Solución de un modelo sencillo de economı́a

colombiana mediante el procedimiento de Uhlig

Adriana Ochoa*
18 de noviembre de 2009
Asesor: Jesús Botero

Resumen
En este reporte se presenta la solución analı́tica de un modelo sencillo de economı́a
abierta y con gobierno para Colombia mediante el procedimiento de Uhlig. Este
modelo es de carácter macroeconómico, además de ser dinámico, estocástico y no
lineal. Y el procedimiento desarrollado por Uhlig se basa en la transformación de los
modelos originales a modelos lineales, mediante la log linealización de las variables
de interés.

1. Introducción
Considerando que los diferentes procesos y problemas que se presentan en diferentes
ámbitos en la actualidad, económicos, sociales,productivos, entre otros; se caracterizan por
ser sistemas complejos, en los cuales intervienen muchas variables, son no lineales y además
dinámicos en el tiempo, la modelación de estos sistemas requiere de métodos y modelos
especializados, que permitan capturar el comportamiento de éste.

Teniendo en cuenta, además, que se han desarrollado buenos métodos para resolver
sistemas lineales, que permiten capturar la dinámica de los sistemas y realizar un buen
análisis de éstos, existen técnicas que permiten transformar los modelos que no son lineales
en lineales, para ser analizados mediante técnicas que están bien desarrolladas.

Algunos modelos macroeconómicos cuando involucran ecuaciones no lineales y son vari-

antes en el tiempo, son difı́ciles de resolver mediante métodos analı́ticos, en estos casos,
se puede decir simplemente que no existe una solución analı́tica (Canova (2007))..Por lo
tanto, se debe usar otros métodos que permitan hacer un buen análisis del modelo y de sus
resultados. En la literatura, se trabaja sobre el estado estacionario, evaluando desviaciones
*
Estudiante de Ingenierı́a Matemática, aochoaye@eafit.edu.co. Práctica investiga 3 realizada en el
Grupo de investigación de Modelos de Equilibrio General Dinámicos Estocásticos dirigido por Jesús Botero

1
del mismo a partir de versiones lineales de las ecuaciones, que expresan esas desviaciones.

Las dos formas usadas para resolver este tipo de modelos, más conocidas son el uso
de métodos numéricos y la loglinealización. La primera, consiste en encontrar una solu-
ción mediante métodos numéricos, es decir, dejar que el computador resuelva el sistema
de ecuaciones para unos parámetros dados. En este caso, es importante validar el modelo
con diferentes parámetros para poder realizar un adecuado análisis del modelo y de sus
resultados. La otra forma de resolver el modelo consiste en transformar el modelo original
en uno lineal en las variables de interés y aproximarlo al modelo original (lo suficiente-
mente cerca), con la finalidad de usar las herramientas ya existentes de los modelos lineales
y de esta forma encontrar una solución analı́tica, además de realizar un análisis sencillo
del modelo mediante la observación de la respuesta de las soluciones ante cambios en los
parámetros. Esta técnica es conocida como linealización (Smulders (2008)).

En este reporte, se resuelve el modelo sencillo para la economı́a colombiana desarrol-

lado por el grupo de investigación Modelos de Equilibrio General Estocásticos Dinámi-
cos(DSGE) de la Universidad EAFIT, mediante el procedimiento de Uhlig presentado en
1997.

Actualmente, el grupo resuelve el modelo mediante una plataforma en Matlab,llamada

Dynare, que fue construı́da para estudiar la dinámica transitoria de los modelos no lineales
con expectativas consistentes. Aunque se conoce en términos generales, los métodos que
esta plataforma usa para resolver este tipo de modelos, no es posible seguir paso a paso
el procedimiento que realiza. Por esta razón, se presenta la solución analı́tica mediante el
procedimiento de Uhlig (paso a paso) para el modelo para la economı́a colombiana.

Inicialmente se presenta un modelo sencillo dinámico estocástico y no lineal para cono-

cer las especificaciones de este tipo de modelos, luego se presentará de manera teórica el
procedimiento de Uhlig para modelos dinámicos estocásticos no lineales y una ilustración
de este método, posteriormente se plantea el modelo para la economı́a colombiana y final-
mente se resuelve analı́ticamente mediante la técnica ya mencionada, para que el grupo
pruebe el trabajo realizado con datos consistentes.

2. Modelo sencillo
Supongamos un modelo de crecimiento neoclásico, con las siguientes especificaciones(Uhlig
(1997)):

1. Preferencias: la utilidad del agente representativo se describe mediante la siguiente

expresión:

2
 ∞
X Ct1−η − 1
U = E[ βt ]
t=0
1−η

Donde Ct es el consumo, 0 < β < 1 es un factor de descuento, η es el coeficiente de

aversión al riesgo relativo.

2. Tecnologı́a: se asume una función de producción tipo Cobb-Douglas.

ρ
Ct + Kt = Zt Kt−1 Nt1−ρ + (1 − δ)Kt−1

Donde Kt es el capital,Nt es el trabajo, 0 < ρ < 1(cuota de capital) y 0 < δ < 1

(tasa de depreciación) y Zt es el factor total de productividad, el cual está dado por
la siguiente expresión:

logZt = (1 − ψ)logZ + φlogZt−1 + t

t ∼ i.i.d.N (0; σ 2 )

Aquı́, 0 < ψ < 1, Z son parámetros.

3. Asignación inicial: En cada perı́odo, al agente representativo se le asigna una unidad

de tiempo, Nt = 1. Además, es dotado con capital K−1 , antes de t = 0.

4. Información: Ct , Nt y Kt necesitan ser elegidos con la información del perı́odo t.

3. Procedimiento de Uhlig para un modelo dinámico

estocástico no lineal
Este método fue desarrollado por Uhlig (1997), cuya esencia radica en la log-linelización
del modelo original.

El procedimiento general que se sigue para resolver y analizar modelos estocásticos

dinámicos no lineales es el siguiente:

1. Encontrar las ecuaciones necesarias que caracterizan el equilibrio

3
 2. Seleccionar los parámetros y encontrar el estado estacionario

3. Log-linealizar las ecuaciones que caracterizan el equilibrio del sistema para aproxi-
mar las ecuaciones linealmente en la log-desviación del estado estacionario

4. Resolver el movimiento recursivo del equilibrio mediante el método de coeficientes

indeterminados

5. Analizar la solución a través del análisis de impulso-respuesta

Ahora, se explicará cada uno de los pasos anteriores.

3.1. Ecuaciones que caracterizan el equilibrio

Inicialmente, se debe plantear el problema de optimización del modelo que se desea
estudiar, es decir, la función objetivo y las restricciones. Posteriormente, el modelo debe
ser expresado como una única función, mediante la función de Lagrange o las ecuaciones
de Bellman (ecuación de valor); y de esta forma se encuentran las ecuaciones de equilibrio
del modelo.

3.1.1. Ecuación de Lagrange

A grandes razagos, los multiplicadores de Lagrange son un método para optimizar fun-
ciones de varias variables que están sujetas a ciertas restricciones. Este método reduce el
problema restringido en n variables en uno sin restricciones de n + r variables, donde r
indica el número de restricciones. La ecuaciones pueden ser resuletas, introduciendo una
nueva variable escalar desconocida, el multiplicador de Lagrange, para cada restricción y
formando una combinación lineal involucrando los multiplicadores como coeficientes.

Este método introduce una nueva variable escalar desconocida, el multiplicador de

Lagrange, para cada restricción y forma una
Considerando el tipo de problemas que se presenta en este reporte, se considera un
multiplicador de Lagrange para cada perı́odo de tiempo t.

3.1.2. Ecuación de Bellman

También conocida como Ecuación de valor, permite representar un problema con hor-
izonte infinito, en dos etapas, una en el periodo t y la otra en los periodos futuros.

