventarios y producción de bienes de capital (todas ellas son ahora semestrales, excepto la encuesta anual sobre agricultura y la trimestral sobre inventarios). Los datos sobre las expectativas de ventas de los fabricantes se vienen recopilando desde 1948 en el curso de la encuesta del Departamento de Comercio-SEC sobre anticipaciones de inversión; actualmente, el Departamento de Comercio publica regularmente cifras trimestrales sobre las expectativas de ventas e inventarios de los fabricantes en un programa iniciado en 1957.

Otras dos fuentes de datos sobre expectativas empresariales acerca de variables operativas pueden agruparse en la medida en que su producción adopta la forma especial de “índices de difusión”. Estos datos indican, para cada periodo de previsión sucesivo, el porcentaje de encuestados de la muestra que esperan subidas o bajadas o ningún cambio en la variable dada. Las encuestas de Dun and Bradstreet a fabricantes, mayoristas y minoristas abarcan el empleo, los inventarios, los precios, los nuevos pedidos, las ventas y los beneficios; comenzaron en los años 50, son trimestrales y se refieren en cada caso a las expectativas de los empresarios para el semestre siguiente. El cuestionario mensual de la Asociación Nacional de Agentes de Compras, publicado por primera vez en 1947, se dirige a los miembros participantes, abarca la producción, los nuevos pedidos, los precios de los productos básicos, los inventarios y el empleo, y pregunta cómo va a ser el mes siguiente en comparación con el anterior (si será mejor, peor o igual).

Las encuestas sobre expectativas empresariales también se han extendido en otros países, originándose al parecer en el IFO-Institute for Economic Research de Munich a principios de 1950. Este instituto envía mensualmente cuestionarios a un gran número de empresas de Alemania Occidental y, a partir de las respuestas de los ejecutivos, recopila datos de difusión sobre las direcciones de cambio reales y esperadas de varias variables económicas importantes. En 1959, ocho países europeos, así como Japón, Sudáfrica y Australia, adoptaron métodos de encuesta empresarial similares al procedimiento del IFO.

Las expectativas empresariales se han clasificado en intenciones (planes de acción en los que la empresa puede tomar decisiones vinculantes), anticipaciones de mercado (relativas a la interacción entre las acciones de la empresa y su entorno) y perspectivas (expectativas sobre condiciones en las que la empresa no puede influir significativamente pero que afectarán a los mercados). A modo de ejemplo, los nuevos créditos de capital o los planes relativos a los desembolsos del año próximo para instalaciones y equipos entran en la primera categoría, al igual que la programación en periodos más cortos de la producción y el empleo. La previsión de ventas de la empresa, que depende de la reacción de los clientes a las condiciones ofrecidas, los esfuerzos publicitarios, etc., pertenece a la segunda categoría, al igual que las expectativas relativas a la financiación, las existencias y los precios de venta (para las empresas que no pueden fijar sus propios precios). Por último, la clase denominada “perspectivas” incluye las previsiones sobre la situación general de la economía o la industria.

Las intenciones de compra de los consumidores son, en principio, similares a los planes de las empresas para adquirir recursos productivos, pero en la práctica suelen ser más vagas y actitudinales y suelen estar menos firmemente presupuestadas. Las previsiones presupuestarias de los gobiernos también representan intenciones: documentan lo que la administración central se comprometería a gastar para diversos fines específicos, previa aprobación del poder legislativo. En la administración pública, al igual que en muchas grandes empresas, el proceso de formación de “expectativas” o previsiones suele ser muy descentralizado y complejo, al igual que el proceso conexo de toma de decisiones.

La distinción entre intenciones, anticipaciones de mercado y perspectivas es importante para la cuestión del valor predictivo de los datos sobre expectativas. Es plausible que la precisión tienda a ser mayor cuanto mayor sea el grado de control que los que tienen la expectativa tienen sobre la variable en cuestión. Esto sugiere que las intenciones deberían ser en conjunto más precisas que las anticipaciones del mercado, y las estimaciones de las perspectivas deberían ser las menos precisas. Hay algunas pruebas que corroboran esta opinión, sobre todo el hecho de que las anticipaciones empresariales de los gastos en planta y equipo tienen un historial de previsión mucho mejor que las anticipaciones de las ventas empresariales (como muestran las encuestas por muestreo del Departamento de Comercio-SEC de EE.UU.). Sin embargo, hay otros factores que pueden modificar estas comparaciones, como las variabilidades de las series previstas (las previsiones de un agregado muy estable, clasificable como perspectiva, pueden ser mejores que las anticipaciones del mercado para una variable que es muy volátil y, por lo tanto, difícil de predecir) y el alcance de la previsión (las encuestas que miran con suficiente antelación, incluso para variables en gran medida “controlables”, tendrán más la naturaleza de anticipaciones del mercado y menos de intenciones, y podrían ser menos precisas que las encuestas de perspectivas para un futuro muy próximo).

Evidentemente, las expectativas de todo tipo siempre implican cierto grado de incertidumbre. Es de suponer que se basan en parte en pruebas históricas, como la extrapolación del comportamiento pasado de la serie dada y las inferencias de las relaciones observadas con otras series; pero es improbable que incorporen sólo esas pruebas. Como resultado de la perspicacia de los expertos o de meras corazonadas, es muy posible que incluyan alguna información adicional no contenida en los patrones del pasado. Por lo tanto, incluso cuando las expectativas no son muy eficaces cuando se utilizan solas como previsión directa, pueden tener un valor predictivo neto como ingrediente de un proceso de previsión que combina las expectativas con otros datos.

En las previsiones a largo plazo, el juicio informado o las expectativas desempeñan un papel fundamental junto con las técnicas extrapolativas. En gran parte, estas previsiones son proyecciones de crecimiento, que se han descrito como herramientas para explorar potenciales económicos. No pretenden ofrecer predicciones de las condiciones reales en un año lejano, sino más bien estimaciones de las condiciones probables bajo algunos supuestos específicos considerados más o menos razonables. A menudo se intenta tener en cuenta las incertidumbres del futuro elaborando proyecciones alternativas que suponen varias vías diferentes de evolución económica dentro de la gama considerada plausible. Así pues, estas previsiones se refieren esencialmente a la evolución de la economía en situación de pleno empleo. Las variables proyectadas suelen ser la población, la población activa, las horas de trabajo y la productividad por el lado de la oferta; los gastos en los principales componentes del PNB por el lado de la demanda; la renta, el ahorro y la inversión; y las variaciones del nivel de precios (que a menudo sólo se tienen en cuenta implícitamente, ya que las proyecciones se expresan en dólares constantes).

