Ahorro Control Optimo Juan Marcos Ortiz

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 11

Ahorro: un enfoque de control ptimo

Juan Marcos Ortz Olvera


Resumen El presente trabajo muestra un ejercicio tericomatemtico para determinar niveles ptimos de ahorro, donde ste depende de los retornos de los activos. Para ello, se emplea la teora del control ptimo, debido a que la naturaleza del ahorro es temporal, parece ms adecuado darle un tratamiento dinmico que uno esttico. La idea que se expone es simple, se requiere encontrar la trayectoria ptima de los retornos para que dicha trayectoria genere una trayectoria ptima de ahorro.
Palabras Clave: Tcnicas de Optimizacin Ahorro Mercados Financieros

Abstract The essay shows an exercise, both theoretical and mathematical, to determine optimal levels of savings, assuming that it depends on the assets returns. For this task, the optimal control theory is employed, due to that the nature of the savings implies time, seems more adequate to give provide a dynamic treatment rather than a static one.The idea that is exposed is simple, is required to find the optimal path on the returns in order to yield an optimal path for savings.
Key words: Optimization Techniques Savings Financial Markets JEL Classifications: C61, E21, E44, O16

Presentacin
La esttica comparada es una tcnica que nos muestra las tasas de cambio instantneo de una variable dado el cambio de otra, ceteris paribus. Esta es la razn por la cual es utilizada para analizar hiptesis estticas. En ciertos problemas, sin embargo, el anlisis de movimientos instantneos de la variable de eleccin es inadecuado. En el caso del ahorro, donde la decisin sobre cambiar el nivel del flujo de los retornos de los activos es importante, este problema se vuelve ms evidente. Estas decisiones son inherentemente dinmicas. La trayectoria vara con decisiones tomadas hoy; entendiendo que, las decisiones del presente afectan al futuro. En la teora del control ptimo, el empleo del principio del mximo, es una tcnica matemtica fundamental para resolver problemas de optimizacin dinmica restringidos. En el presente trabajo se busca Explicar qu implica modelar el ahorro como un problema de optimizacin dinmica bajo restricciones Mostrar una tcnica -el principio del mximo mediante la cual este tipo de problemas pueden resolverse.

Empezaremos con una dosis de historia en la seccin 2. En la seccin 3 se construye el planteamiento de los elementos que habrn de construir al ahorro como problema de optimizacin dinmica. Al realizar esto, se establecern los elementos claves de los problemas de control ptimo y su solucin. La seccin 4 presenta el desarrollo y cmo se logra la solucin. En la seccin 5 se presentan algunas reflexiones y conclusiones breves sobre el modelo.

Economa Informa nm. 370 septiembre - octubre 2011

Economa Informa nm. 370 septiembre -octubre 2011

2. Un poco de historia
En sus inicios la investigacin en optimizacin dinmica aplicaba nicamente el clculo de variaciones, tcnica matemtica desarrollada en los siglos XVIII y XIX. Mientras en el clculo estndar, donde el valor de la funcin depende del valor de una variable independiente, en el clculo de variaciones el valor de la funcin depende de otra funcin. Esto hace que el clculo de variaciones es ms complejo que el clculo estndar, debido a que es ms difcil encontrar la forma ptima de una funcin completa que el valor ptimo de una variable. Por ejemplo, en el modelo ahorro-consumo de Ramsey, la utilidad en el tiempo de vida del consumidor depende de la trayectoria de consumo. Bajo sta idea, el objetivo principal de la optimizacin dinmica es encontrar la trayectoria temporal del consumo que maximiza la utilidad del consumo en su tiempo de vida. Ahora, si consideramos el modelo de Hotelling, dnde se parte de la existencia de recursos limitados, la optimizacin dinmica genera una trayectoria temporal de extraccin de recursos que maximiza el valor de un proyecto de recursos. Normalmente, en economa y finanzas, se busca una trayectoria ptima que represente la variable de decisin como una funcin del tiempo. Esto no excluye que la tcnica sea usada en otras disciplinas, tales como la fsica, ingeniera u otras ciencias exactas. A mediados del siglo XX, Richard Bellman inici una serie de investigaciones cuyas caractersticas involucraban soluciones numricas para problemas de optimizacin dinmica. Este fue el arranque del estudio sistemtico de la factibilidad computacional de la programacin dinmica. Su gran virtud fue la de recolectar un gran nmero de problemas de diversas disciplinas y buscar su solucin, experimentando con nuevas tcnicas y algoritmos. Este esfuerzo intelectual condujo a la publicacin, en 1957 del texto Dynamic Programming y en 1962 Applied Dynamic Programming.1 En ese mismo lustro, L.S. Pontryagin, ayudado por grupo de trabajo, V. G. Boltyanskii, R. V. Gamkrelidze, and E. F. Mishchenko, publicaron los resultados sobre su investigacin en teora de Control ptimo, este texto seminal, que lleva el ttulo, The Mathematical Theory of Optimal Porcesses, fue publicado en la entonces Unin Sovitica en 1961. En el clculo de variaciones, el tomador de decisiones tiene control directo de la denominada variable de estado. Es decir, existe una relacin directa entre la variable de decisin y la variable de estado en cada instante del tiempo. El control directo de la variable de estado, a travs del tomador de decisiones, est totalmente definido para el clculo de variaciones. La teora del control ptimo considera una situacin ms general, en la cual el cambio en la variable de estado depende,
1 Este en coautora con S. E. Dreyfus. 4

