SEMINARIO DE ECONOMÍA, ECONOMÍA EVOLUCIONISTA Y SIMULACION SOCIO-ECONÓMICA Código: 2016031 Horario: Martes y jueves 2pm – 4pm Lugar: Hemeroteca Nacional, Universidad Nacional de Colombia Profesor responsable: Iván Hernández Director Grupo de Investigación en Economía Evolucionista e Institucional Facultad de Ciencias Económicas Dirigido a: - Estudiantes de la Universidad Nacional interesados en aprender por la práctica modelación y herramientas para la simulación económica con profesores de Ingeniería de Sistemas, Administración, Economía y estudiantes del doctorado en economía Justificación y ubicación en el programa Este seminario está dirigido a los estudiantes de pregrado de la Facultad de Ciencias Económicas y otras Facultades y Universidades interesados en aprender por la práctica la economía evolucionista y herramientas de simulación social y económica. La economía evolucionista es un área del pensamiento económico que requiere de una aproximación apreciativa. La crítica que hace el premio Nobel de Economía Ronald Coase al formalismo convencional de la disciplina económica es que cuando se tiene que estudiar, por ejemplo, el comportamiento de los caballos, en lugar de ir a ver cómo se comportan los caballos, razonan de la siguiente forma: “si yo fuera un caballo … ¿cómo me comportaría?” El evolucionismo en economía y las ciencias sociales en general, por el contrario, se basa en una teoría apreciativa de la realidad de manera que acercan los modelos a la realidad y no lo contrario, como ocurre convencionalmente. Con ello se pretende ir desmontando incentivos y prácticas en la academia convencional como acomodar (o incluso distorsionar) datos, metodologías y modelos para que la realidad emule el modelo (p. ej. como en los índices de medición de pobreza). Los modelos en la tradición evolucionista intentan, por el contrario, “calibrarse” para que evoquen o emulen la realidad. Para ello el análisis empírico e histórico es fundamental en esta teoría así como los “criterios informados” que reflejan inferencias de una amplia y diversa base de datos. De acuerdo Arthur (2000)1 dentro la enseñanza de la teoría micro-económica han primado los modelos abstractos deductivos (i.e. que constituyen asociaciones “débiles”) en detrimento de la historia económica y los estudios de caso (i.e. que constituyen las asociaciones “gruesas”) los cuales suministran al estudiante una mayor perspectiva y contexto de los fenómenos reales. Por usar una analogía, los modelos o asociaciones “débiles” son como la “gramática” de la economía mientras que la experiencia y los datos del Arthur, B. A. Cognition: The Black Box of Economics. En: Colander, D. (ed.) (2000). The Complexity Vision and The Teaching of Economics. Edward Elgar: Cheltenham and Northhampton, MA. 1 mundo real son el “vocabulario” que servirá de contenido a dicha estructura gramatical. De esta forma, los modelos formales enseñan a los estudiantes, por analogía, los componentes de una “frase completa” (sujeto, verbo, predicado, complementos directos e indirectos, etc.) pero los problemas del mundo real proporcionan los “contenidos” que completan la frase (sustantivos, verbos, artículos, adjetivos). Dicha “gramática”, sin el vocabulario, es fútil (y aplica viceversa). Una enseñanza adecuada, según Arthur, debería encontrar un balance entre ambos tipos de asociaciones, las cuales no son sustitutas sino, más bien, complementarias. Precisamente, Colander (2000)2 señala que cuando la enseñanza de la micro-economía (lo cual aplica también para la macroeconomía) no se relaciona con el mundo real, los estudiantes se pueden disipar fácilmente en modelos abstractos deductivos puros; o peor aún, podrían implementar teoría prematura e inadecuadamente sin preguntarse sus reales alcances y límites. Pero igual de nocivo es carecer de un marco teórico y conceptual adecuado para analizar la enorme cantidad de estadísticas de fuente primaria y secundaria a la que los estudiantes tienen acceso con el advenimiento de las nuevas tecnologías de la información y las comunicaciones. En efecto, ambas situaciones son, desafortunadamente, comunes: no es raro que no se cuestione la pertinencia de la teoría o modelos aplicados o simplemente se elaboran análisis puramente descriptivos sin ningún tipo de contextualización teórica. Este seminario también está relacionado con la necesidad de contar con la formación de los economistas tanto desde la visión convencional como desde visiones alternativas micro-económicas. Diversos autores encuentran que las visiones alternativas como la de la teoría de la complejidad (ver Tabla I-1 al final) no reemplazan o sustituyen la visión convencional o estándar de la economía (Colander 2000, p. 4) 3. Otros autores también (Garnett 2006)4 señalan la importancia de contar con una visión heterodoxa pluralista (i.e. una heterodoxia no radical o “heterodoxia no-ortodoxa” si se quiere) de manera que no descarte la relevancia de la visión convencional o estándar ni que pretenda obtener una “única visión correcta alternativa a la economía neoclásica convencional”. La aproximación a la realidad requiere de herramientas que nos permitan operar en un contexto con cierto grado de complejidad en su análisis. De esta manera, se tiende a evitar operar simplemente con un alto grado de análisis de causalidad y de analogías mecánicas. Mientras que para los modelos convencionales el equilibrio existe, es único y es estable, para la teoría evolucionista puede haber múltiples equilibrios, o éstos pueden estar moviéndose rápidamente o el sistema puede estar lejos del equilibrio o simplemente el equilibrio no es un punto de referencia pues está ausente del análisis, teleológicamente hablando. Por ende la teoría evolucionista puede ser menos decisiva en sus predicciones y explicaciones, pero no porque su teoría sea débil sino, porque sus Colander, D. (ed.) (2000). The Complexity Vision and The Teaching of Economics. Edward Elgar: Cheltenham and Northhampton, MA. 3 Más aún, según Colander, la teoría de la complejidad difiere de la economía heterodoxa en que es altamente formal y no está envuelta en análisis heurísticos. 