4
 El principio básico es:” Una polı́tica óptima tiene la propiedad de que, cualesquiera
sean el estado y las decisiones iniciales tomadas (es decir, el control), las restantes de-
cisiones deben constituir una polı́tica óptima con independencia del estado resultante de
la primer decisión”; considerando que una variable de estado, es aquella cuyo valor fue
determinado por acciones pasadas o por la naturaleza, y una variable de control es aquella
cuyo valor puede ser elegido por un individuo en el periodo t (McCandless (2008)).

3.2. Determinar el estado estacionario

El estado estacionario se encuentra suponiendo que las variables son invariantes en el
tiempo, es decir,eliminando los subı́ndices t.

Encontrar el estado estacionario es útil para facilitar el desarrollo de la log linealización

(siguiente paso), para la calibración de algunos parámetros y para conocer no sólo a que
valor convergen las variables en el largo plazo, sino de que valores depende su estado esta-
cionario.

3.3. Log- linealización

El modelo estándar de aproximación lineal es aproximar alrededor del estado de equi-
librio, donde esto es válido si y solo sı́ el modelo no está muy lejos de su estado estacionario,
para obtener resultados aproximados al modelo original.

El principio de la log-linealización se basa en usar la aproximación de Taylor alrededor

del estado de estacionario.

En este informe se presentarán dos métodos de log linealización:el que usa Uhlig en
su procedimiento de solución de modelos dinámicos estocásticos no lineales y el método
básico de log linealización (McCandless (2008)).

3.3.1. Log linealización de Uhlig

Este método consiste en reemplazar todas las ecuaciones por aproximaciones, las cuales
son funciones lineales en la log-desviación de las variables.

El método de log-linealización que plantea Uhlig es el siguiente:

Sea Xt el vector de variables, X̄ el estado estacionario del vector Xt y xt el vector de

log- desviación, el cual se define como sigue:

5
 Xt
log = xt = log(Xt ) − log(X̄) (1)
X̄
En la Ecuación 1, xt indica la diferencia del vector de variables en un instante t y su
estado estacionario, mediante una transformación en logaritmos. De esta forma, 100 · xt ,
expresa en términos porcentuales esta diferencia (MIT (2000)).

Ahora, las funciones necesarias que caracterizan el equilibrio se pueden expresar ası́:

1 = f (xt , xt−1 )
1 = Et [g(xt , xt+1 )]

Donde f (0, 0) = g(0, 0) = 1. Tomando las aproximaciones de Taylor de primer orden

alrededor del punto (xt , xt−1 ) = (0, 0), se obtiene un sistema lineal, tanto para la ecuación
determinı́stica como para la función de esperanza matemática en xt ,xt−1 y xt+1 ,ası́:

0 ≈ f1 · xt + f2 · xt−1
0 ≈ Et [g1 · xt+1 + g2 · xt ]

En la mayorı́a de los casos, no es necesario diferenciar las funciones f y g explı́citamente.

En su lugar, la log-linealización del sistema puede obtenerse fácilmente de la siguiente for-
ma:

La variable Xt puede escribirse ası́:

Xt
Xt = X̄ XX̄t = X̄elog X = X̄ · ext
Xt = X̄ · ext

Donde xt es un número real cercano a cero.

Ahora, tomando la aproximación de Taylor de primer orden alrededor del estado esta-
cionario, se tiene:

Xt ≈ X̄e0 + X̄e0 (xt − 0)

Xt ≈ X̄(xt + 1)

De la misma forma puede escribirse,

Xt Yt ≈ X̄(xt + 1)Ȳ (yt + 1)

Xt Yt ≈ X̄ Ȳ (1 + xt + yt + xt yt )

6
 Y como xt ,yt son números reales cercanos a cero, entonces xt yt ≈ 0

Xt Yt ≈ X̄ Ȳ (1 + xt + yt )

Como una variante en el procedimiento de Uhlig, se presentará el método de log lin-

ealización básico.

3.3.2. Método básico de log-linealización

Un modelo no lineal puede ser representado por un conjunto de ecuaciones de la forma
general(McCandless (2008)):

G(xt )
F (xt ) =
H(xt )
Donde xt es el vector de todas las variables del modelo. El paso inicial de log lineal-
ización consiste en tomar logaritmos a la ecuación anterior, y luego realizar una aproxi-
mación de serie de Taylor de primer orden. Esto es,

log F (xt ) = log G(xt ) − log H(xt )

Y luego,

F 0(x̄) G0(x̄)
log F (x̄) + (xt − x̄) ≈ logG(x̄) + (xt − x̄)
F (x̄) G(x̄)
H 0(x̄)
−logH(x̄) − (xt − x̄)
H(x̄)

Considerando ahora que la log versión del modelo conserva su estado estacionario,

log F (x̄) = logG(x̄) − logH(x̄)

Entonces,
F 0(x̄) G0(x̄) H 0(x̄)
(xt − x̄) ≈ (xt − x̄) − (xt − x̄)
F (x̄) G(x̄) H(x̄)
El supuesto implı́cito consiste en que una vez se esté lo suficientemente cerca del estado
estacionario, los términos superiores o iguales al segundo orden en la expansión de Taylor
son muy pequeños, por lo que éstos son irrelevantes y pueden ser excluidos.

El método de Uhlig, tiene la ventaja de no requerir el cálculo de derivadas, como lo

hace el método de log linealización básica, pero el resultado de ambos métodos es el mismo.

7
3.4. Método de coeficientes indeterminados
Sea xt el vector de variables endógenas y yt el vector de variables exógenas.La ley de
movimiento recursivo lineal que propone esté método es (Uhlig (1997)):

xt = axt−1 + bzt

Donde a y b son vectores de coeficientes que indican la relación de la variable de estado

en el periodo t con su perı́odo anterior y con las variables exógenas en el mismo perı́odo,
respectivamente.

Como se observa, la idea es escribir todas las variables como funciones lineales de un
vector de variables endógenas y variables exógenas para el perı́odo t. Este procedimiento
se puede realizar de dos formas, mediante la separación del vector de variables endógenas
en variables de estado y de salto; y sin la separación del vector de variables endógenas.

3.4.1. Método de solución sin separación del vector de variables endógenas

Sean xt el vector de variables endógenas de tamaño n × 1 y zt el vector de variables
endógenas de tamaño k × 1.El modelo ya linealizado (o loglinealizado) considerando v
número de ecuaciones debe escribirse de la siguiente forma (Uhlig (1997)):

0 = Et [F xt+1 + Gxt + Hxt−1 + Lzt+1 + M zt ] (2)

zt+1 = N zt + t + 1, E[t + 1] = 0 (3)
donde,F, G, H, L, M son matrices de tamaño:v × n para las primeras tres matrices y
v × k para el resto.

La solución del modelo, puede ser expresado ası́:

xt = P xt−1 + Qzt (4)

Donde las matrices P y Q, dan la ley de movimiento de equilibrio y donde se asegura
que el equilibrio descrito mediante la ecuación anterior es estable.

Encontremos ahora la solución del modelo. Inicialmente reemplazando 4 en 2 tenemos

que,

0 = [F P 2 + GP + H]xt−1 + [F P Q + F QN + GQ + LN + M ]zt (5)

Como zt es independiente de las variables endógenas en el periodo t − 1 (xt−1 ), para que
se cumpla 5, se debe dar:

0 = F P 2 + GP + H (6)
0 = F P Q + F QN + GQ + LN + M (7)

8
 La condición 7, es una ecuación cuadrática que se puede resolver fácilmente, pero para
la ecuación 7 donde se puede encontrar Q, se debe usar el Teorema 1 de Uhlig (Ver
Anexos). La Ecuación 7 puede escribirse como:

0 = (F P + F N + G)Q + LN + M
(F N + (F P + G))Q = −LN + M
V Q = −LN + M

con
V = F N + (F P + G)
Usando el corolario del Teorema 1 de Uhlig (Anexo), la matriz Q viene dada por:

V vec(Q) = −vec(LN + M )
y,
V = N 0 ⊗ F + Ik ⊗ (F P + G)
Resolver este problema puede ser algunas veces difı́cil porque las raı́ces encontradas
de la ecuación de matriz cuadrática en P pueden ser complejas y demandantes computa-
cionalmente, especialmente si el modelo es grande.