Juan Marcos Ortz Olvera

simultneamente, de la variable de decisin y del nivel de la variable de estado. Esto vincula las decisiones en el tiempo, debido a que las decisiones presentes afectan el nivel de la variable de estado en el futuro. Siguiendo sta idea, la variable de estado provee un canal por el cual la decisin presente impacta el crecimiento de la variable de estado. Bellman en sus investigaciones entendi esto y concluy que es prcticamente imposible resolver problemas de control ptimo empleando clculo de variaciones. Esto ocurri al detectar en varias ocasiones, con situaciones de diversa ndole, pequeas modificaciones en el problema causaban grandes cambios en las soluciones. Esta caracterstica gener la evidencia de una carencia de equilibrio, por lo que obtuvo como conclusin que el clculo de variaciones no era siempre una herramienta efectiva para cierto tipo de problemas. Por esta razn, Bellman desarroll la programacin dinmica, la cual resuelve problemas de control ptimo de modo numrico. Sin embargo, le tom tiempo darse cuenta de que la programacin dinmica es un mtodo numrico para resolver problemas de control ptimo.

3. El problema

Consideremos un problema simple de ahorro, empleando la variable de estado para ahorro y la variable de control R, para los retornos de los activos disponibles por un individuo tpico. La variable R es un instrumento de poltica que nos permite influir a la variable de estado. Entendido esto, decimos que alguna trayectoria de control R(t) implicar una trayectoria de estado asociada s(t). Por lo que queda claro que debemos elegir la trayectoria de control ptima admisible R*(t) la cual, junto con la trayectoria de estado ptima admisible asociada s*(t), optimizar la funcional objetivo dado un intervalo de tiempo. La teora del control ptimo permite manejar una restriccin sobre la variable de control R, tal que R(t) t[O,T], donde denota algn conjunto de control acotado.2 Expuesto lo anterior, el problema de ahorro a estudiar queda: Sujeto a s =f(t,s,R)=f(t,s,R)
t

max= (, ,) R(t) t [O,T]

s(0)= A;s(T) libre, (A,T dados)


2 El conjunto de control puede ser cerrado y convexo, tal que ()[O,T]. El hecho de que sea un conjunto cerrado permite que sean admitidas las soluciones de esquina. Otro punto interesante es que el problema ms sencillo de teora de control ptimo, a diferencia del clculo de variaciones, tiene un estado terminal libre ms que un punto terminal fijo.