Indicadores del ciclo económico
Los indicadores del ciclo económico, que se utilizan en el análisis y la previsión de la evolución económica a corto plazo, son series temporales seleccionadas por la relativa coherencia de su calendario en las reactivaciones y recesiones cíclicas (otros criterios son la importancia económica de las series en relación con los ciclos económicos, su adecuación estadística, la conformidad histórica con los movimientos generales de la economía, la suavidad y la divisa). Las series se seleccionan a partir de grandes colecciones de series económicas trimestrales y mensuales y se someten a un análisis detallado y a repetidos exámenes de la calidad de su comportamiento como indicadores cíclicos. Tales selecciones, basadas en estudios de 500-800 series y revisiones sucesivas de los resultados, fueron realizadas en la Oficina Nacional de Investigación Económica en 1938 (por Mitchell y Burns), en 1950 y 1960 (por Geoffrey H. Moore), y en 1965 (por Moore y Shiskin). La primera lista sólo incluía indicadores de reactivaciones cíclicas; las posteriores abarcaban indicadores tanto de reactivaciones como de recesiones, clasificados en los que tienden a liderar los giros en la actividad empresarial general, los que tienden a coincidir aproximadamente con estos giros y los que tienden a retrasarse. Nuevas revisiones y ampliaciones de la lista han sido impulsadas por la aparición de nuevos datos y la mejora de los antiguos, la acumulación de conocimientos sobre el comportamiento de las series y los procesos que representan, y el gran aumento de la eficiencia con que pueden procesarse y analizarse las series temporales. Estas revisiones dieron lugar a muchos cambios significativos, pero el núcleo de la lista no se ha visto esencialmente alterado en cuanto a su composición en cuanto a los procesos representados. En la lista más reciente, este núcleo se compone de lo siguiente:

Indicadores adelantados (14 series)-semana laboral media en la industria manufacturera, puestos de trabajo no agrícolas, nuevos permisos de construcción de viviendas privadas, formación neta de empresas, nuevos pedidos de bienes duraderos, contratos de instalaciones y equipos; variación de los pedidos pendientes de bienes duraderos, variación de las existencias de los fabricantes y del comercio; precios de los materiales industriales, cotizaciones bursátiles, beneficios empresariales después de impuestos, relación entre precios y costes laborales unitarios en la industria manufacturera; variación de la deuda a plazos de los consumidores, pasivos de las empresas en quiebra.

Indicadores aproximadamente coincidentes (8 series)-empleo no agrícola, tasa de desempleo, PNB en dólares constantes, producción industrial, renta personal, ventas al por menor, ventas de manufacturas y comercio, índice de precios al por mayor.

Indicadores rezagados (6 series)-desempleo de larga duración, valor contable de las existencias de la industria y el comercio, coste laboral por unidad de producción en la industria manufacturera, gastos de las empresas en nuevas instalaciones y equipos, tipos bancarios de los préstamos a corto plazo a las empresas, préstamos bancarios comerciales e industriales pendientes.

Aunque la selección se basa principalmente en datos históricos, también está ampliamente respaldada por consideraciones económicas generales y por la lógica. Así, las series agregativas sobre producción, empleo e ingresos miden aproximadamente el nivel general de actividad empresarial o económica cuyas principales fluctuaciones se definen como el ciclo económico; por lo tanto, estas series difícilmente podrían dejar de ser “aproximadamente coincidentes”. Los líderes incluyen series que anticipan la producción y el empleo, como las horas trabajadas, las vacantes de empleo y los nuevos pedidos y contratos. Por ejemplo, es probable que un aumento de la demanda de mano de obra adicional se satisfaga primero prolongando la semana laboral y sólo después, si sigue siendo necesario, contratando nuevos trabajadores (el primer ajuste es menos vinculante y costoso que el segundo). Los nuevos pedidos preceden a la producción y al empleo en intervalos considerables para los bienes fabricados en gran medida en respuesta a ofertas o compromisos de compra previos. La mayoría de los bienes manufacturados duraderos pertenecen a esta categoría y, en particular, los bienes de equipo que, por regla general, se producen para satisfacer pedidos anticipados; la construcción de instalaciones industriales y comerciales se anticipa de forma similar mediante contratos de construcción. Sin embargo, la ejecución de estos nuevos pedidos y contratos de inversión lleva tiempo, por lo que el gasto en instalaciones y bienes de equipo es una serie aproximadamente coincidente o ligeramente retardada.

Otro tipo de secuencia surge del hecho de que una serie de existencias suele sufrir un retardo antes de invertirse; de ahí que la serie de flujos correspondiente (o tasa de variación de las existencias) tienda a girar por delante de las existencias. Así, las variaciones de existencias lideran los cambios de ciclo, mientras que las existencias totales van a la zaga. También se reconocen otras secuencias cuando las caídas de algunos indicadores están relacionadas con las subidas de otros. Por ejemplo, el descenso de las existencias va por detrás, y es una posible consecuencia, de los descensos de las medidas globales de la actividad económica (como el PNB, la producción industrial y las ventas al por menor); pero el descenso de las existencias también lidera, y puede estar contribuyendo, a los posteriores repuntes de estas y otras series (ya que la necesidad de reponer las existencias en última instancia estimulará los pedidos y ayudará a que se produzca la siguiente recuperación empresarial). Estas consideraciones sugieren que los coincidentes y los rezagados no sólo tienen valor como indicadores de confirmación; algunos de ellos también desempeñan un papel activo como eslabones en la ronda continua de la evolución del ciclo económico.