3.4.2. Solución usando variables de salto

La solución de una versión lineal de la economı́a es más fácil si se define el vector
de variables de estado endógenas y el vector de las otras variables endógenas, las cuales
dependen de los valores de las variables de estado. Las otras variables endógenas son lla-
madas variables de salto, ya que se refieren a la dinámica del punto de silla de un sistema
en tiempo continuo. El sistema es estable (y converge) a lo largo de la trayectoria de silla.
Normalmente, las variables de control siguen el camino, pero los valores de las otras vari-
ables necesitan saltar para lograr que el sistema esté sobre la cadena estable (McCandless
(2008)).

Sean xt el vector de variables endógenas de estado de tamaño n × 1, yt el vector de

variables endógenas de salto de tamaño m × 1 y zt el vector de variables exógenas de
tamaño k × 1.

Ahora, separando las ecuaciones que incluyen el operador de esperanza de las que no
lo tienen, la versión lineal del modelo puede ser escrita como:

0 = Axt + Bxt−1 + Cyt + Dzt (8)

0 = Et [F xt+1 + Gxt + Hxt−1 + Jyt+1 + Kyt + Lzt+1 + M zt ] (9)

9
 zt+1 = N zt + t+1 ; Et [t+1 ] = 0

La solución para esta economı́a está dado por las matrices P, Q, R y S, que describen
la ley de movimiento de equilibrio,

xt = P xt−1 + Qzt (10)

yt = Rxt−1 + Szt (11)

Reemplazando las Ecuaciones anteriores en 8, se tiene:

0 = (AP + B + CR)xt−1 + (AQ + CS + D)zt (12)

Como zt es independiente de las variables endógenas en el periodo t-1 (xt−1 ), para que
se cumpla 12, se debe dar:

0 = [AP + B + CR]
0 = [AQ + CS + D]

De esta forma,

R = −C −1 [AP + B] (13)

S = −C −1) [AQ + D] (14)

Por otro lado, reemplazando las Ecuaciones 10 y 11 en 9

0 = (F P 2 + GP + JRP + H + KR)xt−1 + (F P Q + F QN + GQ + JRQ+

JSN + KS + LN + M )zt (15)

De acuerdo a la Ecuación 15,

0 = [F P 2 + GP + H + JRP + KR] (16)

0 = [F P Q + F QN + GQ + JRQ + JSN + JSN + KS + LN + M ] (17)

Ahora, reemplazando R (Ecuación 13) en 15,

0 = [F − JC −1 A]P 2 − [JC −1 B − G + KC −1 A]P − KC −1 B + H

10
 Mediante esta ecuación cuadrática, es posible encontrar a P , y de esta forma, también
puede ser encontrado R.

Ahora, reemplazando S (Ecuación 14) en 17

[(F − JC −1 A)Q]N + [F P + G + JR − KC −1 A]Q − [JC −1 D − L]N = KC −1 D − M (18)

Usando el Teorema 1 de Uhlig y el corolario de este teorema,

vec([F P + G + JR − KC −1 A]Q) = (Ik ⊗ (JR + F P + G − KC −1 A))vec(Q)

Ası́, la Ecuación 18 puede ser resuelta mediante el vec(Q), aplicando el operador vec a
ambos lados de la ecuación. Se obtiene que Q satisface:

(N 0 ⊗ (F − JC −1 A) + Ik ⊗ (JR + F P + G − KC −1 A))vec(Q) =
vec((JC −1 D − L)N + KC −1 D − M )

vec(Q) = (N 0 ⊗ (F − JC −1 A)+
Ik ⊗ (JR + F P + G − KC −1 A))−1 vec((JC −1 D − L)N + KC −1 D − M )

Una vez se encuentre Q, puede encontrarse a S.

Otro método para resolver modelos con expectativas racionales lineales es de Blanchard
y Kahn, que antecede al de coeficientes indeterminados.

3.4.3. Método de Blanchard y Kahn

La teorı́a básica para resolver ecuaciones en diferencias lineales con expectativas racionales
fue desarrollada por Blanchard y Kahn.McCandless (2008)

La versión general del modelo es:

   
xt+1 x
B = A t + Gt
Et [yt+1 ] yt

Donde xt es el vector de variables predeterminadas en el perı́odo t de tamaño n×1, yt es

el valor de las variables no predeterminadas en el perı́odo t de tamaño m×1,Et [y( t+1)] es el
vector de esperanzas para las variables no predeterminadas en el perı́odo t+1, t es el vector
de shocks estocásticos de tamaño k × 1, A y B son matrices de tamaño (n × m) × (n × m) y
G es una matriz de tamaño (n×m)×k. La diferencia entre las variables predeterminadas y

11
no predeterminadas consiste en que los valores de las predeterminadas en el perı́odo t + 1,
no dependen de los valores de los shocks en el perı́odo t + 1, mientras que los valores de las
variables no predeterminadas si dependen de ellos. Esto es porque, en el perı́odo t, se puede
pensar en la expectativa del valor en el perı́odo t + 1 de la variable no predeterminada. Las
ecuaciones del sistema que son usados hacen que las matrices A, B y G se ordenen tal que
el operador de esperanza sea el último. Si la matriz B es invertible, entonces el sistema de
ecuaciones en diferencias de primer orden, puede ser escrito como,
   
xt+1 x
= B A t + B −1 Gt
−1
Et [yt+1 ] yt

La matriz Z = B −1 A, puede descomponerse en Z = M ΛM −1 , donde Λ es la matriz con

los valores propios de la matriz Z en su diagonal, y donde M es una matriz de vectores
propios. Ordenando los valores propios del más pequeño al más grande (a través de la
diagonal) en Λ̄ con su correspondiente matriz de vectores propios como M̄ (con el mismo
orden, tal que cada vector propio sea asociado con los mismos valores propios ordenados).

La condición de Blanchard y Kahn para encontrar una solución a este problema es tal
que el número de valores propios que están fuera del cı́rculo unitario sea igual al número de
variables con esperanza, m. Si esto ocurre, se puede imponer condiciones sobre el equilibrio
que garanticen la existencia de soluciones estables en la economı́a.

Parte determinı́stica

Inicialmente, se considera sólo la parte determinı́stica del modelo, es decir,

   
xt+1 x
=B A t
−1
Et [yt+1 ] yt
   
xt+1 −1 xt
= M̄ Λ̄M̄
Et [yt+1 ] yt
   
xt+1 x
M̄ −1 = Λ̄M̄ −1 t
Et [yt+1 ] yt
M̄ −1 , puede escribirse como,
 
−1 M̂11 M̂12
M̄ =
M̂21 M̂22

Y Λ ası́,  
Λ̄ 0
Λ = 11 12
021 Λ̄22
Donde M̂11 es una matriz de tamaño n × n, M̂12 es de tamaño n × m, M̂21 es de tamaño
m × n y M̂22 es de tamaño m × m. La matriz Λ̄11 es diagonal y contiene todos los valores

12
propios estables del modelo y Λ̄11 es diagonal también con los valores propios inestables.
Usando esta partición, podemos escribir el modelo como dos ecuaciones de matrices,

[M̂11 xt+1 + M̂12 Et [yt+1 ]] = Λ̄11 [M̂11 xt + M̂12 yt ] (19)

