Renacimiento Econométrico
La Antigua batalla entre el hombre y la máquina continúa. En los viejos tiempos, las decisiones eran el resultado de una mezcla entre sabiduría acumulada, experiencia e intuición. Los expertos se constituían como tales tras un largo y riguroso período de asistencia a la escuela de la vida. Ya la legendaria Úrsula Iguarán, tenaz matriarca en los 100 años de soledad de Márquez, era experta encontrando leyes universales tan sólo porque siendo tan vieja ya había vivido casi todas las cosas y circunstancias y, por lo tanto y aun siendo ciega, adivinaba las verdades de la vida y las personas por el puro acto empírico de adivinar regularidades en el tiempo. Y así parecía ser, hace no mucho, que si querías saber qué hacer ante cualesquiera coyuntura, recurrieras a las cabezas más grises pidiendo auxilio.
Las cosas buenas, es sabido, no duran para siempre. Ahora cuando se requiere tomar una decisión, los empresarios y políticos confían más en la fuerza bruta del análisis de grandes bases de datos que han sido recabadas a lo largo de las últimas décadas. Ahora, los economistas se encuentran escudriñando decenas de miles de terabytes de información para encontrar relaciones empíricas entre eventos aparentemente no relacionados. La nueva econometría ha llegado.
Los nuevos avances estadísticos han permitido a la econometría tradicional darse un completo cambio de look. Anteriormente, la econometría se componía casi exclusivamente del análisis de regresión, en donde se suponía que existía, a priori, una explicación para el fenómeno que estabas considerando. Si tú eras el propietario de ropa de bebé y suponías, por ejemplo, que tus ventas dependen directamente del número de bebes que hay, entonces recopilabas información pasada sobre esas dos variables y establecías una relación empírica entre ellas dos. El modelo era “consistente” con la realidad, pues era plausible y lógico, y su estimación te daba pautas conductuales bastantes precisas. (Dado que eres racional y miras hacia el futuro, ¡Despedir gente tan pronto como notases un aumento en el consumo de condones no es descabellado!)
La econometría en estos días es bastante más completa, y su creciente complejidad es resultado fundamentalmente de dos factores: 1. La existencia de las antes mencionadas montañas informativas que han sido recabadas en los últimos años; 2. El creciente avance tecnológico en computación, que ha dotado a los economistas con una capacidad de cálculo nunca antes vista.
La econometría anteriormente no había tenido manera de incorporar resultados teóricos de la estadística matemática debido, en parte, a que manejar los volúmenes de información con los que se contaba era extremadamente complejo en términos computacionales, aun cuando se contaba ya con computadores relativamente rápidos. Esto era así porque las bases de datos son extremadamente grandes. Gigabytes se transformaron en terabytes, éstos en petabytes. Para poner el volumen informativo en contexto, imagínese que todos los textos contenidos en la biblioteca física más grande del mundo pueden digitalizarse usando alrededor de 20 terabytes. En contraste, por ejemplo, la información generada por las bodegas de Walmart pueden llegar a contener más de 500 terabytes. No tan sólo eso: En ciertas técnicas econométricas complejas, por ejemplo Bootstraping, se juega con la información de la base de datos modificando su orden de presentación, como cuando uno barajea las cartas antes de un juego de póker, miles y a veces cientos de miles de veces (o hasta encontrar convergencia asintótica, para el econometrista interesado) El resultado era que los estudiantes de los doctorados en economía del mundo pasábamos largas horas escribiendo decenas de páginas de instrucciones para que la computadora hiciera billones de cálculos. En las bases de datos más sencillas (del tamaño de 20 terabytes, por ejemplo) la computadora más veloz podría tardar ¡semanas! Para encontrar las estimaciones. En bases de datos mayores (como los datos de entradas y salidas de las bodegas de Walmart, por ejemplo) ni siquiera hacíamos el intento de calcular: sabíamos que el computador podría pasar mese, incluso años calculando. Y si habíamos cometido algún error en la programación, ¿Quién en su sano juicio se ofrecería a tratar de encontrar el error? ¡Y estoy hablando de las computadoras más veloces que existían hacia el 2004!