Además de las 28 series identificadas anteriormente, en la lista completa de indicadores de expansiones y contracciones empresariales se incluyen más de sesenta series más. Desde 1961, la Oficina del Censo viene publicando en el informe mensual Business Cycle Developments gráficos y tabulaciones actualizados, así como diversas medidas de síntesis de todo el conjunto de indicadores. La lista completa contiene varias series relacionadas para cada tipo de proceso económico con importancia para el análisis y la previsión del ciclo económico. La mayoría de las series son mensuales (menos del 20 por ciento son trimestrales), y más de la mitad de las clasificadas por calendario son líderes. La variación de la oferta monetaria, una serie con largos leads y movimientos irregulares bastante pronunciados de sus componentes, merece una referencia especial en vista de la hipótesis de que esta variable es un factor fundamental en el inicio de las fases descendentes y ascendentes de la actividad empresarial.

Los indicadores se utilizan principalmente para reducir el desfase en el reconocimiento de los puntos de inflexión cíclicos. A menudo, sobre todo cuando la economía invierte su curso de forma relativamente brusca, el mejor resultado que se puede obtener parece ser el reconocimiento del punto de inflexión cíclica más o menos en el momento en que se alcanza. Pero ni siquiera esto es un logro desdeñable, ya que las reactivaciones y las recesiones no suelen reconocerse como tales hasta varios meses después de que se hayan producido.

La mayor dificultad a la hora de utilizar indicadores con fines de previsión surge de la necesidad de establecer sobre la base actual la dirección en la que se mueven estas series o las fechas de sus puntos de inflexión. Esto se debe a que la tendencia y los movimientos cíclicos de muchos indicadores suelen estar superpuestos y a menudo oscurecidos por otras variaciones de corto plazo, en parte de carácter estacional pero sobre todo errático. El ajuste estacional y el posterior alisado de las series pueden ayudar a distinguir sus movimientos cíclicos de los irregulares más cortos, pero se trata de procedimientos esencialmente descriptivo-históricos poco eficaces y que provocan pérdidas de actualidad cuando se aplican en la actualidad.

Los indicadores adelantados, en particular, son muy sensibles a todo tipo de influencias a corto plazo y no sólo a las fuerzas que determinan los movimientos cíclicos generales. Han anticipado marcados retrasos en la actividad empresarial, así como las principales recesiones y reactivaciones. En ocasiones, el juicio experto (o afortunado) del usuario ha podido distinguir entre estos diferentes episodios, pero ningún método mecánico y reproducible de aplicación de los indicadores ha sido capaz de hacerlo.

En ocasiones, los indicadores individuales no son capaces de señalar la proximidad de un cambio de tendencia general en la actividad económica, y sus indicaciones suelen variar mucho de una recesión o reactivación a otra. La evidencia de grupos de indicadores se considera en conjunto más fiable que la evidencia de cualquier indicador individual. En consecuencia, el grado de consenso en el comportamiento de estas series atrae considerablemente la atención de los analistas y pronosticadores empresariales. Se utilizan varias medidas del consenso, como los índices de difusión y otros índices compuestos para grupos de series de indicadores.

Previsiones con modelos econométricos
Los modelos econométricos agregados son sistemas de ecuaciones diseñados para representar las relaciones cuantitativas básicas entre las principales variables económicas, como la renta y el producto nacionales, el consumo, la inversión, el empleo y el nivel de precios, y su comportamiento a lo largo del tiempo. Estos modelos se utilizan para realizar previsiones y también para otros fines (simulación de los efectos probables de políticas fiscales y monetarias alternativas, pruebas de hipótesis, etc.). En los últimos años, varias universidades y organismos públicos de Estados Unidos y otros países, en particular Lawrence R. Klein y sus colaboradores, han trabajado intensamente en este campo.

Las ecuaciones de los modelos econométricos describen el comportamiento de consumidores, productores, inversores y otros grupos de agentes económicos; también describen las características del mercado, las condiciones institucionales y los requisitos tecnológicos que guían y limitan la acción económica. Incluyen variables seleccionadas para representar factores sistemáticos importantes que entran en cada una de estas funciones y relacionan estas variables mediante estimaciones estadísticas de sus efectos marginales netos. La estimación de estos valores desconocidos (denominados parámetros y tomados, por regla general, como constantes) se basa en el supuesto de que todos los factores importantes que afectan a la relación se han identificado correctamente, dejando sólo perturbaciones aleatorias con valores esperados de cero. Lo ideal sería que los términos de perturbación residual, que implican el efecto neto de todas las influencias distintas de las de las variables explicativas especificadas, fueran pequeños, no estuvieran correlacionados serialmente y no estuvieran asociados a los factores sistemáticos. En la práctica, el constructor del modelo espera que las perturbaciones sean al menos aproximadamente aleatorias y relativamente pequeñas, es decir, que la teoría económica u otros conocimientos le lleven a una especificación suficientemente buena de unos pocos determinantes principales en cada una de estas relaciones.

A diferencia de estas ecuaciones “estocásticas”, que se supone que sólo se cumplen aproximadamente, las demás ecuaciones del modelo son “identidades” contables, que se basan en definiciones y, por tanto, se supone que se cumplen exactamente. Las ecuaciones estocásticas y las identidades forman conjuntamente una descripción de la estructura de la economía.

Las variables desconocidas que debe determinar el modelo se denominan variables dependientes conjuntamente o variables endógenas corrientes; su número es igual al de las ecuaciones del sistema completo. Para resolver estas variables, cada una de ellas se expresa en función de los parámetros estructurales estimados, de las perturbaciones y de las variables predeterminadas. Las variables predeterminadas son insumos necesarios para el modelo y consisten en: a) los valores de las variables (denominadas exógenas) que se consideran determinados por factores externos al modelo, y b) los valores retardados de las variables endógenas, que vienen dados por estimaciones externas o por el funcionamiento pasado del sistema. Las estimaciones conjuntas de las variables endógenas actuales, todas las cuales son funciones de las variables predeterminadas con perturbaciones que normalmente se suponen nulas, representan el resultado de la previsión o la “forma reducida” del modelo.

Si las variables predeterminadas se dan por supuestas, por ejemplo en sus valores ex post, las previsiones realizadas a partir de la forma reducida estarán condicionadas a estos datos. Las previsiones “incondicionales” de las variables conjuntamente dependientes se obtendrán cuando se predigan los valores futuros desconocidos de las variables predeterminadas (lo que para los factores exógenos significa necesariamente una predicción fuera del modelo). Una distinción estrechamente relacionada es la que existe entre las previsiones hipotéticas alternativas (por ejemplo, del PNB el año que viene, suponiendo un aumento del 5%, 7% o 10% del gasto público) y la previsión única preferida (que el gasto público aumentará un 7% y el PNB será tal o cual).