Economa Informa nm. 370 septiembre -octubre 2011

Aqu, la funcional objetivo (aleph), mantiene la forma de una integral definida. La presencia de la variable de control R requiere de una liga entre s y R, es decir que requerimos la relacin entre ahorro y retornos. Tal informacin nos la provee la ecuacin =f(t,s,R) donde el smbolo punteado denota la derivada ds . En otras dt palabras, para saber cmo afectan los retornos R el curso que toma el ahorro s. Ahora, al tiempo inicial, los primeros dos argumentos en la funcin f deben tomar la forma del valor dado =0 y s(0)=A, slo quedndonos el tercer argumento para elegir. Entonces, para alguna poltica elegida en =0, digamos R , (0) la ecuacin generar un valor especfico para , digamos 1 (0) y as para distintos puntos en el tiempo. Si observamos a esta ecuacin se aprecia que provee un mecanismo de movimiento donde mediante la eleccin del control R puede reflejarse en un patrn de movimiento especfico de la variable de estado s. Basado en lo anterior, nos referiremos a sta ecuacin como la ecuacin de movimiento para la variable de estado para abreviar ecuacin de estado. Con esto quiero decir que la liga entre R y s puede describirse adecuadamente mediante la ecuacin diferencial de primer orden =f(t,s,R). Se emplea una condicin necesaria de primer orden, el principio del mximo. En el problema propuesto hay tres tipos de variables: que corresponde al tiempo, s (ahorro, que funciona como la variable de estado) y R (los retornos corresponden a la variable de control). Para el proceso de solucin tendremos una variable ms, la llamada variable coestado o variable auxiliar y la denotaremos por .3 Definimos al Hamiltoniano como: H(t,s,R,)F(t,s,R)+(t)f(t,s,R)4 De modo formal escribimos el Hamiltoniano H0F(t,s,R)+(t)f(t,s,R) Donde 0 es una constante no negativa, por determinar.
3 La variable , es similar al multiplicador de Lagrange y, por su naturaleza es una variable de valuacin. Es decir, permite medir el precio sombra de la variable de estado asociada. De igual modo que s y R, la variable l puede tomar diferentes valores en distintos puntos del tiempo, lo que implica que sea l(t). Para introducir la variable coestado al problema de control ptimo requerimos a la funcin Hamiltoniana. 4 Debido a que H consiste de la funcin integrando F adicionada al producto de la variable coestado y de la funcin , luego entonces es una funcin con cuatro argumentos, t, s, R, . 6

Juan Marcos Ortz Olvera

Se debe destacar que, a diferencia de la ecuacin de Euler, la cual es una simple ecuacin diferencial de segundo orden en la variable de estado, el principio del mximo involucra ecuaciones diferenciales de primer orden en la variable de estado y la variable coestado. Otro punto importante es que se requiere que el Hamiltoniano se maximice con respecto a la variable de control (los retornos) en cualquier punto del tiempo. Por lo que para el problema que present con el Hamiltoniano definido previamente, las condiciones del principio de mximo son: maxH(t,s,R,) t[O,T]

H (Ecuacin de movimiento para s) -H = (Ecuacin de movimiento para ) s s = (T)=0 (Condicin de transversalidad)

Donde seala que el Hamiltoniano habr de ser maximizado con respecto a los retornos R, como nica variable de eleccin. Hay una forma equivalente para expresar esta condicin H(t,s,R*, )H(t,s,R, ) t[0,T]

Donde R* es el retorno de control ptimo y R es otro valor de control.5 Si se observa la condicin

s =

Se aprecia que es una forma reestructurada de la ecuacin de movimiento para la variable de estado del problema original. Re-expresando como derivada parcial de H con respecto de la variable coestado implica mostrar la simetra entre la ecuacin de movimiento y la variable coestado.6
5 Se debe advertir que el requisito de Maximizar H con respecto R da pie para que surja el nombre de principio del mximo. 6 Las ecuaciones de movimientos en su conjunto es lo que conocemos como Sistema Hamiltoniano o Sistema Cannico para el problema. 7

Economa Informa nm. 370 septiembre -octubre 2011

4. Solucin
Para desarrollar el problema se debe asumir que la variable de control R no est restringida, de tal modo que R* es una solucin interior. De igual manera, la funcin Hamiltoniana ser diferenciable con respecto a R y la condicin H=0 puede ser R empleada en lugar de la condicin maxr. Por ltimo, el punto inicial est fijo, pero se permite que el punto terminal pueda variar. Esto slo es para derivar condiciones de transversalidad que emplearemos en el proceso y resultado. El problema queda as: Sujeto a s=f t,s,R) Ahora es necesario incorporar la ecuacin de movimiento en la funcional objetivo y reformular la funcional en trminos del Hamiltoniano. Entonces, si el ahorro s siempre obedece la ecuacin de movimiento, la cantidad asegura que tome un valor cero para todo t en el intervalo [0, T]. Por lo que, s empleamos la nocin de los multiplicadores de Lagrange podemos construir la expresin para cada valor de t y todava tenemos un valor cero. Aunque existe un nmero infinito de valores de t en el intervalo [0, T], sumando sobre t en el periodo [0, T] generaramos todava un valor cero: (t)[f(t,s,R)s ]dt
0 t t

max=F(t,s,R)dt s(0)=s0, (dado)


0 t

Por lo anterior podemos incrementar la anterior funcional objetivo por el integrando anterior sin afectar la solucin. Por lo que tenemos una nueva funcional

Mientras la ecuacin de movimiento tenga adherencia para todo t, y tendrn el mismo valor. El Hamiltoniano estaba definido como