Las potencialidades recién adquiridas por la econometría tras la incorporación de todas estas nuevas tecnologías (hablaré de ellas con mayor detalle posteriormente. El análisis deberá ser, necesariamente, más técnico) le permiten incorporase exitosamente en nuevos campos. Un ejemplo quizá banal sea la derrota de Gary Kasparov, algunos años atrás, por un microcomputador que era, en esencia, una enorme base de datos. El análisis de enormes bases de datos con información médica permiten ahora una las prescripciones sean generadas por computadora. En los Estados Unidos, por ejemplo, algunas compañías de renta de autos analizan la información personal del cliente, como información de manejo, proporcionada por la oficina de transporte, o la información crediticia debido a que los nuevos métodos han permitido identificar que los puntajes crediticios se encuentran en relación inversa directa con la incidencia de accidentes automovilísticos.
¿Qué impacto potencial tendrán estas tecnologías en nuestra vida cotidiana? Menos trivial de lo que aparenta es el siguiente episodio personal. Soy un consumidor bastante asiduo en la internet. La mayor parte de mis consumos informativos, de libros, y de diversión, provienen de ella. Cómo cualquier lector medianamente enterado en microeconomía sabrá, la noción de salir a la calle a comprar un café Latte y el noticioso es puerilmente reduccionista. Antes de realizar cualquier compra nosotros, los consumidores, elaboramos complejísimos procesos matemáticos de optimización restringida multidimensional. No es que me dé de improviso el antojo de un café: más bien, me encontraba maximizando una ecuación de utilidad restringida (cuya solución a un vulgar doctor en Economía toma, si es que acaso logro realizarla, varias páginas de cálculo diferencial) cuya solución me dice inequívocamente que seré más feliz al comprar el Latte y la Jornada de hoy. Eso lo he sabido desde hace por lo menos 15 años, y era perfectamente feliz con esta explicación de mi comportamiento, hasta que algo conmocionó mis convicciones más profundas: Amazon y Netflix.
Amazon analiza la información no sólo de mi comportamiento de compras previas, sino del comportamiento de cientos de miles de clientes, con cientos de miles de bytes informativos acerca de los gustos de las masas. Recuerdo que, tontamente, solía revisar (online, desde luego) los suplementos literarios del New York Times, del Mercurio, del Clarin, de la Nación, etc., los diarios importantes del mundo para estar enterado de las novedades literarias y saber qué leer. Después, sin dejar mi asiento y con un solo click, me dirijía a amazon.com para comprarlos. Poca importancia le prestaba al pequeño ícono, al final de la pantalla de mi ordenador, que me recomendaba lo que otros clientes, con gustos similares a los míos, habían ordenado.
Leer es un proceso tedioso: no siempre te encuentras satisfecho con lo leído. La entretención en general, es decepcionante. Conversando sobre Marlon Brando, nunca faltará el amigo que te recomiende que veas, no sé, El último tango en Paris, asegurándote que si no lo has visto, no has vivido. Así mismo, tú jurarías sobre una biblia que el epítome por excelencia del actor, y la experiencia cinematográfica más orgásmica, se encuentra en la versión ampliada de Apocalipsis Now. En muchas instancias, sin embargo, ambos quedarán insatisfechos al punto de hacer peligrar la amistad. Y es así como, progresivamente, tanto en libros como en películas, uno se vuelve cada vez más cauteloso.
Yo por mi parte, he resuelto el problema. O mejor dicho, la nueva econometría lo ha resuelto por mi, desde que producto de la simple curiosidad, me di cuenta de que los libros que Amazon me sugería parecían interesantes. Amazon me sugirió, por ejemplo, leer a Roberto Bolaño. Y no sería exagerado decir que mi visión literaria cambió a raíz de ese descubrimiento. Además, confío plenamente en Netflix.com: Ya no necesito redactar página tras página de complejos cálculos matemáticos, simplemente selecciono el DVD que Netflix me recomienda.
