ENGLE, GRANGER Y UN EMPOLLN DE MADRID

Antonio Cabrales1
Por una vez, la semblanza de un Nobel no ser un panegrico. Ni fueron mis directores de tesis, ni me dedico a la econometra, la rama de la economa que trata del anlisis correcto de los datos econmicos. Para m son importantes por ser acadmicos serios, que han tenido un impacto fuera de la torre de marfil. Todos deberamos tomar nota. Los acadmicos, naturalmente, porque nuestra tendencia natural es encerrarnos, fantasear sobre el mundo y as producir ciencia irrelevante. Pero la sociedad ha de saber que hay oportunidades de arbitraje en el mundo acadmico. En Silicon Valley (cerca de Stanford y Berkeley) y el corredor de la autopista 128 (Harvard, MIT) las empresas se instalaron cerca de los acadmicos, y no al revs. Granger y Engle han merecido tan alto honor por dos motivos principales. Primero, demostraron que muchas relaciones causales que supuestamente encuentran los economistas son espreas (ms falsas que un Judas, en romn paladino), y explicaron cmo averiguar cundo no lo son. En segundo lugar, observaron que la volatilidad de las series de datos econmico-financieras vara enormemente en el tiempo y propusieron un mtodo para predecir esta volatilidad. Expliquemos el primer logro. Imagine que dispone de una serie con el nmero de cigeas avistadas cerca de su poblacin en las ltimas dcadas, y de otra serie con los nacimientos de bebs en su localidad. Entrgue estas series a un economista (sin decirle qu son) y recibir un sesudo estudio del que se deduce que las cigeas traen a los cros. Granger, en un artculo de 1974 con Newbold, fue el primero en explicar este fenmeno. Tome dos variables integradas, esto es, variables que nacen de sumar crecimientos aleatorios, como muchas en economa. Ahora haga una regresin, o sea, un anlisis de correlacin sofisticado. Granger y Newbold mostraron que, en estas condiciones, se producirn con mucha frecuencia resultados que parecen (segn algunos tests estndar) provenir de una relacin causal falsa, o esprea, para utilizar el trmino que ellos popularizaron. Ms tarde, ahora ya con Engle, Granger desarroll un mtodo para comprobar si las variables integradas estn cointegradas, en cuyo caso los resultados de la regresin ya no son espreos. El resultado es extremadamente til para quien quiera distinguir entre una relacin falsa (como la que hay entre los nacimientos y la cigeas) de la que hay, por ejemplo, entre las ventas de automviles y los tipos de inters, y tomar decisiones estratgicas. La segunda aportacin importante de Granger y Engle fue observar, primero, que los datos econmicos no tienen siempre la misma volatilidad. Dicho de otro modo, hay perodos de calma y perodos de tempestad. Pero entendmonos, en perodos de calma
Profesor titular. Departament dEconomia i Empresa, Universitat Pompeu Fabra. http://www.econ.upf.es/~cabrales
1

no hay movimiento en ninguna direccin, mientras que en perodos voltiles un da subimos un diez por ciento, y al siguiente podemos bajar un doce. No contentos con esto, inventaron un mtodo prctico para predecir la volatilidad, aprovechando que sta tiene memoria. La volatilidad de hoy depende del tamao del salto que hayan pegado ayer los datos (en cualquier direccin). Este descubrimiento tiene una importancia difcil de minimizar para cualquiera que trate con riesgos econmicos. Aqu mi historia personal se liga a estos descubrimientos. Cuando yo haca mi tesis en San Diego unos amigos estaban establecindose con una pequea consultora financiera, Serfiex, y me animaban a incorporarme. Mi aportacin era contarle lo que escuchaba en la universidad. Cuando les dije que unos profesores de San Diego haban inventado un mtodo para predecir la volatilidad, enseguida cogieron un avin para San Diego (en clase turista, naturalmente). En la primera clase de aquel avin viajaban varios socios de Salomon Brothers y Nomura Securities. Todos ellos pasaron varios meses aprendiendo estos mtodos. Cuando los dominaban, volvieron a sus laboratorios. Estos modelos los utilizan hoy todos los grandes bancos de inversin del mundo para predecir la volatilidad de los ms importantes activos financieros. Serfiex fue pionera en poner estas predicciones a disposicin del pblico inversor en general, a partir de los canales apropiados (REUTERS y BLOOMBERG) para as poder generalizar su uso. Al mismo tiempo Serfiex desarroll un mtodo de comprobacin de la utilidad de los modelos ARCH (siglas correspondientes a la expresin inglesa, incomprensible tambin en espaol, Heterocedasticidad Condicional Auto Regresiva, toma ya!), que llam carrera de caballos. Consiste en poner a correr a una variedad de mtodos de prediccin de volatilidad y ver cul lo hace mejor. Cuando Rafael Garca, otro socio de Serfiex, inform a Engle de este procedimiento, el acadmico lo bendici con una sonrisa complacida. La buena noticia es que despus de 6 aos de carrera de caballos, los modelos ARCH han demostrado que corren bien. En los primeros 90, los que usaron estos mtodos pudieron hacer mucho dinero. Por ejemplo, comprando y vendiendo opciones. Hoy, esta posibilidad de arbitraje es menor, ya que los grandes jugadores lo usan. Pero, cuidado, no usarlos puede ser perjudicial para su salud. Para los que siguen en busca del tesoro tambin tenemos un aviso; los acadmicos seguimos pariendo cosas raras. Igual no estara de ms que estuvieran atentos. La prxima mina de oro puede estar a pocos clicks de ratn de su ordenador.