[M̂21 xt+1 + M̂22 Et [yt+1 ]] = Λ̄22 [M̂21 xt + M̂22 yt ] (20)
Dado que los elementos de la matriz diagonal Λ̄22 son mayores que uno, si [M̂21 xt +
M̂22 yt ] es diferente de cero, el modelo explotará. Para que la solución sea estable,[M̂21 xt +
M̂22 yt ] debe ser cero, siempre que esto implique que [M̂21 xt+1 + M̂22 Et [yt+1 ]] = 0, también.
Esto es,

M̂21 xt + M̂22 yt = 0

yt = −(M̂22 )−1 M̂21 xt (21)

De esta forma, las variables no predeterminadas en cada periodo son una función lineal
de las variables predeterminadas. Dado que esta versión del modelo es determinı́stica,

Et [yt+1 ] = yt = −(M̂22 )−1 M̂21 xt+1 (22)

Reemplazando las Ecuaciones 21 y 22 en21,

xt+1 = [M̂11 − M̂12 (M̂22 )−1 M̂21 ]−1 Λ̄11 [M̂11 − M̂12 (M̂22 )−1 M̂21 ]xt (23)
Parte estocástica

Cuando la economı́a tiene shocks estocásticos, la solución es un poco diferente. Con-

sidérese ahora, sólo si B es invertible, que el modelo en versión estocástica puede escribirse
como,
   
xt+1 x
= B A t + B −1 Gt
−1
Et [yt+1 ] yt
Usando la misma descomposición de valores y vectores propios como antes, se tiene
que,    
−1 xt+1 −1 xt
M̄ = Λ̄M̄ + M̄ −1 B −1 Gt
Et [yt+1 ] yt

O,
        
M̂11 M̂12 xt+1 Λ̄11 012 M̂11 M̂12 xt Ĝ1
= + t
M̂21 M̂22 Et [yt+1 ] 021 Λ̄22 M̂21 M̂22 yt Ĝ2

13
 Con,  
Ĝ1
= M̄ −1 B −1 G
Ĝ2
Donde Ĝ1 es una matriz de tamaño k × n y Ĝ2 de tamaño k × m . La parte inferior de
la partición anterior, asociada con los valores propios fuera del circulo unitario puede ser
escrita como,

[M̂21 xt+1 + M̂22 Et [yt+1 ]] = Λ̄22 [M̂21 xt + M̂22 yt ] + Ĝ2 [t ] (24)

Si λt = M̂21 xt + M̂22 yt ,
Entonces,

Et [λt+1 ] = Λ̄22 λt + Ĝ2 [t ] (25)

Dado que Λ̄22 tiene valores mayores que uno,

λt = −Λ̄−1
22 Ĝ2 [t ] (26)
Y reemplazando a λt ,

λt = M̂21 xt + M̂22 yt
−1
−Λ̄22 Ĝ2 [t ] = M̂21 xt + M̂22 yt
−1 −1 −1
yt = −M̂22 M̂21 xt − M̂22 Λ̄22 Ĝ2 [t ] (27)
Para encontrar el valor de yt+1 , se encuentra usando la Ecuación27 , es decir,

−1
Et [yt ] = −M̂22 M̂21 xt (28)
(29)

Usando la parte estable del proceso, se encuentra lo siguiente:

[M̂11 xt+1 + M̂12 Et [yt+1 ]] = Λ̄11 [M̂11 xt + M̂12 yt ] + Ĝ1 [t ]

[M̂11 − M̂12 (M̂22 )−1 M̂21 ]−1 [Λ̄11 M̂12 (M̂22 )−1 ]Λ̄−1
22 Ĝ2 − Ĝ1 ][t ] (30)
De esta forma, se encuentra una solución para las variables no predeterminadas en fun-
ción de las predeterminadas y del shock estocástico en el mismo periodo y de las variables
predeterminadas en función de ellas en un periodo anterior y del shock estocástico en el
mismo periodo.

Dado que el método descrito anteriormente es válido cuando la matriz B es invert-

ible (condición inicial), se presentará un método que permite hacer una descomposición
diferente de las matrices A y B, donde no es necesario que se cumpla la invertibilidad

14
de B. Éste es el Método de Shur generalizado, el cual desarrolla el mismo procedimiento
planteado por Blanchard y Kahn para resolver el sistema.

Método de Shur generalizado

Este método de descomposición de las matrices tiene la ventaja de obtener matrices

reales, ya que el método anterior permite que algunos valores de los valores propios y su
correspondiente vector propio sean complejos.McCandless (2008)

La descomposición generalizada de Shur toma un par de matrices cuadradas (B y A)

y las descompone, usando el Algoritmo QZ en dos matrices T, S, Q y Z, donde

B = QT Z 0 (31)
A = QSZ 0 (32)

y, Q y Z tienen la siguiente propiedad:

QQ0 = Q0 Q = I = ZZ 0 = Z 0 Z (33)
y T y S son matrices triangulares superiores.Los valores propios del sistema son dados
por λii = stiiii con sii y tii elementos de las diagonales de T y S, respectivamente. La idea es
encontrar T, S, Q y Z, organizados, de tal forma que en valor absoluto, los valores propios
incrementen para las filas bajas de las matrices.

Versión deterministica del modelo

La versión general es
   
xt+1 x
B =A t
Et [yt+1 ] yt
Y de acuerdo a la descomposición anterior,
   
0 xt+1 0 xt
QT Z = QSZ
Et [yt+1 ] yt

Multiplicando a ambos lados por Q0

   
0 xt+1 0 xt
TZ = SZ
Et [yt+1 ] yt
es decir,
  0 0
    0 0
 
T11 T12 Z11 Z12 xt+1 S11 S12 Z11 Z12 xt
0 0 = 0 0
021 T22 Z21 Z22 Et [yt+1 ] 021 S22 Z21 Z22 yt

15
 Ahora, concentrándonos sólo en las ecuaciones con valores propios explosivos, el resul-
tado es
0 0 0 0
T22 [Z21 xt+1 + Z22 Et [yt+1 ]] = S22 [Z21 xt + Z22 yt ] (34)

Suponiendo que 34 genera una trayectoria explosiva, se debe cumplir que

0 0
Z21 xt + Z22 yt = 0

Y de esta forma,

0 0
Z22 yt = −Z21 xt

0 −1 0
yt = −(Z22 ) Z21 xt = −N xt (35)

Siguiendo con el modelo original:

     
B11 B12 xt+1 A11 A12 xt
=
B21 B22 −N xt+1 A21 A22 −N xt+1
0 −1 0
Donde N = (Z22 ) Z21 .

Tomando la parte superior del sistema o la parte estable,

[B11 − N B12 ]xt+1 = [A11 − N A12 ]xt

xt+1 = [B11 − N B12 ]−1 [A11 − N A12 ]xt (36)

Versión estocástica

La versión estocástica del modelo es

   
xt+1 x
B = A t + Gt
Et [yt+1 ] yt

Mediante la descomposición de Schur de B y A, que ya se encontró, se tiene

     
0 xt+1 0 xt G1
QT Z = QSZ + [ ]
Et [yt+1 ] yt G2 t

Y multiplicando por Q0

16
   0 0
    0 0
 
T11 T12 Z11 Z12 xt+1 S11 S12 Z11 Z12 xt
0 0 = 0 0
021 T22 Z21 Z22 Et [yt+1 ] 021 S22 Z21 Z22 yt
 0
Q012 G1
  
Q
+ 11 [ ]
Q021 Q022 G2 t
Como se indicó anteriormente, las submatrices deben ser ordenadas, y las que están
asociadas con valores propios explosivos deben ir en la fila inferior. Para que el modelo no
sea explosivo, se requiere que

0 0
0 = S22 Z21 xt + S22 Z22 yt + [Q021 G1 + Q022 G2 ][t ]

