Macroeconomía II

Clase 7
Modelo RBC

Youel Rojas Zea

BCRP

PUCP - 2025
Introducción al Modelo de Ciclos Económicos Reales (RBC)

- Estudiaremos una versión del modelo RBC, introducido por Kydland y Prescott (1982).
- Agentes optimizadores
- Mercados competitivos perfectos
- Choques tecnológicos como fuente de ciclos

- Es el modelo DSGE original, y sirve como referencia para modelos más complejos.

- Describiremos sus condiciones de primer orden (FOC) y cómo se transforman en

ecuaciones diferenciales lineales.

- Introduciremos la log-linealización para resolver modelos dinámicos.

- Describiremos como resolver este sistema de ecuaciones en diferencias, y

posteriormente una simulación del modelo de expectativas racionales.
Resolviendo el Modelo RBC
El Problema del Planificador Social

- Asumimos mercados perfectamente competitivos: el equilibrio descentralizado es

eficiente.
- El planificador maximiza las siguientes preferencias:
∞
X
Et β i (U(Ct+i ) − V (Nt+i ))
i=0

- Restricciones de recursos de la economía:

Yt = Ct + It , Kt = It + (1 − δ)Kt−1

- Tecnología: Función de producción y la dinámica de evolución de la tecnología

α
Yt = At Kt−1 Nt1−α , log At = (1 − ρ) log A∗ + ρ log At−1 + εt
¿Por qué usar RBC como modelo base?

- Benchmark para comparar modelos más complejos

- Permite preguntar:
- ¿Son cruciales las fricciones de mercado?
- ¿Qué pueden explicar solo agentes optimizadores?

- Base para extensiones (rigideces, fallos de mercado)

Nota Técnica: Incertidumbre y FOC
Maximizamos:
∞
X
Et β i (U(Ct+i ) − V (Nt+i ))
i=0

Incertidumbre por At .
- Solución rigurosa: programación dinámica estocástica.

- Solución en esta clase: tratar el problema como determinístico, y pensaremos en Xt+i

más que Et Xt+i .

- Justificación: si maximizamos Et F (x),

X
G(x) = pk F (ak , x)

el óptimo cumple: X
G′ (x) = pk F ′ (ak , x) = Et F ′ (x) = 0
Formulando el Problema del Planificador

- Recordamos las restricciones:

α
Yt = Ct + It = At Kt−1 Nt1−α
Kt = It + (1 − δ)Kt−1

- Combinadas:
α
At Kt−1 Nt1−α = Ct + Kt − (1 − δ)Kt−1
- Problema del planificador (Lagrangiano):
∞
X
L = Et β i [U(Ct+i ) − V (Nt+i )]
i=0
h i
α 1−α
+ λt+i At+i Kt+i−1 Nt+i + (1 − δ)Kt+i−1 − Ct+i − Kt+i
Cómo obtener las condiciones de primer orden (CPO)
- La función objetivo del planificador incluye una suma infinita, lo cual parece muy
complicado.

- Pero, observemos que ocurre con la sumatoria en un periodo t arbitrario

h i
α
[U(Ct ) − V (Nt )] + λt At Kt−1 Nt1−α + (1 − δ)Kt−1 − Ct − Kt
h i
1−α
+ βEt λt+1 At+1 Ktα Nt+1 + (1 − δ)Kt − Ct+1 − Kt+1

- Las variables con subíndice t no aparecen después!

- A partir de t + n aparecen descontadas por β n .

- Por tanto, las FOC para cualquier t + n son idénticas a las de t.