De ello se deduce que las previsiones incondicionales podrían tener errores sustanciales debido a proyecciones erróneas de las variables exógenas, incluso si la especificación y la solución del modelo fueran esencialmente correctas. En cambio, la precisión de las previsiones condicionales depende (aparte de los efectos de los errores en los datos a los que se ajustan las ecuaciones) únicamente de los errores que se producen en la construcción y solución del modelo. Estos errores pueden deberse a varias razones (1) especificación incorrecta de las relaciones de comportamiento u otras relaciones económicas, es decir, no utilizar las variables explicativas correctas en su forma adecuada; (2) métodos deficientes de inferencia estadística, por ejemplo, incapacidad para medir bien los efectos separados de varias variables exógenas estrechamente interrelacionadas; (3) errores en las estimaciones de los parámetros derivados de las fluctuaciones del muestreo, es decir, de la presencia de los términos de perturbación que ocultan las relaciones subyacentes; y (4) discrepancias entre las predicciones y las realizaciones derivadas de la suposición de que los términos de perturbación desaparecen; en cualquier periodo concreto, estos términos pueden diferir de cero, aunque sus valores esperados sean cero.

Las inferencias estadísticas sobre el significado probabilístico de las estimaciones de los parámetros, la bondad del ajuste a los datos en el período muestral, la presencia o ausencia de autocorrelación en los términos de perturbación, etc., pueden utilizarse para evaluar la gravedad de los errores resultantes de las variaciones del muestreo y la ineficacia de los métodos de estimación empleados. Sin embargo, en lo que respecta a la valoración del modelo en sí, las fuentes de error decisivas son claramente las especificaciones erróneas, que son más difíciles de detectar y evaluar. Las consideraciones teóricas y otras consideraciones a priori pueden decirnos algo sobre la corrección de algunas de las especificaciones de un modelo; pero la corrección de las especificaciones para el periodo de previsión y no sólo para el periodo muestral debe juzgarse principalmente a partir de la calidad de las previsiones condicionales realizadas con un modelo que resultó satisfactorio en las demás pruebas estadísticas que acabamos de mencionar.

El periodo de tiempo unitario varía de un trimestre a un año en los distintos modelos; a efectos de análisis y previsión de la evolución a corto plazo, son deseables periodos unitarios cortos, y los modelos econométricos agregados han pasado recientemente de unidades anuales a trimestrales. Los modelos también varían mucho en tamaño y complejidad. Una de las opiniones es que los modelos sencillos a pequeña escala pueden ser suficientes para prever el curso general de la economía en un futuro próximo y que, de hecho, pueden ser preferibles en este papel a los modelos grandes, que presentan mayores oportunidades de error al gravar fuertemente los conocimientos y datos insuficientes actuales. Sin embargo, aunque recientemente se han propuesto pequeños modelos con tan sólo cinco ecuaciones, la tendencia parece ir en la dirección de sistemas cada vez mayores y más complejos.

Cabe señalar que, en ocasiones, los econometristas obtienen previsiones condicionales de determinadas variables a partir de sistemas de una sola ecuación. Si la ecuación no está desfasada, simplemente se desplaza la carga de la predicción en el sentido de que, para obtener una auténtica previsión ex ante de la variable dependiente, la(s) variable(s) independiente(s) debe(n) predecirse de algún modo fuera del modelo. Si la variable dependiente se toma con un desfase, puede predecirse a partir de la ecuación en la medida en que los valores anteriores de los factores explicativos se conocen o se tratan como conocidos. El enfoque de una sola ecuación sólo es aplicable estrictamente a las relaciones causa-efecto en las que una variable, digamos x, depende de otras, y1, y2… pero las y no dependen de x. Si las variables dependen unas de otras, debe aplicarse un modelo multiecuacional.

Un modelo econométrico de previsión puede, en principio, construirse y anotarse de tal manera que esté disponible para la producción de previsiones sucesivas, la réplica por usuarios distintos de los autores del modelo y la inspección y comprobación continuas. Esta posibilidad encierra la promesa de un avance científico, pero es difícil de conseguir en la práctica para modelos complejos con grandes requisitos en cuanto a datos y métodos, sobre todo cuando los propios datos y métodos están sujetos a cambios frecuentes y sustanciales. Además, algunos pronosticadores econométricos desean utilizar sus modelos de manera flexible, modificándolos repetidamente para aprovechar la información adicional. Así, se introducen en los modelos datos anticipatorios procedentes de encuestas, indicadores, etc., como variables exógenas, o se utiliza el juicio sobre los efectos probables de un acontecimiento reciente para alterar el término constante de una ecuación individual. Estas modificaciones suelen ser informales y a veces no se registran; pueden (aunque no necesariamente) mejorar una previsión concreta, pero sin duda aumentan la dificultad de reproducir y evaluar los modelos.

Tablas input-output. El análisis input-output, desarrollado por Wassily Leontief y presentado por primera vez en 1941, implica una división relativamente detallada del sector productor de materias primas de la economía en industrias individuales y la estimación de las relaciones entre estas industrias. En una tabla input-output estadística, cada fila muestra las ventas realizadas por una determinada industria a todas las demás, y cada columna muestra lo que una industria compró a todas las demás. Si la cantidad de cada insumo por unidad de producción se trata como una constante estructural (lo que implica rendimientos constantes a escala y, supuesto especialmente drástico, ausencia de sustitución entre insumos cuando cambian los precios relativos), puede establecerse un sistema de ecuaciones lineales que describa la interdependencia entre las producciones de las distintas industrias mediante estos “coeficientes técnicos” de producción. Este modelo puede utilizarse para hacer predicciones condicionales de los valores de los productos de la industria, dadas las estimaciones o proyecciones de la “lista de bienes”, es decir, de las compras de los sectores autónomos: consumidores, gobierno y países extranjeros. [Ver Análisis input-output].