0 −1 0 0 −1 −1
yt = −(Z22 ) Z21 xt − (Z22 ) S22 [Q021 G1 + Q022 G2 ][t ] (37)
(38)
La solución de las variables no predeterminadas puede ser escrita como
yt = −N xt − L[t ] (39)
0 −1 −1
Donde, L = (Z22 ) S22 [Q021 G1 + Q022 G2 ]

Considerando que los valores esperados de los shocks son asumidos como cero, la es-
peranza de las variables no predeterminadas será:

0 −1 0
Et [yt+1 ] = −(Z22 ) Z21 xt+1
= −N xt+1
Y el modelo puede ser escrito como
       
B11 B12 I A11 A12 I G1 − A12 L
x = x + [ ]
B21 B22 −N t+1 A21 A22 −N t G2 − A22 L t
Usando la parte estable del problema,
[B1 1 − B1 2N ]xt+1 = [A1 1 − A1 2N ]xt + [G1 − A1 2L][t ]
xt+1 = [B1 1 − B1 2N ]−1 [A1 1 − A1 2N ]xt + [B1 1 − B1 2N ]−1 [G1 − A1 2L][t ]

xt+1 = Cxt + D[t ] (40)

Donde,

C = [B1 1 − B1 2N ]−1 [A1 1 − A1 2N ]

D = [B1 1 − B1 2N ]−1 [G1 − A1 2L]
Ésta es una solución estable para el problema de encontrar los valores para las variables
predeterminadas como una función de los shocks y los valores previos de las variables
predeterminadas.

17
3.5. Análisis de impulso respueta
Se puede decir que el modelo está haciendo un buen trabajo de representación de la
economı́a si las caracterı́sticas estadı́sticas (comparar correlación y errores estándar del
modelo con los datos), que se encuentran analı́ticamente o mediante simulación, son cer-
canas a dicha economı́a. Otra forma de validar el modelo, es mediante las funciones de
impulso respuesta, es decir, observar como un modelo o como es la respuesta de la economı́a
a un impulso aplicado a uno de los términos de error.

El procedimiento es el siguiente: la economı́a comienza en estado estacionario, con todos

los shocks de los procesos estocásticos nulos y con todas las variables nulas también, dado
que el modelo está en log diferencias con respecto a su estado estacionario. Posteriormente
se aplica un pequeño y positivo cambio en el primer perı́odo al shock de interés y se calcula
como la economı́a responde a este shock.

4. Solución del modelo de crecimiento neoclásico me-

diante el procedimiento de Uhlig
4.1. Ecuaciones que caracterizan el equilibrio
El problema de optimización del modelo neoclásico puede expresarse ası́:
∞
X Ct1−η − 1
maxE[ βt ]
t=0
1−η

sujeto a:
ρ
Ct + Kt = Zt Kt−1 Nt1−ρ + (1 − δ)Kt−1
logZt = (1 − φ)logZ + φlogZt−1 + t

t ∼ i.i.d.N (0; σ 2 )
El problema puede ser escrito como una función lagrangiana, de la siguiente forma:
∞
X Ct1−η − 1 ρ
L = maxE[ βt ( − λt (Ct + Kt − Zt Kt−1 − (1 − δ)Kt−1 ))]
t=0
1−η
Donde las condiciones de primer orden son:
∂L
= Ct−η − λt = 0 (41)
∂Ct

∂L
= −λt + βEt [λt+1 (ρZt+1 Ktρ−1 + (1 − δ))] = 0 (42)
∂Kt

18
 ∂L ρ
= Ct + Kt − Zt Kt−1 − (1 − δ)Kt−1 = 0 (43)
∂λt
De 43,

ρ
Ct = Zt Kt−1 + (1 − δ)Kt−1 − Kt (44)

Sea,
ρ−1
Rt = ρZt Kt−1 + (1 − δ) (45)
Igualando λt de las Ecuaciones 41 y 42,

−Ct−η + βEt [Ct+1

−η
Rt+1 ] = 0 (46)
Ct η
1 = Et [β( ) Rt+1 ] (47)
Ct+1

4.2. Estado estacionario

Para encontrar el estado estacionario, se eliminan los subı́ndices t. De esta forma se
tiene lo siguiente:

De la Ecuación 44,

ρ
C = ZK − δK (48)

De la Ecuación 45,

ρ−1
R = ρZK +1−δ (49)

R−1+δ ρ−1
= K (50)
ρZ
R − 1 + δ ρ−1
1
( ) = K (51)
ρZ
De la Ecuación 47,

1
R =
β

19
4.3. Log linealización
Sea x
et el vector de log- diferencia de la variable X. Con esta notación, log linealicemos
cada una de las ecuaciones que caracterizan el equilibrio.

Para la Ecuación 44,

ρ
Ct = Zt Kt−1 + (1 − δ)Kt−1 − Kt
ρ
Ceect = Zezet K eρkt−1 + (1 − δ)Kekt−1 − Kekt
e e e

ρ
Ceect = ZK ezet +ρkt−1 + (1 − δ)Kekt−1 − Kekt
e e e

ρ
ct ) ≈ ZK (1 + zet + ρe
C(1 + e kt−1 ) + (1 − δ)K(1 + e
kt−1 ) − K(1 + e
kt )
ρ ρ ρ
C + Ce
ct = ZK + ZK zet + ρZK ekt−1 + (1 − δ)K + (1 − δ)K e
kt−1 − KK e
kt

Del estado estacionario 48,

ρ ρ
ct = ZK zet + (ρZK + (1 − δ)K)e
Ce kt−1 − K e
kt
ρ
ρ ρZK + (1 − δ)K e
Ce
ct = ZK zet + K kt−1 − K e
kt
K
Del estado estacionario 49,

ρ
ZK KR e K
ct
e = zet + kt−1 − ekt
C C C
Para la Ecuación 45,

ρ−1
Rt = ρZt Kt−1 + (1 − δ)
ρ−1 (ρ−1)e
Reret = ρZezet K e kt−1
+ (1 − δ)
ρ−1 (ρ−1)e
Reret = ρZezet K e kt−1
+ (1 − δ)
ρ−1 zet +(ρ−1)e
Reret = ρZK + (1 − δ)
e kt−1

ρ−1
R(1 + ret ) ≈ ρZK (1 + zet + (ρ − 1)ekt−1 ) + (1 − δ)
ρ−1 ρ−1
R + Re rt ≈ ρZK + ρZK (e zt + (ρ − 1)ekt−1 ) + (1 − δ)

Del estado estacionario 49,

ρ−1
rt ≈ ρZK
Re zt + (ρ − 1)e
(e kt−1 )

Usando nuevamente el estado estacionario 49,

20
 rt ≈ (R − 1 + δ)(e
Re zt + (ρ − 1)ekt−1 )
R−1+δ
ret ≈ zt + (ρ − 1)e
(e kt−1 )
R
1−δ
ret ≈ (1 − zt + (ρ − 1)e
)(e kt−1 )
R
Usando el estado estacionario 52,

ret ≈ (1 − β(1 − δ))(e

zt + (ρ − 1)e
kt−1 )

Para la Ecuación 47,

Ct η
1 = Et [β( ) Rt+1 ]
Ct+1
Ceect
1 = Et [β( ec )η Reret+1 ]
Ce t+1
1 = Et [βReη(ect −ect+1 )+ert+1 ]
1 ≈ Et [βR(1 + η(e ct − e ct+1 ) + ret+1 )]
1 ≈ Et [βR + βRη(e ct − e ct+1 ) + ret+1 ]
1 ≈ βR + Et [βRη(e ct − e ct+1 ) + ret+1 ]

Usando el estado estacionario 52,

0 ≈ Et [βRη(e
ct − e
ct+1 ) + ret+1 ]

Ahora para la ecuación de la evolución de la productividad se tiene:

logZt = (1 − φ)logZ + φlogZt−1 + t

log(Zezet ) = (1 − φ)logZ + φlog(Zezet−1 ) + t
logZ + log(ezet ) = (1 − φ)logZ + φlogZ + φlog(ezet−1 ) + t
zet = φe
zt−1 + t