- Diferenciar esta ecuación nos da la dinámica óptima para todos los periodos.
Condiciones de primer orden (CPO)

- Derivando la Lagrangiana obtenemos:

∂L
: U ′ (Ct ) − λt = 0
∂Ct
  
∂L Yt+1
: − λt + βEt λt+1 α +1−δ =0
∂Kt Kt
∂L Yt
: − V ′ (Nt ) + (1 − α)λt =0
∂Nt Nt
∂L α
: At Kt−1 Nt1−α − Ct − Kt + (1 − δ)Kt−1 = 0
∂λt
Ecuación de Euler
- Definimos el valor marginal de una unidad adicional de capital como:
Yt+1
Rt+1 = α +1−δ
Kt
- Entonces, la FOC para el capital se reescribe como:

λt = βEt (λt+1 Rt+1 )

- Combinando con la FOC del consumo:

U ′ (Ct ) = βEt [U ′ (Ct+1 )Rt+1 ]

- Interpretación:
- Reducir Ct en ∆ genera pérdida U ′ (Ct )∆.
- Invertir da Rt+1 ∆ en t + 1.
- Valor esperado descontado: βEt [U ′ (Ct+1 )Rt+1 ∆].
- En óptimo: indiferencia.
Preferencias CRRA y desutilidad separable

- Utilidad con aversión relativa constante al riesgo (CRRA) y desutilidad separada por
trabajo:
Ct1−η
U(Ct ) − V (Nt ) = − aNt
1−η
- Esta especificación permite una senda de crecimiento estable.
- Ecuación de Euler se vuelve:

Ct−η = βEt [Ct+1

−η
Rt+1 ]

- Condición óptima para horas trabajadas:

Yt
−a + (1 − α)Ct−η =0
Nt
Conjunto completo de ecuaciones del modelo RBC
- El modelo se resume en 6 ecuaciones para 6 variables endógenas: Yt , Ct , It , Kt , Nt , Rt
1. Identidad de recursos: Yt = Ct + It
α
2. Producción: Yt = At Kt−1 Nt1−α

3. Acumulación de capital: Kt = It + (1 − δ)Kt−1

4. Rendimiento del capital: Rt = α KYt−1

t
+1−δ

5. Consumo óptimo: Ct−η = βEt [Ct+1

−η
Rt+1 ]

6. Trabajo óptimo: −a + (1 − α)Ct−η NYtt = 0

y un proceso para la variable exógena, la PTF,

log At = (1 − ρ) log A∗ + ρ log At−1 + εt

- Este sistema es una mezcla de ecuaciones lineales y no lineales en differencia.

Log-Linearización
Linealización de Sistemas No Lineales
- Los modelos DSGE son no lineales y en general no tienen soluciones analíticas.

- Se puede aproximar su solución mediante una versión lineal usando la serie de Taylor.

- Una función F (xt , yt ) puede aproximarse alrededor del punto (xt∗ , yt∗ ) como:
F (xt , yt ) = F (x ∗ , y ∗ ) + Fx (xt − x ∗ ) + Fy (yt − y ∗ )
1
+ Fxx (xt − x ∗ )2 + Fyy (yt − y ∗ )2 + Fxy (xt − x ∗ )(yt − y ∗ )
2
+ ...

- Si las desviaciones son pequeñas, se ignoran términos de segundo orden y cruzados,

F (xt , yt ) ≈ F (x ∗ , y ∗ ) + Fx (xt − x ∗ ) + Fy (yt − y ∗ )
o de forma más compacta:
F (xt , yt ) ≈ α + β1 xt + β2 yt
Log-Linealización en Modelos DSGE

- Se toma logaritmo de las ecuaciones y se linealiza alrededor de una senda de estado

estacionario.

- Las variables reales fluctúan en torno a esta senda ⇒ buena aproximación.

- Se obtienen ecuaciones en términos de desviaciones porcentuales de las variables:

Xt − X ∗
log Xt − log X ∗ ≈
X∗

- Permite representar la dinámica del ciclo económico.

- Los coeficientes resultantes son elasticidades ⇒ interpretación intuitiva.

Cómo Funciona la Log-Linealización
- Definimos con minúsculas las log-desviaciones respecto a su estado estacionario de
una variable:
xt = log Xt − log X ∗

- La clave, y truco, está en que toda variable se puede escribir como,

Xt = X ∗ ext ≈ X ∗ (1 + xt )

- El otro truco, es que para productos de variables,

Xt Yt ≈ X ∗ Y ∗ (1 + xt + yt )

- Se ignoran términos de orden xt yt ya que son pequeños

- Sustituimos en el modelo original para obtener sistema en variables log-linealizadas.