Evaluación de las previsiones
A pesar del uso generalizado y aparentemente creciente de las previsiones económicas en la empresa, la administración y la investigación, sorprendentemente se ha hecho muy poco para comprobar estas previsiones de forma sistemática y exhaustiva. Sin embargo, está claro que las previsiones deben evaluarse adecuadamente para que sus creadores aprendan de los errores del pasado y para que sus usuarios puedan discriminar inteligentemente entre las fuentes y métodos disponibles. Sin evaluaciones fiables de la exactitud de las previsiones, es imposible comparar con conocimiento de causa los costes y beneficios asociados a las previsiones.

Es posible que la eficacia de las previsiones complique seriamente su evaluación. Las previsiones pueden influir en el comportamiento económico y, en particular, en las variables que se predicen; en la medida en que esto ocurra, las previsiones pueden validarse o invalidarse a sí mismas. Por ejemplo, si casi todo el mundo predijera una mejora de las condiciones económicas en el periodo venidero, este mismo consenso de expectativas optimistas podría contribuir a estimular la economía. O, a la inversa, si el gobierno aceptara el pronóstico de que la economía está amenazada por la recesión, probablemente adoptaría políticas destinadas a evitar o al menos aplazar el resultado no deseado inicialmente previsto.

Es fácil exagerar o juzgar mal estos efectos de retroalimentación. De los escasos trabajos teóricos sobre el problema, algunos son muy abstractos y especulativos. El mejor resultado parece negar la tesis de que los anuncios públicos deben invalidar necesariamente una predicción que de otro modo sería exacta. Bajo algunos supuestos plausibles (en particular, que la variable pronosticada tiene un límite inferior y otro superior), si las previsiones no publicadas pueden ser exactas, también pueden serlo las publicadas, porque la reacción a ellas puede conceptualmente conocerse y tenerse en cuenta.

De hecho, las variaciones del PNB y de otras variables macroeconómicas pronosticadas por distintas fuentes para un periodo determinado muestran una dispersión lo suficientemente grande como para sugerir que no existe una previsión única que goce de aceptación general (la prueba procede de un reciente estudio del NBER sobre las previsiones estadounidenses al que nos referiremos más adelante). Es difícil encontrar previsiones sistemáticamente superiores. Algunas predicciones son mucho más influyentes que otras (y la especial importancia de las previsiones oficiales de los gobiernos está ampliamente reconocida), pero no existe una única fuente autorizada que goce de un liderazgo incuestionable.

Una cuidadosa valoración de las previsiones empresariales estadounidenses presentada por Cox (1929) fue uno de los pocos estudios tempranos en este ámbito. Los años que siguieron a la Segunda Guerra Mundial produjeron una serie de previsiones especialmente insatisfactorias (que reflejaban expectativas de grave desempleo), que fueron objeto de algunas revisiones instructivas. Christ (véase Conference on Business Cycles …1951) publicó una prueba de un primer modelo econométrico elaborado por Klein. El National Bureau of Economic Research recopiló en varios volúmenes ensayos sobre el desarrollo y la evaluación de distintos métodos de previsión (Conference on Models of Income Determination 1964; Conference on Research in Income and Wealth 1954; 1955; Universities-National Bureau Committee for Economic Research 1960; Moore 1961). En Europa, Henri Theil y sus colaboradores (1958) elaboraron un importante análisis de la metodología y la calidad de las previsiones, dirigido tanto a las encuestas de coyuntura como a los modelos econométricos. Desde 1963, en la Oficina Nacional de Investigación Económica (National Bureau of Economic Research) se lleva a cabo un estudio exhaustivo de la precisión y otras propiedades de las previsiones a corto plazo de la actividad económica en Estados Unidos, y se han elaborado varios informes sobre los métodos y resultados de esta evaluación.

A juzgar por los resultados globales de la mayoría de estos estudios, el historial de los expertos en previsiones económicas en general deja mucho que desear, aunque también incluye algunos logros significativos y puede ser susceptible de nuevas mejoras. Según el estudio actual del NBER, las predicciones anuales del PNB para 1953-1963 realizadas por unos trescientos o cuatrocientos pronosticadores (plantillas de empresas y grupos de economistas de diversas industrias, gobiernos e instituciones académicas) tuvieron errores de una media de 10.000 millones de dólares. Aunque esto equivale sólo al 2% del nivel medio del PNB, los errores fueron lo suficientemente grandes como para marcar la diferencia entre un buen y un mal año económico. La variación media anual del PNB en este periodo fue de aproximadamente 22.000 millones de dólares. Por lo tanto, los errores no fueron, según las medias absolutas, ni la mitad del tamaño de los errores que se producirían suponiendo que el PNB del próximo año será el mismo que el del año pasado (ya que el error de no suponer ningún cambio es igual al cambio real). Si los pronosticadores hubieran supuesto que el PNB avanzaría el año próximo en la cantidad media que había avanzado en los años precedentes de la posguerra, el error medio resultante no habría sido superior a 12.000 millones de dólares. Sin embargo, si bien es cierto que en términos de errores medios absolutos algunas previsiones del PNB no han sido significativamente mejores que las simples extrapolaciones de tendencias, las previsiones fueron típicamente superiores en términos de correlaciones con los cambios reales. De hecho, las previsiones recientes de la actividad económica agregada del año siguiente, ya se mida por el PNB o por la producción industrial, han sido en general más precisas que tanto las simples extrapolaciones del último nivel o cambio como los modelos considerablemente más eficaces de proyección tendencial y autorregresión.

Basado en la experiencia de varios autores, mis opiniones, perspectivas y recomendaciones se expresarán a continuación (o en otros lugares de esta plataforma, respecto a las características en 2026 o antes, y el futuro de esta cuestión):

Así pues, los pronosticadores han podido aportar una contribución predictiva neta superior a la que podría obtenerse únicamente mediante extrapolaciones mecánicas. Se trata de un resultado favorable que no siempre se alcanza: por ejemplo, las simples proyecciones tendenciales habrían obtenido mejores resultados que las previsiones registradas que preveían una grave depresión económica en 1947-1948. Sin embargo, no es un logro importante, ya que el curso de la economía ha sido relativamente suave en los últimos años y, por lo tanto, en conjunto, probablemente menos difícil de predecir que la evolución en la primera parte del periodo de posguerra. En la década posterior a 1953, hubo menos y más pequeños “choques” exógenos del tipo representado, por ejemplo, por el estallido de la guerra de Corea en 1950. Además, el calendario de las recientes recesiones empresariales fue lo suficientemente temprano como para que la presencia de las recesiones fuera bastante conocida a finales de los años de máxima actividad (1953, 1957 y 1960), y la mayoría de las previsiones se realizan a finales de año. Esto, sumado a la presunción de que las contracciones seguirían siendo breves, hizo que fuera relativamente fácil predecir la dirección de los cambios interanuales de la actividad económica agregada.