Al final del día, debo reconocer que siento un poco de nostalgia. El algoritmo utilizado por estos sitios web es tan eficiente, y me encuentro tan satisfecho con sus selecciones propuestas, que no puedo sino pensar que he sido siempre un idiota en el pasado, seleccionando lo que solía comprar. Amazon me conoce mejor de lo que me conozco yo. Quizá, como Kasparov, deba responder con una fría autocomplacencia. Quizá deba dejar de pensar completamente, y someterme a los designios de la inteligencia artificial. O quizá deba escribir un blog, para ver si alguien más aparte de mi encuentra estos procesos tan interesantes.
Las cosas buenas, es sabido, no duran para siempre. Ahora cuando se requiere tomar una decisión, los empresarios y políticos confían más en la fuerza bruta del análisis de grandes bases de datos que han sido recabadas a lo largo de las últimas décadas. Ahora, los economistas se encuentran escudriñando decenas de miles de terabytes de información para encontrar relaciones empíricas entre eventos aparentemente no relacionados. La nueva econometría ha llegado.
Los nuevos avances estadísticos han permitido a la econometría tradicional darse un completo cambio de look. Anteriormente, la econometría se componía casi exclusivamente del análisis de regresión, en donde se suponía que existía, a priori, una explicación para el fenómeno que estabas considerando. Si tú eras el propietario de ropa de bebé y suponías, por ejemplo, que tus ventas dependen directamente del número de bebes que hay, entonces recopilabas información pasada sobre esas dos variables y establecías una relación empírica entre ellas dos. El modelo era “consistente” con la realidad, pues era plausible y lógico, y su estimación te daba pautas conductuales bastantes precisas. (Dado que eres racional y miras hacia el futuro, ¡Despedir gente tan pronto como notases un aumento en el consumo de condones no es descabellado!)
La econometría en estos días es bastante más completa, y su creciente complejidad es resultado fundamentalmente de dos factores: 1. La existencia de las antes mencionadas montañas informativas que han sido recabadas en los últimos años; 2. El creciente avance tecnológico en computación, que ha dotado a los economistas con una capacidad de cálculo nunca antes vista.
La econometría anteriormente no había tenido manera de incorporar resultados teóricos de la estadística matemática debido, en parte, a que manejar los volúmenes de información con los que se contaba era extremadamente complejo en términos computacionales, aun cuando se contaba ya con computadores relativamente rápidos. Esto era así porque las bases de datos son extremadamente grandes. Gigabytes se transformaron en terabytes, éstos en petabytes. Para poner el volumen informativo en contexto, imagínese que todos los textos contenidos en la biblioteca física más grande del mundo pueden digitalizarse usando alrededor de 20 terabytes. En contraste, por ejemplo, la información generada por las bodegas de Walmart pueden llegar a contener más de 500 terabytes. No tan sólo eso: En ciertas técnicas econométricas complejas, por ejemplo Bootstraping, se juega con la información de la base de datos modificando su orden de presentación, como cuando uno barajea las cartas antes de un juego de póker, miles y a veces cientos de miles de veces (o hasta encontrar convergencia asintótica, para el econometrista interesado) El resultado era que los estudiantes de los doctorados en economía del mundo pasábamos largas horas escribiendo decenas de páginas de instrucciones para que la computadora hiciera billones de cálculos. En las bases de datos más sencillas (del tamaño de 20 terabytes, por ejemplo) la computadora más veloz podría tardar ¡semanas! Para encontrar las estimaciones. En bases de datos mayores (como los datos de entradas y salidas de las bodegas de Walmart, por ejemplo) ni siquiera hacíamos el intento de calcular: sabíamos que el computador podría pasar mese, incluso años calculando. Y si habíamos cometido algún error en la programación, ¿Quién en su sano juicio se ofrecería a tratar de encontrar el error? ¡Y estoy hablando de las computadoras más veloces que existían hacia el 2004!
Las potencialidades recién adquiridas por la econometría tras la incorporación de todas estas nuevas tecnologías (hablaré de ellas con mayor detalle posteriormente. El análisis deberá ser, necesariamente, más técnico) le permiten incorporase exitosamente en nuevos campos. Un ejemplo quizá banal sea la derrota de Gary Kasparov, algunos años atrás, por un microcomputador que era, en esencia, una enorme base de datos. El análisis de enormes bases de datos con información médica permiten ahora una las prescripciones sean generadas por computadora. En los Estados Unidos, por ejemplo, algunas compañías de renta de autos analizan la información personal del cliente, como información de manejo, proporcionada por la oficina de transporte, o la información crediticia debido a que los nuevos métodos han permitido identificar que los puntajes crediticios se encuentran en relación inversa directa con la incidencia de accidentes automovilísticos.
