La Academia sueca ha reconocido el trabajo del economista norteamericano Lars Peter Hansen en dos ocasiones. En 2011, lo citó por su contribución cuando los premiados fueron Thomas J. Sargent y Christopher A. Sims, dos de sus mentores y compañeros de profesión. Dos años después consiguió el galardón junto con Eugene F. Fama y Robert J. Shiller por haber creado técnicas econométricas avanzadas que permitían a los investigadores el diseño de modelos matemáticos mejorados. Actualmente, continúa haciendo progresos en una gran diversidad de proyectos porque su objetivo, como ha demostrado a lo largo de los años con su perseverancia, es «ir avanzando aunque no se pueda hacer todo a la vez».
Texto: Berta Seijo
Fotos: Becker Friedman Institute
Para empezar, hábleme un poco sobre sus inicios académicos. ¿Cómo se interesó por la economía? ¿Fue la mejor opción a la hora de combinar dos de sus grandes pasiones: las matemáticas y las ciencias políticas?
Bueno, me llevó un tiempo descubrir la economía. Yo no era un estudiante excelente cuando iba al instituto… Mi logro más notable fue llevar a casa las notas del curso con el siguiente comentario en todas las asignaturas: «No respeta la autoridad». Por lo tanto, cuando tocó ir a la universidad, mi primera opción fue inscribirme en la Universidad Estatal de Utah. Allí estudió y ejercía de rector mi padre, bioquímico de profesión. Sin embargo, tuve la suerte de que algunos de mis profesores observaron que tenía una habilidad natural para las actividades académicas, y me animaron a perseguir mis aspiraciones. Durante mis tres primeros años probé diferentes carreras (matemáticas y ciencias políticas) antes de decantarme finalmente por la economía. Ya en el último curso, opté por realizar el Doctorado en economía.
Y lo hizo en la Universidad de Minnesota. ¿Qué recuerda de aquellos años: lecciones aprendidas, personas que marcaron un antes y un después en su carrera profesional, experiencias vividas, etc.?
Minnesota supuso, por supuesto, un momento muy importante en mis inicios. Me entusiasmaba la idea de poder combinar las matemáticas y la economía, pero también aproveché para realizar varios cursos de otros temas, como la teoría de la probabilidad o la teoría de las funciones de variable compleja, que influyeron mucho en mi pensamiento. Allí también conocí a dos de los investigadores que se convirtieron en mentores con el paso del tiempo: Tom Sargent y Chris Sims. En esa época, ambos empezaban sus brillantes carreras profesionales y me ayudaron muchísimo a la hora de dar forma a mi pensamiento temprano, especialmente en cuanto a las áreas de dinámicas económicas y de econometría de series temporales.
«No era un estudiante excelente en el instituto… Mi logro más notable fue llevar a casa las notas del curso con el siguiente comentario en todas las asignaturas: ‘No respeta la autoridad’.»
Años más tarde, en el otoño de 1981, visitó la Universidad de Chicago y decidió quedarse allí como docente una larga temporada (hasta ahora). ¿Cree que esta decisión fue clave para su éxito profesional?
La formalidad con la que la Universidad de Chicago trata la economía junto con su ámbito de investigación y búsqueda totalmente riguroso la han convertido en una institución muy enriquecedora para cualquiera que quiera perseguir (y también perfeccionar) sus propias ideas. Cuando llegué, entre mis compañeros de último año de carrera estaban Gary Becker, Jim Heckman y Bob Lucas. Cada uno de ellos fue un modelo a seguir muy valioso para mí y me dio un feedback muy relevante y a menudo desafiante. Por supuesto que ellos también ganaron el Premio Nobel de Economía en algún momento de sus carreras.
Otra de las grandes ventajas del departamento es su proximidad y acceso al potente grupo de economía financiera de la escuela de negocios. Muchos de mis colegas allí comparten mi interés por las dinámicas económicas y la econometría de series temporales cuando se trata de comprender el valor de los activos. También trabajo para la facultad del Departamento de Estadísticas, el cual me aporta interacciones muy valiosas en otras áreas que me interesan.
¿Y cómo es que esta universidad es tan productiva?
No estoy del todo seguro, pero supongo que mis compañeros y alumnos, y los debates tan sustanciosos que tenemos, hacen que sea un lugar muy motivador y apasionante para estar.
En 2013 le otorgaron el Premio Nobel de Economía por su contribución al Método Generalizado de Momentos (MGM). ¿Podría describirnos en qué consiste?