En general, las previsiones de los economistas de empresa objeto de este análisis son informales, eclécticas y se enmarcan vagamente en las cuentas del PNB. Las previsiones del modelo econométrico para el PNB en los años posteriores a 1953 parecen haber sido tan precisas como las mejores previsiones empresariales. Hay que señalar, sin embargo, que se dispone de muy pocas previsiones econométricas ex ante para este tipo de pruebas, ya que la mayoría de los modelos que se utilizan actualmente sólo se han construido en los últimos años y su precisión más allá de los periodos de muestra todavía no puede evaluarse con ninguna confianza. Las previsiones econométricas que sí se prestan a esta evaluación proceden principalmente de una serie de modelos estrechamente relacionados utilizados de manera flexible, con muchas modificaciones de juicio.

Muchas previsiones muestran un sesgo de infravaloración del crecimiento de la economía; los descensos se infravaloran con mucha menos frecuencia que los aumentos. La acusación de que los expertos en previsiones tienden a ser demasiado prudentes o conservadores parece, en este sentido, justificada. Dado que series como el PNB o la producción industrial tienen fuertes tendencias al alza, sus niveles futuros, así como sus cambios, se han subestimado la mayoría de las veces (la subestimación de los aumentos suele traducirse en una subestimación de los niveles subsiguientes).

Los errores de previsión también se ven afectados por las características cíclicas del periodo de previsión. Los niveles del PNB y de la producción industrial se subestiman más en el primer año de expansión, cuando los aumentos de estas series tienden a ser muy grandes. Más adelante en las expansiones, cuando los aumentos suelen ser menores, los niveles se subestiman mucho menos. En las contracciones, los niveles previstos son, por regla general, demasiado altos, a menudo porque se pasó por alto la desaceleración y a veces porque el descenso resultó ser mayor de lo previsto.

Las previsiones del PNB total suelen ser sustancialmente mejores, en el sentido de tener menores errores de variación porcentual, que las previsiones de la mayoría de los principales componentes del gasto del PNB procedentes de la misma fuente. Aparentemente, las previsiones globales se benefician de una cancelación parcial de los errores en las previsiones de los componentes. Esto es sin duda preferible al caso opuesto de errores correlacionados positivamente y que se refuerzan mutuamente, pero las grandes imprecisiones en las previsiones de los componentes son, por supuesto, preocupantes, incluso si estos errores se compensan en gran medida.

Los errores en la predicción de las variaciones porcentuales del gasto en consumo personal son considerablemente menores que los de las previsiones correspondientes de la inversión interior privada bruta, mientras que los errores en la predicción del gasto público son de tamaño intermedio. Las previsiones del consumo han sufrido una pronunciada tendencia a la subestimación. En cambio, los cambios en las series que fluctúan más y crecen menos, en particular los componentes de la inversión, han sido tan a menudo sobreestimados como subestimados.

Aunque los errores de las previsiones de consumo son menores que los de los otros componentes principales del PNB cuando se miden en desviaciones de cambios porcentuales, son grandes en relación con los errores de algunas extrapolaciones. Las series de consumo, incluidas las de bienes y servicios no duraderos, son series de crecimiento suave que podrían haberse predicho muy bien en los últimos años mediante simples proyecciones de tendencias; y, de hecho, los errores medios de estas últimas han sido a menudo menores que los de las previsiones de consumo registradas.

La agregación de las expectativas o planes a corto plazo de las empresas sobre sus desembolsos en planta y equipo, tal como se desarrolla en las encuestas periódicas de intenciones, da lugar a mejores predicciones del gasto total de capital de las empresas que las realizadas de forma independiente para el conjunto de la economía. Esto puede deducirse de las comparaciones entre las previsiones de inversión realizadas antes y después de la encuesta de intenciones de inversión de McGraw-Hill y también de las comparaciones en las que intervienen los datos de anticipaciones del Departamento de Comercio-SEC de Estados Unidos.

La precisión media de las previsiones a corto plazo disminuye a medida que se adentran en el futuro: todas las series cubiertas se predicen mejor para los próximos tres meses que para los próximos seis y mejor para seis meses que para nueve o doce. Sin embargo, los errores aumentan menos que proporcionalmente a la extensión del intervalo. La mayoría de las extrapolaciones también tienden a empeorar con la ampliación de su intervalo, y las más sencillas (los modelos ingenuos) suelen mostrar el deterioro más rápido. Mientras que las previsiones de tres a nueve meses (que incluyen las previsiones anuales cuyos intervalos medios son de poco más de seis meses) suelen ser superiores a todos los tipos de extrapolaciones, las previsiones más largas, que apuntan a objetivos a 12 o 18 meses vista, suelen ser peores que algunos de los tipos relativamente eficientes de proyecciones tendenciales y extrapolaciones autorregresivas.

Las previsiones condicionales a partir de modelos formales parecen producir errores que guardan una relación similar con el lapso temporal de la predicción. Así, un análisis reciente de las tablas input-output de los Países Bajos durante el periodo 1949-1958 concluyó que las predicciones basadas en este método eran en conjunto mejores que las extrapolaciones cuando las tablas utilizadas tenían menos de dos o tres años más que los datos de extrapolación. Las previsiones insumo-producto de los valores de producción de la industria para tres o más años (dados los calendarios reales de la demanda final) resultaron inferiores a los resultados de algunas extrapolaciones mecánicas bastante sencillas.