Finalmente, el modelo log linealizado es:

ρ
ZK KR e K
ct
e = zet + kt−1 − ekt (52)
C C C
21
 1−δ
ret ≈ (1 − zt + (ρ − 1)e
)(e kt−1 ) (53)
R

ct − e
0 ≈ Et [βRη(e ct+1 ) + ret+1 ] (54)

zet = φe
zt−1 + t (55)

4.4. Método de coeficientes indeterminados

Sean xt = e ct , ret ]0 .
kt , yt = [e
Mediante, el método que divide el vector de variables endógenas de estado y de salto,
se encuentra que:
h i
A0 = − K C
0
h i
0 KR
B = − C (1 − β(1 − δ))(ρ − 1)
 
−1 0
C=
0 −1
h ρ i
D0 = ZK
C
1 − β(1 − δ)

F = G = [0]
 
J = −1 1
 
K= 1 0

L = M = [0], N = ψ

4.5. Análisis de impulso respuesta

Para realizar este análisis consideremos los siguientes valores de los parámetros para
trimestres:

β = 0,99
ρ = 0,36
η = 1
δ = 0,025
ψ = 0,95
Z = 1

22
 Además, considerando las ecuaciones del estado estacionario 52,51 y 48, se encuentra
R, K y C, respectivamente. De esta forma,

R = 1,01
K = 37,99
C = 2,75

Figura 1: Respuesta de la tecnologı́a ante un shock de 1

Figura 2: Respuesta ante un shock de 1

23
5. Modelo sencillo de economı́a abierta y con gobier-
no para Colombia
Éste es un modelo dinámico estocástico sencillo para la economı́a colombiana, con com-
ercio exterior y sector gobierno. Los hogares toman decisiones intertemporales de consumo,
pagan impuestos de suma fija y reciben flujos del exterior. El gobierno mantiene el equi-
librio fiscal, igualando ingresos y gastos, y las cuentas externas se equilibran, igualando
la suma de exportaciones y flujos a importaciones totales. La demanda total de consumo,
inversión y gasto público se atiende a partir de producción doméstica y de importaciones.
La proporción óptima se determina a partir de la senda de expansión de la función CES
que agrega producción domésticas e importaciones.

5.1. El problema del consumidor

∞
X Lt
maxE βt (ln ct + ψln(1 − ηt ))
t=0
L0
sujeto a:
Lt−1
(1 − τ )(Rt kt−1 + Wt ηt ) + ert ft = ct + it
Lt
Donde,
c es el consumo per cápita
i es la inversión per cápita
f es el flujo del exterior
er es la tasa de cambio
R es la remuneración al capital
L es la población
η es el porcentaje de tiempo disponible dedicado al trabajo
W es el salario
τ es la tasa de impuesto
γ es la tasa arancelaria

La evolución del capital es:

Lt−1
kt = (1 − δ)kt−1 + it
Lt
Ası́, el problema es:
∞
X Lt
máx L = βt (ln ct + ψln(1 − ηt ))
t=0
L0
Lt−1 Lt−1
+ Σ∞ t
t=0 β ((1 − τ )(Rt kt−1 + Wt ηt ) + ert ft − (ct + kt − (1 − δ)kt−1 ))
Lt Lt

24
 Las condiciones de primer orden son:

∂L Lt β t
= − λt β t = 0 (56)
∂ct L 0 ct
∂L Lt β t
= −ψ + λt β t (1 − τ )Wt = 0 (57)
∂ηt L0 (1 − ηt )
∂L Lt
= −λt β t + λt+1 β t+1 ((1 − τt+1 )Rt+1 + (1 − δ))) = 0 (58)
∂kt Lt+1
∂L Lt−1 Lt−1
= (1 − τ )(Rt kt−1 + Wt ηt ) + ert ft − ct − kt + (1 − δ)kt−1 )=0 (59)
∂λt Lt Lt
De las Ecuaciones 57 y 58,se sigue:

ct (1 − τ )Wt
=
(1 − ηt ) ψ
De las Ecuaciones 57 y 59, se sigue:

E[ct+1 ] = E[β((1 − τ )Rt+1 + 1 − δ)ct ]

La Ecuación 59 puede expresarse como:

(1 − τ )Rt kt−1 + (1 + θ)((1 − τ )Wt ηt + ert ft − ct − kt ) + (1 − δ)kt−1 = 0

Donde θ es la tasa de crecimiento poblacional.

La ecuación de dinámica del capital es:

(1 − δ)kt−1
kt = + it
(1 + θ)t

5.2. El problema de las firmas

Asumimos una unidad de producción agregada, cuya función de producción es:

α
Yt = Kt−1 (zt Lt ηt )1−α
La minimización de costos con respecto a Kt−1 y (Lt ηt ) conduce a:

∂Yt α−1 Rt
= αKt−1 (zt Lt ηt )1−α =
∂Kt−1 pyt
∂Yt Wt
α
= (1 − α)Kt−1 (zt )1−α (Lt ηt )−α =
∂Lt ηt pyt

25
 En términos per cápita:

∂Yt α−1 Rt
= αkt−1 (1 + θ)1−α (zt ηt )1−α =
∂Kt−1 pyt
∂Yt Wt
α
= (1 − α)kt−1 (1 + θ)−α zt1−α ηt−α =
∂Lt ηt pyt

La producción:
kt−1 α
yt = ( ) (zt ηt )1−α
1+θ

5.3. El comercio exterior

Las demandas domésticas se atienden mediante producción doméstica e importaciones,
que se agregan mediante una función CES:
σ−1 σ−1 σ
ct + it + gt = B(ωmt σ + (1 − ω)dt σ ) σ−1
Se asume que la combinación óptima de producción doméstica e importaciones se deter-
mina minimizando el gasto, dada la demanda doméstica. La senda de expansión resultante
del problema es:

mt pmt 1 − ω −σ
=( )
dt pdt ω
La agregación de precio (dado que el precio de la demanda doméstica es el numerario
del sistema) es:

ct + it + gt = (1 + ivat )(pmt mt + pdt dt )

Donde iva es la tasa de impuestos indirectos.

La demanda de exportaciones se deriva de la función CES del resto del mundo (en el
código se hace la aproximación simple xtt = xt + xxt ):
σe −1 σe −1 σe
xtt = Be (ωe xt σe + (1 − ωe )xxt σe ) σe −1
La senda de expansión es:
xt pwxt 1 − ωe −σe
=( )
xxt pw ωe

26
 La balanza de pagos incluye los flujos de renta del sector privado (que incluyen remesas
y rentas de capital) más la contrapartida del saldo fiscal del gobierno:
pmt mt
pxt xt + ert ft = + ert st
1 + aran
Donde aran es la tasa arancelaria.

Los flujos del exterior son exógenos, y la tasa de cambio de ajusta para cerrar el mer-
cado externo.