Parte del MGM consiste en entender la idea de que en economía y, especialmente, en el desarrollo de modelos macroeconómicos, puedes acercarte tanto o más a las respuestas que buscas si modelas parte de la macroeconomía, en vez de si lo haces con toda ella. En el caso de la macroeconomía y los mercados financieros, yo estaba centrado en comprobar si había una manera de aprender más sobre las conexiones entre el precio de los activos y los resultados macroeconómicos sin tener que obtener necesariamente todos los detalles. Me gusta decir que se trata de hacer algo sin tener que hacer todo. El trabajo premiado ayudó a crear métodos que nos permitieron estudiar estos sistemas macroeconómicos tan complejos cuando nuestra información era reducida.
Mi interés giraba en torno a las dinámicas económicas y la incertidumbre. En mis trabajos (y en los que he hecho conjuntamente con compañeros como Bob Hodrick o Ken Singleton) fui capaz de mostrar cómo los métodos econométricos se podían ajustar a las aplicaciones en materia de macroeconomía y finanzas cuando la incertidumbre y las expectativas eran la parte central de la especificación del modelo. De hecho, lo que más me entusiasmó fue la adaptación o remodelación de los métodos de estadística a la hora de estudiar las dinámicas económicas de maneras tan innovadoras e interesantes que me cautivaron.
«El trabajo premiado con el Nobel ayudó a crear métodos que nos permitieron estudiar sistemas macroeconómicos complejos cuando nuestra información era reducida.»
¿Cuál es la historia que se esconde detrás de este enfoque? O dicho de otro modo: ¿cuáles fueron sus mayores influencias o antecedentes?
El MGM surgió de diversas influencias. Las ideas de Chris Sims (a quien he mencionado antes como uno de mis mentores en Minnesota) marcaron un antes y un después en mi pensamiento cuando yo sólo era un estudiante de postgrado. En concreto, algunas de sus clases me alentaron a trabajar con grandes muestras de razonamientos aproximados. Sin embargo, hay una historia que precede a todo este trabajo. Y es que Denis Sargans ya trabajaba en estas ideas a principios de los años 50 y supuso también un gran antecedente a tener en cuenta. Todo esto llevó a las aplicaciones empíricas que muchos de nosotros empezamos a investigar y a ampliar con el paso del tiempo.
Si no me equivoco, el MGM no fue recibido con los brazos abiertos en un primer momento. De hecho, su borrador inicial fue rechazado por la revista Econometrica. Personalmente, ¿cómo gestionó este contratiempo: como un reto o como un fracaso?
Mi primera presentación fue rechazada porque la contribución era demasiado reducida. Entonces, acepté el reto de escribir un trabajo más completo.
¿Cómo conecta su contribución con la de Eugene Fama y Robert Shiller? ¿Se influenciaron mutuamente?
Nuestro trabajo no está conectado directamente, pero sí que creo que todos nos hemos influenciado mutuamente a lo largo de los años. El componente común es que examinamos de manera sistemática la evidencia empírica procedente de la macroeconomía y de los mercados financieros. Esto nos ha conducido a una comprensión enriquecedora de las deficiencias de los modelos económicos existentes y nos ha impulsado a construir otras mejores.
¿Se podría aplicar su método de construcción de modelos a alguno de los grandes problemas que sufre nuestro sistema financiero hoy en día? Por ejemplo, ¿cree que sus ideas podrían ser de utilidad para los políticos que deben gestionar la crisis?
Una de las ventajas de los modelos es que sólo son réplicas (inherentemente erróneas) de lo que creemos que está pasando en la macroeconomía y el sistema financiero (o en cualquier otro campo). Así que, para mí, la cuestión más importante siempre ha sido si están equivocados de manera importante. Aquí es cuando la incertidumbre subyacente entra en juego.
La incertidumbre en cuanto a las especificaciones de modelo en las dinámicas económicas es comprensible en las mejores discusiones académicas, pero a menudo pasa desapercibida en los diálogos sobre las implicaciones en las políticas públicas. Las discusiones políticas deberían incluir lo que funciona bien entre una gran variedad de especificaciones de modelo adoptadas a la hora de reflejar correctamente nuestro estado de conocimiento. Pienso que la incertidumbre y la respuesta de la gente a esta deberían ser reconocidas y exploradas, y no eludidas. Desafortunadamente, a menudo los medios de comunicación y los legisladores esperan a que los economistas emitamos nuestras predicciones con confianza y precisión, incluso cuando no está justificado por lo que podemos medir. Pienso que debemos ser más tolerantes con las declaraciones cautelosas y más explícitos a la hora de fomentar estrategias sabias para lidiar con la incertidumbre; no existe una bola de cristal que nos permita el lujo de ver el futuro.