Las previsiones realizadas frecuentemente para secuencias de dos o más intervalos cortos (por ejemplo, trimestrales, para cuatro trimestres sucesivos cada una) son más relevantes para una apreciación de los errores de inflexión que las previsiones anuales, y presentan un panorama bastante desfavorable. Hay muy pocos indicios de capacidad para prever las fechas de giro con varios meses de antelación. No sólo no se alcanzaron los puntos de inflexión reales, sino que se predijeron algunos que no se produjeron. Los informes de los observadores de la escena económica en las publicaciones empresariales y financieras son coherentes con esta conclusión en el sentido de que suelen mostrar retrasos sustanciales a la hora de reconocer las reactivaciones y las recesiones. En ocasiones, los indicadores del ciclo económico han reducido de forma demostrable estos desfases para los usuarios competentes, pero también han dado ocasionalmente señales de retrasos o descensos menores que se interpretaron erróneamente como presagios de recesión.

Las previsiones multiperiodo también proporcionan datos que se prestan a un análisis de las revisiones de las previsiones, es decir, los cambios en las predicciones para un periodo objetivo determinado realizados en fechas sucesivamente más cercanas a ese periodo. Estas revisiones tienden a mejorar las previsiones en la mayoría de los casos, y parecen estar relacionadas con errores en previsiones anteriores. Las correlaciones positivas entre las revisiones de las previsiones y los errores de previsión se han interpretado como prueba de “comportamiento adaptativo”, o de “aprendizaje a partir de errores pasados”. Estas correlaciones, sin embargo, también podrían deberse a elementos autorregresivos en algunas previsiones, ya que están implícitas en extrapolaciones autorregresivas de ponderación fija.

Unos mejores datos estadísticos y una mejor utilización del contenido histórico de las series pronosticadas podrían conducir a mejoras significativas de las previsiones (como indica, en particular, el éxito relativo de algunos tipos de extrapolaciones en la predicción del consumo y también de los niveles de precios). No cabe duda de que es necesario mejorar las prácticas de registro de los pronosticadores. Los registros deberían incluir las estimaciones del nivel de la serie en el momento en que se hizo la previsión, ya que los errores en estos valores de base son, por regla general, sustanciales y su mensurabilidad es importante para la valoración de las previsiones.

Revisor de hechos: Michael

Previsión y Predicción a largo plazo de terremotos

En la actualidad, las previsiones a largo plazo sólo permiten predecir que se producirá un terremoto en un lugar determinado dentro de uno, dos… o cien años. A lo largo de una falla, es más probable que el lugar del futuro terremoto se encuentre donde aún no se ha producido un temblor de tierra, porque la energía mecánica debida a las tensiones almacenadas en las rocas aún no se ha liberado. Las predicciones (previsiones a corto plazo: de unas horas a unos días) son a veces acertadas o cruelmente decepcionantes.

La destrucción de la ciudad de Kōbe (Japón) el 17 de enero de 1995, seguida de la crisis sísmica de marzo de 2011 en el mismo país, han suscitado un acalorado debate sobre la política de investigación antisísmica. Estas catástrofes demuestran claramente nuestra mediocre capacidad para afrontar el reto de la predicción de terremotos, ya que, al fin y al cabo, es en Japón donde las autoridades públicas invierten más en la vigilancia geofísica de las regiones con alto riesgo sísmico, muy por delante de California y China. Pero los investigadores japoneses nunca lo vieron venir.

¿Seremos capaces algún día de predecir los terremotos? Esta pregunta surge siempre después de cada catástrofe sísmica. De hecho, la cuestión tiene múltiples facetas.

Formas de predicción sísmica

En cierto modo, los terremotos se pueden predecir desde hace mucho tiempo: las zonas sísmicas del planeta se conocen cada vez mejor y sabemos la probabilidad de que se produzca un terremoto de una magnitud determinada en una región determinada, por ejemplo, dentro de cincuenta años. En Francia continental, por ejemplo, se espera un seísmo de magnitud 6 o superior por término medio cada siglo. Esta predicción puede afinarse a escala regional, por ejemplo en los Alpes o la Vendée. Se trata de una predicción “a largo plazo”, porque es imposible dar una fecha precisa, o identificar cuál de las muchas fallas identificadas en la región en cuestión se romperá.

La respuesta podría ser también que no podemos predecirlos, porque la mayoría de los terremotos destructivos estudiados no fueron precedidos de ninguna señal de alarma. Este es el problema de la previsión “a corto plazo”, o predicción, basada en la observación e interpretación de fenómenos anormales, como enjambres de microterremotos o deformaciones del terreno, que marcan el inicio de la ruptura de una falla que podría provocar un terremoto en un plazo de unos minutos a unos meses: los famosos “precursores”, pero siempre identificados como tales sólo después del terremoto… A menudo se cita como ejemplo el gran seísmo de Haicheng, en China, en 1975, que se “predijo” oficialmente unas horas antes de la catástrofe, tras semanas de pequeños temblores que se dejaron sentir con intensidad. Pero estas predicciones a corto plazo también están sujetas a falsas alarmas que, además de las consecuencias debidas al pánico, conducen gradualmente a una pérdida de credibilidad cuando se repiten.

El geofísico debe añadir también que entre estas dos formas de predicción -a largo y a corto plazo- existe una tercera, a “medio plazo”, basada en la actividad de una falla amenazante: el conocimiento histórico de las últimas rupturas sísmicas importantes que la afectaron, combinado con las mediciones del S.P.G. de las deformaciones actuales de la corteza terrestre en sus proximidades, permiten dar una horquilla de fechas en las que la falla puede romperse, así como la magnitud (M) del seísmo asociado.

Las bases teóricas y observacionales de las predicciones a medio plazo han evolucionado considerablemente desde principios de los años 2000, gracias al aumento de la densidad de las mediciones geodésicas del G.P.S. en las regiones de alta velocidad de deformación en los límites de las placas litosféricas. En las costas japonesa y americana occidental, estas mediciones permiten distinguir las regiones en las que las fallas principales permanecen bloqueadas de aquellas en las que las fallas se deslizan parcial o totalmente, de forma continua. Las primeras, conocidas como 100% acopladas, son las regiones donde la deformación elástica acumulada a lo largo del tiempo provocará un potente terremoto. Las otras, con acoplamiento parcial o incluso débil, es probable que sólo produzcan terremotos menores. Además de la información temporal deducida de los grandes seísmos ocurridos en el pasado en la región, podemos añadir información que especifique el deslizamiento máximo esperado en un segmento determinado a lo largo de la falla. Por ejemplo, el terremoto chileno del 20 de febrero de 2010, de magnitud 8,7, rompió una zona de fuerte acoplamiento bien identificada por G.P.S., reactivando la zona de deslizamiento del terremoto de Concepción de 1835.

