Muitas vezes observamos que dois dados, que supostamente não tem qualquer relação, parecem ter uma correlação visual muito elevada. Por exemplo, podemos descobrir uma forte correlação entre a intensidade do latido de um cão e os movimentos nos preços das ações. Em seguida, somos tentados a aproveitar essa descoberta para ganhar dinheiro no mercado de ações.

Em contraste, os dados que convergem em torno de um valor fixo são rotulados como estacionários. Dados que são estacionários implicam uma estrutura inalterada, algo que é estável e, portanto, é possível fazer sentido, enquanto dados não estacionários estão associados a flutuações irregulares, o que, naturalmente, torna muito difícil fazer sentido. Assim, se algo flutua sem rumo, não é possível dizer muito sobre seu curso futuro. Se um tenta fazer o sentido fora dos dados que são irregulares, obviamente um não começará muito distante. Isto, no entanto, cria um grande problema para os economistas se os dados que eles e os analistas financeiros estão a utilizar não forem estacionários. Consequentemente, a incorporação deste tipo de dados nas análises econômicas leva a resultados enganosos.

Por exemplo, um economista quer estabelecer a importância das mudanças na produção sobre o consumo das pessoas. O procedimento comum para isso é aplicar métodos estatísticos sobre dados de consumo e produção para estabelecer sua inter-relação.

Por meio de uma técnica estatística, também conhecida como análise de regressão, estabelece-se como o consumo e a produção estão quantitativamente ligados entre si.

Vamos assumir que um economista descobriu que a relação entre consumo e produção é resumida pela seguinte expressão matemática:

Consumo = 10 +0,5*Produção

Armado com esta descoberta, o economista pode agora dizer-nos a direção do consumo se houver uma mudança na produção. Assim, se a produção for 100, então o consumo será 60 (porque 10+0.5100=60). Os economistas rotulam os números 10 e 0,5 como parâmetros.

Observe que a informação relativa ao tamanho destes parâmetros (i.e. se são 10 e 0.5 ou algo mais) é obtida por meio da técnica de regressão. Os números 10 e 0,5, que foram gerados pelo método de regressão, são as estimativas de parâmetros verdadeiros no mundo real, ou seja, é mantido.

Mantém-se que, em média, estas estimativas estão muito próximas dos parâmetros verdadeiros. Acredita-se também que quaisquer conclusões derivadas da equação sobre a relação entre consumo e produção são um reflexo da realidade, desde que o desempenho do modelo em termos da sua capacidade de previsão seja bom.

O Prêmio Nobel Clive Granger, no entanto, contesta isso [1]. Ele argumenta que não se pode tirar conclusões significativas da equação acima se os dados empregados no estabelecimento dessa equação forem não-estacionários. De fato, de acordo com Granger, os dados que os economistas estavam empregando na pesquisa anterior eram provavelmente de natureza não estacionária.

Os parâmetros obtidos a partir desses dados são susceptíveis de induzir ao erro e, por conseguinte, o resultado da análise é susceptível de não ter significado. Então, como superar o problema?

Caso se estabelecesse um fator comum que influencia tanto o consumo como a produção, então estas duas séries temporais seriam conectadas ou co-integradas. Granger e outros mostraram, por meio de métodos matemáticos e estatísticos, que a introdução de um fator comum torna estacionária a inter-relação entre séries temporais não-estacionárias.

Assim, o consumo e a produção podem ser observados separadamente como uma série cronológica não-estacionária. Se estivesse a tentar estabelecer relações econômicas entre eles, obter-se-iam resultados enganosos. No entanto, se estabelecesse que tanto o consumo como a produção possuem um fator comum, poder-se-ia inferir que, ao longo do tempo, tanto o consumo como a produção mover-se-iam em conjunto.

Este fator comum ou co-integrando poderia ser o fato de que o bem-estar das pessoas requer consumo e produção. Além disso, que sem produção não pode haver consumo e sem consumo, nenhuma produção é possível.

Outro exemplo é um bem idêntico, que é o comércio em locais diferentes. As flutuações diárias nos preços podem parecer aleatórias em vários locais e, portanto, muito provavelmente não corresponderão entre si.