¿A qué se debe su interés para lidiar con la incertidumbre?
Cuando empecé a realizar parte de esta investigación con Ken Singleton, utilizábamos los modelos macroeconómicos disponibles en ese tiempo: los llamados «modelos de expectativa racional». Estos, fundamentalmente, imponen las expectativas racionales para eliminar la arbitrariedad resultante de especificar las creencias. Esta suposición ayuda a simplificar el modelo y da por hecho que los inversores asignan las probabilidades con una confianza absoluta de cara a lo que puede pasar en el futuro. Hablamos de una herramienta muy potente en una gran diversidad de escenarios.
Nosotros impusimos las expectativas racionales por parte de los inversores en nuestro uso de los indicios de las series temporales, y diseñamos una aproximación econométrica que era fácil de controlar mientras aprovechábamos esta restricción. Inicialmente, concebimos el método econométrico resultante como una manera de calcular algunos parámetros clave como por ejemplo cómo son los inversores reacios al riesgo o cómo estos conciben la sustitución intertemporal en el consumo. Estaba concebido como una manera adecuada de obtener inputs que pudiéramos conectar a otros modelos más grandes. Pero no fue así como fue la investigación… Por el contrario, nosotros y otros terminamos exponiendo los problemas asociados a diversas clases de modelos. Como ya he explicado anteriormente, el destino nos llevó a mis coautores y mí a describir los rompecabezas empíricos y los retos que el siguiente conjunto de modelos debería confrontar.
Los rompecabezas empíricos sólo tienen importancia en relación a una clase de modelos. Ahora hay evidencias que sugieren que hay periodos durante los cuales los mercados financieros parecen muy cautelosos o reacios al riesgo, como se ve reflejado por las compensaciones implícitas del mercado. Y el tipo de modelos en los que nosotros nos centramos originariamente no capturaban este fenómeno. Esta evidencia condujo a los economistas, yo incluido, a utilizar una noción más amplia de incertidumbre para obtener una mejor descripción de estas conexiones entre los mercados financieros y la macroeconomía. Creo que exponer los retos empíricos alentó a los investigadores como yo a pensar ansiosamente sobre otros modelos valiosos de la determinación de los precios de los activos y ver hasta dónde nos pueden ayudar a entender mejor los diversos fenómenos empíricos. Repensar cómo diseñar las respuestas de los inversores en cuanto a la incertidumbre me intrigó.
«Los medios de comunicación y los legisladores esperan a que los economistas emitamos nuestras predicciones con confianza y precisión, incluso cuando no está justificado por lo que podemos medir.»
¿Y cree que, después de la crisis, la mayoría de inversores tiene más en cuenta el funcionamiento a largo plazo de la economía para tomar decisiones (a corto plazo) que antes?
Pienso que, cuando salimos de la crisis, había mucha incertidumbre en cuanto a la rapidez con que nuestra economía se recuperaría. Algunas personas creían que sería un proceso ágil, otras que sería lento, y esta mezcla de pensamientos impacta en el tipo de nuevas inversiones que se llevan a cabo. ¿Deberíamos contenernos e ir con cautela, o es un buen momento para invertir en nuevos negocios y empresas cuando no estamos seguros sobre qué nos deparará la economía en un futuro?
Hay una gran variedad de posibles fuentes de incertidumbre a largo plazo, desde los retos fiscales a qué pasará con el acelerado desarrollo tecnológico o, en este sentido, el impacto económico que tendrá el cambio climático. Por supuesto que medir estos aspectos con precisión es demasiado ambicioso. Lo que me ha fascinado personalmente es disponer de los métodos idóneos para reflexionar sobre estos problemas de una manera muy sistemática y también investigar qué pasa cuando dotamos a los inversores de menos confianza en su aptitud de realizar valoraciones precisas sobre la naturaleza de estas incertidumbres a largo plazo. Así que el objetivo consiste en obtener modelos interesantes a través de los cuales averiguar por qué los precios de los mercados financieros son a veces altos y otros bajos.
Por último, ¿cuál es su rol actual en la Universidad de Chicago? ¿Aun combina su labor como docente con la de investigador?