¿Qué impacto potencial tendrán estas tecnologías en nuestra vida cotidiana? Menos trivial de lo que aparenta es el siguiente episodio personal. Soy un consumidor bastante asiduo en la internet. La mayor parte de mis consumos informativos, de libros, y de diversión, provienen de ella. Cómo cualquier lector medianamente enterado en microeconomía sabrá, la noción de salir a la calle a comprar un café Latte y el noticioso es puerilmente reduccionista. Antes de realizar cualquier compra nosotros, los consumidores, elaboramos complejísimos procesos matemáticos de optimización restringida multidimensional. No es que me dé de improviso el antojo de un café: más bien, me encontraba maximizando una ecuación de utilidad restringida (cuya solución a un vulgar doctor en Economía toma, si es que acaso logro realizarla, varias páginas de cálculo diferencial) cuya solución me dice inequívocamente que seré más feliz al comprar el Latte y la Jornada de hoy. Eso lo he sabido desde hace por lo menos 15 años, y era perfectamente feliz con esta explicación de mi comportamiento, hasta que algo conmocionó mis convicciones más profundas: Amazon y Netflix.
Amazon analiza la información no sólo de mi comportamiento de compras previas, sino del comportamiento de cientos de miles de clientes, con cientos de miles de bytes informativos acerca de los gustos de las masas. Recuerdo que, tontamente, solía revisar (online, desde luego) los suplementos literarios del New York Times, del Mercurio, del Clarin, de la Nación, etc., los diarios importantes del mundo para estar enterado de las novedades literarias y saber qué leer. Después, sin dejar mi asiento y con un solo click, me dirijía a amazon.com para comprarlos. Poca importancia le prestaba al pequeño ícono, al final de la pantalla de mi ordenador, que me recomendaba lo que otros clientes, con gustos similares a los míos, habían ordenado.
Leer es un proceso tedioso: no siempre te encuentras satisfecho con lo leído. La entretención en general, es decepcionante. Conversando sobre Marlon Brando, nunca faltará el amigo que te recomiende que veas, no sé, El último tango en Paris, asegurándote que si no lo has visto, no has vivido. Así mismo, tú jurarías sobre una biblia que el epítome por excelencia del actor, y la experiencia cinematográfica más orgásmica, se encuentra en la versión ampliada de Apocalipsis Now. En muchas instancias, sin embargo, ambos quedarán insatisfechos al punto de hacer peligrar la amistad. Y es así como, progresivamente, tanto en libros como en películas, uno se vuelve cada vez más cauteloso.
Yo por mi parte, he resuelto el problema. O mejor dicho, la nueva econometría lo ha resuelto por mi, desde que producto de la simple curiosidad, me di cuenta de que los libros que Amazon me sugería parecían interesantes. Amazon me sugirió, por ejemplo, leer a Roberto Bolaño. Y no sería exagerado decir que mi visión literaria cambió a raíz de ese descubrimiento. Además, confío plenamente en Netflix.com: Ya no necesito redactar página tras página de complejos cálculos matemáticos, simplemente selecciono el DVD que Netflix me recomienda.
Al final del día, debo reconocer que siento un poco de nostalgia. El algoritmo utilizado por estos sitios web es tan eficiente, y me encuentro tan satisfecho con sus selecciones propuestas, que no puedo sino pensar que he sido siempre un idiota en el pasado, seleccionando lo que solía comprar. Amazon me conoce mejor de lo que me conozco yo. Quizá, como Kasparov, deba responder con una fría autocomplacencia. Quizá deba dejar de pensar completamente, y someterme a los designios de la inteligencia artificial. O quizá deba escribir un blog, para ver si alguien más aparte de mi encuentra estos procesos tan interesantes.
0 comments:
Post a Comment