SEMINARIO DE ECONOMÍA - UN Virtual

Anuncio
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.
Descargar