Actualmente, lidero un par de seminarios para estudiantes de posgrado, y disfruto aconsejando a alumnos energéticos e inteligentes de doctorado. También estoy comprometido con una variedad de proyectos que van desde los avances metodológicos al estudio de la propagación no lineal de los impactos financieros en la macroeconomía, pasando por los lazos inciertos entre el sistema económico y el climático. Junto con Andy Lo, dirijo el Grupo de Diseño de Modelos Macrofinancieros en el Instituto Becker Friedman (centro de investigación en la Universidad de Chicago), que tiene el objetivo de desarrollar modelos cuantitativos mejorados que nos ayuden a entender la incertidumbre sistémica en los mercados financieros.
Lars Peter Hansen nació en Urbana (Illinois, EE. UU.) el 26 de octubre de 1952 y, a pesar de que su padre era un reconocido bioquímico, primero profesor y luego rector de la Universidad Estatal de Utah, sus inicios académicos ni mucho menos predijeron lo que vendría después. Y es que durante su adolescencia sufrió un trastorno del lenguaje que le impedía hablar en público -y que sólo pudo superar con práctica años después- y, además, era considerado un alumno «difícil» por algunos de sus profesores. Cuando ingresó en la Universidad de Utah en 1970, sin embargo, las cosas empezaron a cambiar: se graduó en matemáticas y ciencias políticas, y recibió con agrado el consejo de varios estudiosos que comprobaron que tenía mucho potencial. La pista que le dio la mayoría fue que persiguiera su verdadero talento, que probara cosas diferentes. Y así lo hizo, apostando por la economía a la hora de realizar su doctorado en la Universidad de Minnesota, donde nació su interés por las dinámicas económicas y la econometría de series temporales. Allí también se topó con expertos que se convertirían en grandes influencias con el paso del tiempo (Chris Sims y Tom Sargent, sobre todo) y comenzó lo que sería su trabajo más importante, focalizado en la estimación del Método Generalizado de Momentos (MGM). Su primer trabajo fue como profesor en la Universidad Carnegie Mellon, centro en el que comenzó a aprender sobre la teoría de los precios de los activos y a analizar con otros compañeros cómo se podían estudiar las implicaciones empíricas de estos modelos de manera innovadora. Sin embargo, su traslado en 1981 a la Universidad de Chicago -donde, según él mismo afirma, «las críticas pueden ser muy duras pero también valiosas» – dio un nuevo rumbo a su vida. Una vez allí todo vino rodado: conoció a su esposa, ganó el Premio Nobel de Economía, ayudó a fundar el Instituto Becker Friedman para la Investigación Económica y también tuvo la oportunidad de enseñar y aprender de sus alumnos.
En marzo de 1979, Lars Peter Hansen, entonces un joven doctorado recién salido de la Universidad de Minnesota, presentó uno de sus trabajos a la revista Econometrica. Su artículo describía la metodología estadística que, en su forma final, permitiría que los economistas pudieran extraer conclusiones de modelos que no estaban completamente especificados (es decir, que no tenían todas las variables, relaciones o suposiciones incluidas o precisamente definidas). Este Método Generalizado de Momentos (MGM) ofrecería a los econometristas la capacidad de evaluar teorías alternativas y de investigar fenómenos económicos importantes sin desarrollar todos y cada uno de sus elementos. De esta manera, los investigadores podrían confiar en las variables obvias más potentes y deshacerse de las suposiciones innecesarias. En otras palabras, como él mismo explica, «el MGM te permite hacer algo sin tener que hacerlo todo a la vez». Pero el MGM no fue acogido inmediatamente por sus compañeros de profesión y, de hecho, la revista rechazó su primer borrador. Sin embargo, Hansen perseveró y demostró el poder y el alcance de su metodología aplicándola a las tasas de cambio, los modelos de valoración de activos financieros y la teoría de las expectativas racionales. Estos y otros ejemplos convencieron progresivamente a los economistas de su utilidad y, con el tiempo, el MGM se convirtió en un modelo de oro. En 2013, Hansen recibió el Premio Nobel de Economía por su metodología, concretamente por la capacidad de ésta a la hora de evaluar modelos de valoración de activos financieros.
Actualmente, Hansen continúa analizando el precio de los activos, centrándose en los vínculos entre los mercados financieros y la macroeconomía. Sus trabajos más recientes observan la incertidumbre y la tolerancia al riesgo en el comportamiento del precio de los activos. También ha desarrollado métodos para estudiar y representar la incertidumbre en el caso de las viviendas y negocios que habitan en los modelos económicos, y la que sufren los econometristas a la hora de corroborar la idoneidad de sus modelos.