={F(t,s,R)+(t)[f(t,s,R)s ]}dt
0 t

=+(t)[f(t,s,R)s ]dt=0
0

H(t,s,R,)=F(t,s,R)+(t)f(t,s,R)

Juan Marcos Ortz Olvera

La sustitucin de H dentro de la nueva funcional quedando =H(t,s,R, )dt (t) sdt


0 t 0 t

=[H(t,s,R) (t) s]dt


0 t

Haciendo una distincin dentro del segundo trmino del Hamiltoniano, se tiene (t) f(t,s,R) por un lado y la expresin del multiplicador (t)[f(t,s,R)s], por el otro. La diferencia es que una tiene explcitamente s y la otra no. Integrando por partes tenemos: t t (t) sdt= (T) st+(0) s0+ s(t) dt Sustituyendo resultados, podemos escribir nuevamente la funcional objetivo como
=([H(t,s,R,)+ s(t) ]dt (T) st )+(0) s0
0 t

La expresin est compuesta de tres trminos aditivos 1, 2, 3. Se Debe destacar que mientras el trmino 1, una integral dura todo el periodo de planeacin, el trmino 2 se ocupa del tiempo terminal T y 3 se ocupa slo del tiempo inicial. El valor de depende de las trayectorias temporales elegidas para las variables s, R y l, as como de los valores elegidos para T y sT. Ahora centraremos la atencin en . La variable , siendo un multiplicador de Lagrange difiere fundamentalmente de s, R, la eleccin de (t) no tiene efecto en el valor , mientras la ecuacin de movimiento cumpla con la adherencia a

El siguiente paso en el proceso corresponde a la trayectoria de los retornos R(t) y su efecto sobre la trayectoria s(t). Si tenemos una trayectoria R*(t) y si perturbamos la trayectoria R*(t) con una curva de perturbacin p(t), es posible generar una vecindad de trayectorias de control

s =

H t[0,T]

Una por cada valor de . De acuerdo con la ecuacin de movimiento ocurrirn para cada una perturbacin correspondiente en la trayectoria de ahorro s*(t), por lo
9

R(t)=R* (t)+p(t)

Economa Informa nm. 370 septiembre -octubre 2011

que la vecindad de trayectorias s puede escribirse como: s(t)=s* (t)+q(t) T=T*+T sT=s_T*+s_T

Ms all, si T y sT son variables, tenemos que

Que implica

dT =T d
(dsT) =st d

Ya que tenemos tanto a s como a R podemos expresar en trminos de , para d poder aplicar la condicin de primer orden ds =0 , obteniendo la nueva versin de como Aplicando la condicin
t()

={H[t, s*+q(t), ] + [s* + q(t)]} dt (T)sT + (0)s0

y la derivada del segundo trmino con respecto a e es

[H s
0

t()

q(t)+

d =0 derivando obtenemos d

10

Por el otro lado el termino (0)s0 mediante la derivacin se elimina. Entonces, d =0 es la suma de las dos expresiones anteriores. Pero en la primera podemos escribir un componente como dT [ s]t=T =(T) sTT d

(T)

d(T) dT dsT =(T)sTsT (t)T +sT d dT d

dT H p(t) +q (t) dt + [H+ s] t=T d R

Juan Marcos Ortz Olvera

Entonces, cuando la suma es fijada en cero, la condicin de primer orden queda, despus de manejo algebraico, como
d d =

Los tres componentes de sta derivada estn relacionados a cosas arbitrarias diferentes. Veamos esto con atencin. La integral contiene curvas de perturbacin arbitrarias p(t) y q(t), mientras que los otros dos involucran arbitrarios T y sT, respectivamente. De modo consecuente cada una de los tres debe ser igualada a cero en orden de satisfacer la expresin en cuestin. Al poner el componente de la integral igual a cero, se puede deducir dos condiciones

H+ q(t)+H p(t) dt+[H] R s


0 t

t=T

(T)sT=0

=H
s

La primera nos da la ecuacin de movimiento para la variable coestado , la segunda representa una versin dbil7 de la condicin maxrH. Debido a que para el problema hemos fijado un punto terminal T y sT libre, el trmino T es instantneamente igual a cero, pero sT no. Para desvanecer la expresin -(T)sT debemos imponer la restriccin