5.4. El gobierno
El gobierno genera un superávit fiscal (o déficit), que es colocado (o prestado) en el
exterior:

ct + it + gt
τ (Rt kt−1 + Wt ηt ) + ivat + aranpwmt ert mt − gt − ert st = 0
1 + ivat

5.5. El cierre macroeconómico

El precio de venta de la producción total es el agregado de los precios de ventas domésti-
cas y las exportaciones:

pyt yt = pxt xt + pdt dt

La ecuación que expresa el cierre macroeconómico es:

y t − xt + = d t

5.6. Los precios exógenos

Los precios de las exportaciones se determinan a partir del precio externo y la tasa de
cambio:

pxt = pwxt ert

Los precios de las importaciones dependen del precio externo, la tasa de cambio y los
aranceles:

pmt = pwmt ert (1 + aran)

27
5.7. Los procesos exógenos
La productividad evoluciona según el proceso:
ρ1 1−ρ1 ε1t
zt = zt−1 z e , ε1t ∼ N (0, σ1 )
El gasto público evoluciona según el proceso:
ρ2
gt = gt−1 g 1−ρ2 eε2t , ε2t ∼ N (0, σ2 )
Los flujos del exterior evolucionan según el proceso:
ρ3
ft = ft−1 f 1−ρ2 eε3t , ε3t ∼ N (0, σ3 )
Los precios externos de las importaciones evolucionan según el proceso:

pmt = pmρt−1
4
pm1−ρ4 eε4t , ε4t ∼ N (0, σ4 )

6. Aplicación del procedimiento de Uhlig para el mod-

elo
De acuerdo al modelo presentado en el capı́tulo anterior, resolvamos el modelo teniendo
en cuenta el procedimiento de Uhlig.

6.1. Ecuaciones que caracterizan el equilibrio

Las ecuaciones que caracterizan el equilibrio, de acuerdo al modelo sencillo para la
economı́a colombiana es:

ct (1 − τ )Wt
= (60)
(1 − ηt ) ψ
Et [ct+1 ] = E[β((1 − τ )Rt+1 + 1 − δ)ct ] (61)
(1 − τ )Rt kt−1 + (1 + θ)((1 − τ )Wt ηt + ert ft − ct − kt ) + (1 − δ)kt−1 = 0 (62)
(1 − δ)kt−1
kt = + it (63)
(1 + θ)t
α−1 Rt
αkt−1 (1 + θ)1−α (zt ηt )1−α = (64)
pyt
Wt
α
(1 − α)kt−1 (1 + θ)−α zt1−α ηt−α = (65)
pyt
kt−1 α
yt = ( ) (zt ηt )1−α (66)
1+θ

28
 σ−1 σ−1 σ
ct + it + gt = B(ωmt σ + (1 − ω)dt σ ) σ−1 (67)
mt pmt 1 − ω −σ
= ( ) (68)
dt pdt ω
ct + it + gt = (1 + iva)(pmt mt + pdt dt ) (69)
σe −1 σe −1 σe
σe
xt + xxt = Be (ωe xi σe + (1 − ωe )xxt ) σe −1 (70)
xt pwxt 1 − ωe −σe
= ( ) (71)
xxt pw ωe
pmt mt
pxt xt + ert ft = + ert st (72)
1 + aran
Rt kt−1 ct + it + gt
τ( + Wt ηt ) + iva + aranpwmt ert mt − gt − ert st = 0 (73)
1+θ 1 + iva
pyt yt = pxt xt + pdt dt (74)
y t − xt = d t (75)
pxt = pwxt ert (76)
pmt = pwmt ert (1 + aran) (77)
ρ
zt = zt−1 z 1−ρ eε1t , ε1t ∼ N (0, σ1 ) (78)
φ
gt = gt−1 g 1−φ eε2t , ε2t ∼ N (0, σ2 ) (79)
φ
ft = ft−1 f 1−φ eε3t , ε3t ∼ N (0, σ3 ) (80)
pmt = pmγt−1 pm1−γ eε4t , ε4t ∼ N (0, σ4 ) (81)

6.2. Estado estacionario

El estado estacionario de las ecuaciones son, respectivamente:

c (1 − τ )W t
= (82)
(1 − η) ψ
1 = β(1 − τ )R + 1 − δ (83)
(1 − τ )Rk + (1 + θ)((1 − τ )W η + erf − c − k) + (1 − δ)k = 0 (84)
(1 − δ)k
k = +i (85)
(1 + θ)
α−1 R
αk (1 + θ)1−α (zη)1−α = (86)
py
α W
(1 − α)k (1 + θ)−α z 1−α η −α = (87)
py
k α
y = ( ) (zη)1−α (88)
1+θ
σ−1 σ−1 σ
c + i + g = B(ωm σ + (1 − ω)d σ
) σ−1 (89)

29
 m pm 1 − ω −σ
= ( ) (90)
d pd ω
c + i + g = (1 + iva)(pmm + pdd) (91)
σe −1 σe −1 σe
x + xx = Be (ωe x + (1 − ωe )xx ) σe σe σe −1 (92)
x pwx 1 − ωe −σe
= ( ) (93)
xx pw ωe
pmm
pxx + erf f = + ers (94)
1 + aran
Rk c+i+g
tau( + W η) + iva + aranpwmerm − g − ers = 0 (95)
1+θ 1 + iva
pyy = pxx + pdd (96)
y−x = d (97)
px = pwxer (98)
pm = pwmer(1 + aran) (99)

6.3. Log-linealización del modelo

El modelo correspondiente a las Ecuaciones 61-81,usando el método de log linealización
de Uhlig es:
η
0≈W
ft − e
ct − ηet (100)
1−η
et+1 ] + 1 (e
0 ≈ (1 − τ )REt [R ct − Et [e
ct+1 ]) (101)
β

et + k e
0 ≈ (1 − τ )Rk R kt−1 + (1 + θ)((1 − τ )W η(W e t + fet ) − ce
ft + ηet ) + erf (er ct − k e
kt ) (102)
β
0 ≈ (1 − δ)ke
kt−1 − ke
kt + (1 + θ)ieit (103)
0 ≈ (α − 1)e
kt−1 + (1 − α)(e
zt + ηet ) − R
et + pf
yt (104)
0 ≈ αe
kt−1 + (1 − α)e
zt − αe
ηt − W
ft + pf
yt (105)
0 ≈ αe
kt + (1 − α)(e
zt + ηet ) − yet (106)
ce
ct ieit ge
gt
0≈ + + −
c+i+g c+i+g c+i+g
σ−1
σ−1
ωm σ (1 − ω)d σ

σ−1
σ−1 et −
m σ−1
σ−1 det (107)
ωm σ + (1 − ω)d σ
ωm σ + (1 − ω)d σ

0≈m
e t − det − σ pm
f t + σ pd
f
t (108)
0 ≈ −ce
ct − ieit − ge
gt + (1 + iva)pmm(pm
ft +m
e t ) + (1 + iva)pdd(pd
f + det )
t (109)

30
 σe −1
x ωe x σe
0≈( − σe −1 )e
xt +
x + xx ωe x σeσ−1
e + (1 − ωe )xx σe
σe −1
xx (1 − ωe )xx σe
( − )f
xxt (110)
x + xx ωe x σe + (1 − ωe )xx σeσ−1
σe −1
e

0≈x
et − xf
xt + σe pwx
gt (111)
pmm(pm ft +m e t)
0 ≈ −pxx(f
pxt + x
et ) + + (ers − erf )ere t + erse st − erf fet (112)
1 + aran
Rk(R
et + e
kt−1 ) ft + ηet )) + iva ce
ct + ieit + ge
gt
0 ≈ τ( ) + W η(W +
1+θ 1 + iva
aranpwmerm(] e t ) + (aranpwmerm − ers)er
pwmt + m e t − ge
gt − erse
st (113)
0 ≈ pyyf yt − pxxf
py t + pyye pxt − pxxe
xt − pddpd
f − pdddet
t (114)
0 ≈ ye
yt − xe
xt − ddet (115)
0 ≈ pxf
pxt − pwxerpwx
g t − pwxerer
et (116)
0 ≈ −pmpm
f t + (1 + aran)pwmer(]
pwmt + er
e t) (117)
zet ≈ ρ1 zet−1 + ε1t (118)
get ≈ ρ2 get−1 + ε2t (119)
fet ≈ ρ3 fet−1 + ε3t (120)
f t ≈ ρ4 pm
pm f t−1 + ε4t (121)

6.4. Métodos de coeficientes indeterminados

Para este modelo se aplicará el método de solución mediante variables de salto.