4 Garnett, R.F. (2006). Paradigms and Pluralism in Heterodox Economics Review of Political Economy, Volume 18, Number 4, 521–546, October. 2 sistemas pueden ser demasiado complejos para dar predicciones o explicaciones ad hoc. La pretensión entonces no es proporcionar fórmulas simplistas y ad hoc a fenómenos como el desempleo, el crecimiento, entre otros problemas sociales, sino se trata de estudiar la complejidad de los fenómenos sociales para inferir recomendaciones más útiles para la economía política. De este modo, citando al importante economista del siglo XX Joseph Allois Schumpeter, “debemos decidirnos entre tener respuestas simples a nuestras preguntas o tener respuestas útiles -en los problemas económicos no podemos tener ambas”. Así también para Max Weber, influyente sociólogo y economista alemán de finales del siglo XIX y principios del siglo XX, la metodología científica adecuada es la cual está basada en el análisis de la complejidad. Dicha metodología se contrapone a un acercamiento parsimonioso que condensa falsamente la realidad en explicaciones multicausales o, aún más simples, uni-causales, la cual termina por rechazar un acercamiento 'real' al fenómeno. Weber abogó por una metodología que se apoya en la formulación de los modelos lógicos, internamente consistentes con la acción, y que entonces se yuxtaponen y confrontan con acontecimientos del mundo real para establecer claramente sus fuerzas y causas. Una versión moderna de esta metodología son las simulaciones de computadora de los acontecimientos complejos (e.g. huracanes), los resultados de los cuales se contrastan con las ocurrencias del mundo real en un esfuerzo de entender las relaciones entre las fuerzas que conforman realmente los acontecimientos. Por todos estos motivos proponemos recurrir a la poderosa herramienta de la simulación por computador de forma que nos permita modelar hechos y comportamientos sociales complejos de una comunidad con la ayuda de paquetes de software. Los modelos de simulación tienen una base teórica y metodológica que hace énfasis en el estudio cualitativo de la complejidad de los sistemas sociales. Partiendo de la formulación de individuos (o agentes) artificiales que se relacionan entre sí a través de reglas simples de interacción local, la simulación computacional recrea fenómenos que corresponden al orden social. Durante el desarrollo del curso se discuten estos modelos y se estudian los elementos básicos de programación que son necesarios para comprender y formular los algoritmos empleados en la simulación de hechos sociales. Objetivo general - Proporcionar las herramientas conceptuales y prácticas por medio de talleres y sesiones para abordar problemas de la realidad social y económica. Objetivos específicos - Proporcionar una base teórica en pensamiento heterodoxo - Introducir al estudiante al pensamiento algorítmico a través del uso de un lenguaje de programación. - Estudiar modelos computacionales de lo social. - Utilizar la lógica inherente a los lenguajes de programación para modelar fenómenos sociales. Por habilidades: Desarrollar competencias en el diseño y construcción de algoritmos aplicados al modelamiento de comportamientos sociales. Por contenidos: (i) Los estudiantes podrán construir simulaciones utilizando el lenguaje Java y C++, orientados a objetos (ii) conoceran algunos modelos computacionales de organización social, y (iii) serán capaces de comprender y plantear algorítmicamente varios modelos de sistemas sociales. Contenidos y lecturas por sesiones Semana TEMAS DE ESTUDIO 1 Introducción a Programación I. Uso de for Introducción a Programación II . Uso de for e if. Creación de 2 Funciones y operaciones básicas. 3 Introducción a Programación III. Creación de objetos. Dinámica de Replicador Teoría y práctica. Programación en 4 C++ Modelos de Depredador y Presa . Teoría Lotka Volterra Método 5 RK4. Modelos de creación de conocimiento. Práctica en C++. 6 Teoría de Redes Sociales . Modelos amigables con la historia. Teoría y Práctica. Uso de 7 LSD (Laboratory of Simulation Development autor Marco Valente) Teoría de Autómatas celulares 8 Introducción a JAVA Modelos de comportamiento colectivo social. Teoría del Impacto 9 Social. 10 Práctica 11 Modelos Multiagente 12 Análisis de normas sociales: Modelo básico 13 Análisis de normas sociales: Ampliaciones del modelo 14 Trabajo final 15 Conclusiones y discusión BIBLIOGRAFÍA: Manual de simulación socio-económica. Elaborado por los Grupos de Simulación en Sistemas Físicos y el Grupo Economía Evolucionista e Institucional.