H =0 R

(T)=0
Con lo que se explica la condicin de transversalidad. Si se encuentra la trayectoria ptima de los retornos y sus curvas de perturbacin es posible entender cmo ser la trayectoria del ahorro y su posible cambio debido a alguna perturbacin. La idea es que el ahorro se puede explicar como un resultado del comportamiento de los retornos. Como los retornos involucran, confianza y riesgo, es una variable sobre la cual podemos influir, y sta a su vez influir al ahorro.
7 El sentido de la debilidad es en que decide sobre el supuesto de que H es diferenciable con respecto a R y de que existe una solucin interior. 11

Economa Informa nm. 370 septiembre -octubre 2011

5. Conclusiones
En un problema de control ptimo el objetivo es encontrar la trayectoria ptima de la variable de decisin, que maximiza un valor funcional. Este problema es mucho ms complejo que encontrar el mximo de una funcin mediante el empleo de clculo estndar. Esto obedece a que la solucin consiste en una funcin completa la trayectoria temporal de la variable de decisin. En problemas matemticamente complicados, puede resultar til iniciar por una aproximacin numrica a la solucin. Ciertamente, los matemticos y economistas suelen converger en buscar dichas aproximaciones para con ello revisar su validez. Cuan exitosa ser la aproximacin propuesta depender de igual modo de la intuicin, experiencia y de la suerte. En una solucin de control ptimo, claramente, no es realista tratar de adivinar la forma exacta de la trayectoria temporal de la variable de decisin. Pero, para propsitos analticos se puede conjeturar que la trayectoria temporal de la variable de decisin es conocida. En la economa financiera, usualmente se asume que el tomador de decisiones elige la trayectoria temporal ptima que maximiza el valor presente del flujo de ingreso generado por algn activo. La funcin de valor ptimo asume que el tomador de decisiones maxmiza el valor de un activo; sin embargo, otros supuestos de comportamiento pueden ser ms realistas. A la luz de las recientes crisis financieras, el valor de las acciones cay debido a que los inversionistas perdieron la confianza de que los mandos gerenciales maximizan el valor de las empresas en nombre de los accionistas. Esto nos conduce a que diferentes supuestos en el comportamiento de los tomadores de decisin producirn diferentes valores en los activos. Una cantidad importante de literatura financiera considera el conflicto de intereses entre mandos gerenciales y accionistas, el cual afecta de manera importante la gobernanza corporativa y por ende, el valor de las empresas. La funcin de valor ptimo muestra la relacin entre los niveles de ahorro y el retorno de sus activos, asumiendo aversin al riesgo y comportamiento ptimo. Al derivar la funcin de valor ptimo se genera el valor de una unidad de ahorro y as como su precio sombra.

12

Juan Marcos Ortz Olvera

Bibliografa
Allen, R. G. D. (1938), Mathematical Analysis for Economists, New York: St. Martins Press. Borrell Vidal, M. (1985), Teora del Control ptimo, Ed. Hispano Europea. Cerd Tena, Emilio (2001), Optimizacin Dinmica, Prentice Hall, Madrid. Conrad, J.M. (1999), Resource Economics, Cambridge: Cambridge University Press. Chiang, A. (1990), Elements of dynamic optimization, McGraw-Hill. Dixit, A. K. (1990), Optimization in Economic Theory, Ed. Oxford University Press. Dorfman, R. (1969), The Economic Interpretation of Optimal Control Theory, American Economic Review 59, 817-831. Dreyfus, S. (2002), Richard Bellman on the Birth of Dynamic Programming, Operations Research 50, 48-51. Hotelling, H. (1931), The Economics of Exhaustible Resources, Journal of Political Economy 39, 137-175. Intrilligator, M. (1973), Optimizacin matemtica y teora econmica, Prentice Hall International. Kamien, M; Schwartz, N. (1993), Dynamic optimization: the calculus of variations and optimal control in economic and management, Ed. North Holland. Nvdal, E. (2003), Solving Continuous-Time Optimal Control Problems with a Spreadsheet, Journal of Economic Education 34, 99-122. Ortiz Olvera, Juan Marcos (2001), Ahorro, tesis de licenciatura, Facultad de Economa, UNAM. Pinch, Enid R. (1995), Optimal Control and the Calculus of Variations, Oxford University Press, Nueva York. Seierstad, A; Sydsaeter, K. (1986), Optimal control with economic applications, Ed. North Holland. Sethi, S; Thompson, G. (1981), Optimal control theory: applications to management sciences, Ed. Martinus Nijhoff. Takayama, A. (1994), Analytical methods in Economics, Ed. Harvester-Wheatsheaf. Tu, P. (1991), Introductory optimization Dynamics, Ed. Springer-Verlag.

13

También podría gustarte