Sean,

xt = [kt ]

la variable endógena de estado,

yt = [ηt , Rt , Wt , ct , it , yt , mt , st , dt , xt , pdt , pxt , pyt , ert , xxt , pwmt , pwxt ]0

y el vector de variables endógenas de salto y

zzt = [zt , gt , ft , pmt ]0

31
el vector de variables exógenas.
De esta forma,
A0 = 0 −(1 + θ)k −k 0 0 α 0 0 0 0 0 0 0 0 0 0 0


 
B 0 = 0 βk (1 − δ)k α − 1 α 0 0 0 0 0 0 0 0 0 0 0 0
C = [C1 : C2 : C3], con:

η
− 1−η −1
 
0 1 0 0

 (1 + θ)(1 − τ )W η (1 − τ )Rk (1 + θ)(1 − τ )W η −(1 + θ)c 0 0 

 0 0 0 0 (1 + θ)i 0  

 (1 − α) −1 0 0 0 0 

 −α 0 −1 0 0 0 

 (1 − α) 0 0 0 0 1 
c i

 0 0 0 c+i+g c+i+g
0 
 
 0 0 0 0 0 0 
C1 =  −c −i
 
0 0 0 0 
 

 0 0 0 0 0 0 

 0 0 0 0 0 0 

 0 0 0 0 0 0 
τ Rk ivac ivai

 Wη 1+θ
Wη 1+iva 1+iva
0 

 0 0 0 0 0 pyy 


 0 0 0 0 0 y 
 0 0 0 0 0 0 
0 0 0 0 0 0

0 0 0 0 0 0
 
 0 0 0 0 0 0 
0 0 0 0 0 0
 
 
0 0 0 0 0 0
 
 
0 0 0 0 0 0
 
 
0 0 0 0 0 0
 
 
 σ−1 σ−1 
 ωm σ (1−ω)d σ 
 σ−1 σ−1 0 σ−1 σ−1 0 0 0 
 ωm σ +(1−ω)d σ ωm σ +(1−ω)d σ 
−1
 
 1 0 0 σ 0 
 
C2 =  (1 + iva)pmm 0 (1 + iva)pdd 0 (1 + iva)pdd 0 
 σe −1 
 x ωe x simgae 
 0 0 0 x+xx − σe −1 σe −1 0 0 
ωe x σe +(1−ωe )xx σe
 
 
 0 0 0 1 0 0 
pmm
 

 1+aran −ers 0 −pxx 0 −pxx 


 aranpwmerm ers 0 0 0 0 

 0 0 −pdd −pxx −pdd −pxx 


 0 0 −d −x 0 0 
 0 0 0 0 0 px 
0 0 0 0 0 0

32
  
0 0 0 0 0

 0 (1 + θ)erf 0 0 0 


 0 0 0 0 0 


 1 0 0 0 0 


 1 0 0 0 0 


 0 0 0 0 0 


 0 0 0 0 0 


 0 0 0 0 0 

 0 0 0 0 0 
C3 =  σe −1

(1−ωe )xx simgae
 xx

 0 0 x+xx
− σe −1 σe −1 0 0 
ωe x σe +(1−ωe )xx σe
 
 

 0 0 −1 0 −σe  

 0 er(s − f ) 0 0 0 


 0 aranpwmerm − ers 0 aranpwmerm 0 


 pyy 0 0 0 0 


 0 0 0 0 0 

 0 −pwxer 0 0 −pwxer 
0 (1 + aran)pwmer 0 (1 + aran)pwmer 0
 
0 0 0 0
 0 0 (1 + θ)erf 0 
 
 0 0 0 0 
 
 1−α 0 0 0 
 
 1−α 0 0 0 
 
 1−α 0 0 0 
 
 0 g
 c+i+g
0 0 

 0 0 0 −σ
 

D= 0 −g 0 (1 + iva)pmm
 

 0 0 0 0
 

 0 0 0 0
 

pmm
 0 0 erf
 
1+aran


 0 ivag 
 1+iva
0 0 

 0 0 0 0 
 
 0 0 0 0 
 
 0 0 0 0 
0 0 0 −pm
F = G = H = [0].

 
J= 0 (1 − τ )R 0 − β1 0 0 0 0 0 0 0 0 0 0 0 0 0 0

33
 1


K= 0 0 0 β
0 0 0 0 0 0 0 0 0 0 0 0 0 0

L=M = 0 0 0 0
 
ρ1 0 0 0
 0 ρ2 0 0 
N = 
 0 0 ρ3 0 
0 0 0 ρ4

7. Conclusiones y recomendaciones
Mediante el desarrollo del procedimiento de Uhlig, es posible resolver modelos dinámi-
cos estocásticos no lineales que sean complejos, en cuanto al número de ecuaciones y en
cuanto a la naturaleza de éstas.

Considerando que el modelo para la economı́a colombiana se resuelve con una platafor-
ma que trabaja como çaja negra”, es posible mediante el procedimiento realizado conocer
los pasos intermerdios realizados antes de obtener la solución analı́tica, es decir, conocer
los valores de estado estacionario de las variables, y las variables y parámetros de los cuales
éstas dependen; conocer la aproximación lineal de cada una de las ecuaciones; el método
de solución aplicado al modelo log lineal y la construcción de las matrices necesarias para
encontrar la solución analı́tica. Y de esta manera, tener un mayor dominio y manejo del
modelo en el momento de realizar modificaciones a éste.

A manera de recomendación, se debe tener en cuenta que este procedimiento para la

solución de modelos dinámicos estócasticos no lineales, tiene sentido cuando las variables
están alrededor de su estado estacionario.

8. Trabajo futuro
Luego de obtener la solución analı́tica del modelo para la economı́a colombiana, el
grupo de investigación Modelos de Equilibrio General Estocásticos Dinámicos(DSGE) de
la Universidad EAFIT, puede a partir de la calibración de los datos, realizar la simulación
del modelo y el análisis de impulso respuesta.

34
9. Anexos
9.1. Anexo 1: Teorema de Uhlig
Según Uhlig (1997):

Teorema 1 Sea A, B y C matrices cuyas dimensiones son tales que el producto A · B · C

exita. Entonces,
vec(A · B · C) = (C 0 ⊗ A) · vec(B)
donde el sı́mbolo ⊗ es el producto Kronecker.

El operador vec(X) de una matriz X resulta en una vectorización de una columna, de

la forma,
 
a11
a12 
   
a11 a12 a13 a13 
vec( )= 
a21 a22 a23 a21 
 
a22 
a23
El producto Kronecker está definido (para el caso donde A es (2 × 2) y B es (3 × 2))
como  
  b11 b12  
a11 a12 a 11 B a12 B
A⊗B = ⊗ b21 b22  =
a21 a22 a21 B a22 B
b31 b32
 
a11 b11 a11 b12 a12 b11 a12 b12
a11 b21 a11 b22 a12 b21 a12 b22 
 
a11 b31 a11 b32 a12 b31 a12 b32 
A⊗B = a21 b11 a21 b12 a22 b11 a22 b12 

 
a21 b21 a21 b22 a22 b21 a22 b22 
a21 b31 a21 b32 a22 b31 a22 b32
Un corolario util del Teorema 1, es el caso especial donde C es la matriz identidad.

Corolario 1
vec(A · B) = (I ⊗ A) · vec(B)

35
Referencias
Canova, F. (2007). Method for Applied Macroeconomic Resesarch. Princeton University
Press.

McCandless, G. (2008). The ABCs of RBCs: An Introduction to Dynamic Macroeconomic

Models. Harvard University.

MIT (2000). Technical report.

Smulders, S. (2008). Log- linearization: a guide for practitioners. Technical report, Uni-
versity of Calgary.

Uhlig, H. (1997). A toolkit for analyzing nonlinear dynamic stochastic models easily.
Center for Economy Research, Universtiy of Tilburg, and CEPR.

36