Ejemplo 1: Identidad de Recursos

- Partimos de: Yt = Ct + It

- En log-lineal:
Y ∗ (1 + yt ) = C ∗ (1 + ct ) + I ∗ (1 + it )

- Usamos identidad de estado estacionario: Y ∗ = C ∗ + I ∗

- Cancelando términos:
C∗ I∗
Y ∗ yt = C ∗ ct + I ∗ it ⇒ yt = ct + it
Y∗ Y∗
Ejemplo 2: Función de Producción

α N 1−α
- Yt = At Kt−1 t

- Log-linealizando:
yt = at + αkt−1 + (1 − α)nt

- Usamos aproximaciones: ex ≈ 1 + x

- Se ignoran términos cruzados at kt−1 , etc.

Sistema Log-Linealizado del Modelo RBC
Tenemos un sistema de 7 ecuaciones
C∗ I∗
yt = c t + it
Y∗ Y∗
yt = at + αkt−1 + (1 − α)nt
I∗
kt = ∗ it + (1 − δ)kt−1
K
nt = yt − ηct
1
ct = Et ct+1 − Et rt+1
η
α Y∗
rt = ∗ ∗ (yt − kt−1 )
R K
at = ρat−1 + εt

pero notemos que hay ecuaciones cuyos coeficientes dependen del valores asociados al
estado estacionario. Los tenemos que calcular.
Hallando el estado estacionario
Cálculo el Estado Estacionario

C∗ I∗ αR ∗ Y ∗
- Necesitamos calcular: Y∗ , K∗ y K∗ .

- Lo hacemos partiendo del sistema RBC no lineal original y examinando su

comportamiento en una senda de crecimiento cero.( ¿por qué?)

- En esta senda, todas las variables reales son constantes en el tiempo.

- Esto nos permite obtener relaciones de equilibrio de largo plazo que facilitan la
log-linealización.
Valores de Estado Estacionario: Paso 1

- Partimos de la ecuación de Euler:

 η 
Ct
1 = βEt Rt+1
Ct+1

- En estado estacionario: Ct = Ct+1 = C ∗ , Rt = R ∗

- Entonces: 1 = βR ∗ ⇒ R ∗ = β −1 En una economía que no crece, la tasa de retorno del

capital está determinado por la tasa de descuento.
Valores de Estado Estacionario: Paso 2

- Ecuación del retorno del capital:

Yt
Rt = α +1−δ
Kt−1

- En estado estacionario:
Y∗ Y∗ β −1 + δ − 1
R∗ = α + 1 − δ ⇒ =
K∗ K∗ α
Cálculo de Proporciones: Paso 3

- Usamos la identidad: Kt = It + (1 − δ)Kt−1

- En estado estacionario: Kt = Kt−1 = K ∗ , It = I ∗

- Entonces:
I∗
I ∗ = δK ∗ ⇒ =δ
K∗
Y∗
- Multiplicando por Y∗ :

I∗ I∗ K ∗ 1 I∗ αδ
∗
= ∗
· ∗
= δ · ∗ ∗
⇒ ∗
= −1
Y K Y Y /K Y β +δ−1
Cálculo de Proporciones: Paso 4

- Finalmente:
C∗ I∗ αδ
∗
= 1 − ∗
= 1 − −1
Y Y β +δ−1
Sistema Final del Modelo RBC Linealizado
Nuestro sistema se vuelve,
   
αδ αδ
yt = 1 − ct + it
β −1 + δ − 1 β −1 + δ − 1
yt = at + αkt−1 + (1 − α)nt
kt = δit + (1 − δ)kt−1
nt = yt − ηct
1
ct = Et ct+1 − Et rt+1
η
rt = (1 − β(1 − δ))(yt − kt−1 )
at = ρat−1 + εt
Este sistema está escrito en el formato estándar para ecuaciones de diferencias
estocásticas lineales. Para valores definidos de (α, β, δ, η, ρ), podemos aplicar algoritmos de
solución (e.g Binder-Pesaran, Blanchard-Kahn, QZ, etc) para obtener una solución de forma
reducida y, en consecuencia, simular el modelo computacionalmente. Dynare será de
utilidad para este propósito.