Por último, existe una cuarta forma de predicción sísmica, a muy corto plazo (de unos segundos a decenas de segundos): la alerta temprana, que es de hecho una predicción no de la ocurrencia de un terremoto, sino de la amplitud de los movimientos del suelo, gracias al análisis automático en tiempo real de las primeras ondas sísmicas, que permiten en unos segundos dar una estimación de la localización y magnitud de un terremoto potencialmente destructivo en curso. Estos métodos ya son operativos para varias aplicaciones en Japón, Estados Unidos y México, y están en fase experimental en Europa (regiones de Nápoles y Estambul). En particular, pueden utilizarse para proteger centros industriales de alto riesgo (nuclear, químico), detener trenes de alta velocidad y alertar a la población en determinados casos (escuelas en México, telespectadores en Japón, etc.). La previsión a largo plazo es, con mucho, la más desarrollada y aplicada de las cuatro. Define el grado de amenaza sísmica (o peligro) en las distintas regiones de un país y sirve de base a la reglamentación sísmica, que, por supuesto, será más restrictiva en las zonas más activas.

Transitorios de deformación: un enfoque mecánico y probabilístico

Para poder integrar la información proporcionada por estas anomalías potencialmente correlacionadas con un futuro seísmo, necesitamos adoptar un enfoque diferente, y considerar estas anomalías (enjambres sísmicos, deslizamientos lentos, circulación de agua, temblores tectónicos, etc.) como signos de inestabilidad en la corteza terrestre (zonas de inestabilidad), que pueden perturbar mecánica o hidráulicamente la zona donde se desarrollan (cambio de tensión y presión del agua). Dado que estas anomalías e inestabilidades suelen ir unidas -por ejemplo, un deslizamiento lento no detectado a lo largo de las fallas puede generar temblores o microterremotos observables-, debemos analizar la capacidad de perturbación no sólo del proceso transitorio observado (temblor o microterremoto), sino también la de cualquier transitorio oculto, delatado por sus efectos secundarios. La capacidad desencadenante de estos transitorios ocultos podría ser mucho mayor. Poder decir si un enjambre sísmico está desencadenado por un deslizamiento lento o por una sobrepresión de fluidos, y en qué medida, sigue siendo un verdadero desafío observacional y científico. Si podemos medir directamente el deslizamiento (asísmico o sísmico), podremos estimar su capacidad para desencadenar grandes terremotos en sus proximidades. Por ejemplo, los grandes deslizamientos transitorios (de unos 10 cm) que acompañan a los temblores tectónicos en la región de Cascadia (noroeste de Norteamérica) y duran unos diez días, en la parte profunda del contacto de subducción, multiplican por 20 la probabilidad diaria de desencadenar grandes terremotos de subducción (magnitud 8).

También podemos recurrir a los resultados de los modelos mecánicos que describen la capacidad de perturbación de los propios terremotos y generalizarlos a otras inestabilidades. La capacidad de los terremotos para desencadenarse unos a otros se conoce desde hace mucho tiempo, y fue formalizada por primera vez por el científico japonés Fusakichi Omori (1868-1923), a finales del siglo XIX, quien estableció que el número diario de terremotos -o “réplicas”- tras cualquier seísmo disminuye en función inversa del tiempo.

Mezcla de géneros

Una predicción probabilística a corto plazo de este tipo debe basarse necesariamente en un modelo de predicción a largo plazo o incluso a medio plazo. Por ejemplo, la probabilidad de desencadenamiento de un seísmo de magnitud 7 o superior deducida de la observación de un enjambre sísmico no será la misma si este enjambre tiene lugar en una región de alta o, por el contrario, de baja sismicidad, o si se trata de una falla poco activa o, por el contrario, de una falla muy activa al final de su ciclo, cuya región ha acumulado tensiones suficientes para obligarla a romperse.

Por qué hacer predicciones?

La predicción a largo plazo, utilizada desde hace décadas en la mayoría de los países sísmicos, permite promulgar una normativa sísmica adecuada. La predicción a medio plazo (décadas), desarrollada sobre un número creciente de sistemas de fallas bien estudiados, permite a los responsables definir las prioridades adecuadas para financiar y ejecutar el refuerzo de los edificios existentes, controlar la aplicación de las normas y planificar adecuadamente el desarrollo urbano.

Revisor de hechos: EJ y Mox

Características de Previsión a largo plazo

Recursos

Traducción de Previsión a largo plazo

Inglés: Long-term forecast
Francés: Prévision à long terme
Alemán: Langfristige Prognose
Italiano: Previsione a lunga scadenza
Portugués: Previsão a longo prazo
Polaco: Prognoza długoterminowa

Tesauro de Previsión a largo plazo

Economía > Análisis económico > Previsión económica > Previsión a largo plazo

Véase También

• Salario
  • Salario bajo
  • Retención
  • Salario por horas
  • Salario por rendimiento

• Trabajador asalariado

• Salario
  • Coste salarial
  • Impuesto sobre los salarios
  • Asalariado
• Renta no salarial
  • Profesión independiente
  • Profesión liberal
• Dietas y gastos
• Prima salarial
• Renta complementaria
  • Pluriempleo
• Remuneración en especie

• Renta del trabajo
• Retribución del trabajo

• Previsión a medio plazo
• Previsión a corto plazo
• Previsión a largo plazo
• Prospectiva
• Expectativa económica
• Proyección económica
• Expectativa a medio plazo
• Expectativa a corto plazo
• Expectativa a largo plazo

Ciclos económicos, Modelos econométricos, Análisis de encuestas, Aplicaciones en economía.

▷ Esperamos que haya sido de utilidad. Si conoces a alguien que pueda estar interesado en este tema, por favor comparte con él/ella este contenido. Es la mejor forma de ayudar al Proyecto Lawi.