No entanto, a existência de arbitragem e a lei da oferta e da demanda garantirão que, ao longo do tempo, os preços em vários locais se aproximem uns dos outros.

Em vez de tentar descobrir qual é o fator de cointegração, Granger e outros produziram uma estrutura mecanizada, que permite aos economistas estabelecer se os dados estão em conformidade com a cointegração, ou seja, se a relação entre os dados faz sentido, por assim dizer. Uma vez estabelecido que os dados são cointegrados, eles podem então ser empregados por um determinado procedimento matemático para estabelecer os parâmetros corretos. [2]

Vários resultados estatísticos que são produzidos através do quadro de Granger são, portanto, considerados válidos, uma vez que foram aplicados a dados cointegrados.

O método da Granger suscita sérias dúvidas quanto às conclusões do passado sobre as inter-relações econômicas, que foram alcançadas por meio das antigas técnicas. Além disso, critica o uso popular das correlações sem tentar dar sentido às relações.

O framework de Granger parece fornecer aos economistas uma ferramenta poderosa que ajuda a minimizar o uso de correlações sem sentido. Por exemplo, a estrutura de Granger indicará que os movimentos no mercado de ações e a intensidade do latido do cão não podem ser cointegrados e, portanto, o uso dessas relações para ganhar dinheiro no mercado de ações pode ser um exercício muito caro.

A este respeito, pode considerar-se que a análise fundamental volta a ser válida. Isto deve ser contrastado com a forma popular de pensar que a análise fundamental é de pouca utilidade porque, regra geral, os dados são de natureza aleatória. Portanto, parece que o quadro de Granger é uma grande ferramenta para promover a nossa compreensão do universo econômico. Mas será que é?

Existem constantes na economia?

A principal questão que a Granger não abordou não é se as técnicas antigas têm gerado estimativas válidas de parâmetros, mas se tais parâmetros sequer existem.

Nas ciências naturais, o emprego da matemática permite aos cientistas formular a natureza essencial dos objetos. Consequentemente, dentro de determinadas condições, a mesma resposta será obtida repetidamente. A mesma abordagem, no entanto, não é válida na economia. Pois a economia supostamente deve lidar com seres humanos e não com objetos. Segundo Mises,

“A experiência com que as ciências da ação humana têm de lidar é sempre uma experiência de fenômenos complexos. Nenhuma experiência laboratorial pode ser realizada em relação à ação humana.” [3]

As pessoas têm liberdade de escolha para mudar de ideia e realizar ações que são contrárias ao que foi observado no passado. Devido à natureza única dos seres humanos, as análises econômicas só podem ser qualitativas. Não há parâmetros no universo humano. Assim escreveu Mises,

“não existem, no domínio da economia, relações constantes, que possibilitem efetuar qualquer medição.” [4]

A visão popular de que a atividade econômica humana pode ser capturada por fórmulas matemáticas expressas através de parâmetros fixos implica que os seres humanos estão operando como máquinas. Por exemplo, ao contrário do pensamento matemático, os gastos individuais com bens não são “causados” pela renda como tal. Em seu próprio contexto, cada indivíduo decide quanto de uma dada renda será usado para consumo e quanto para poupança.

Embora seja verdade que as pessoas respondem a mudanças em suas rendas, a resposta não é automática e não pode ser capturada por uma fórmula matemática. Por exemplo, um aumento no rendimento de um indivíduo não implica automaticamente que a sua despesa de consumo siga o exemplo. Cada indivíduo avalia o aumento da renda em relação aos objetivos que ele quer alcançar. Assim, ele pode decidir que é mais benéfico para ele aumentar suas economias ao invés de aumentar seu consumo.

Na melhor das hipóteses, as formulações matemáticas podem ser vistas como uma técnica para fornecer uma foto instantânea em um determinado momento no tempo de vários dados econômicos. Neste sentido, pode ser visto como uma forma particular de apresentar dados históricos. Estes tipos de apresentações, entretanto, não pode nos dizer nada sobre as causas de condução da atividade econômica humana. Além disso, o emprego de relações históricas estabelecidas para avaliar o impacto das mudanças nas políticas governamentais produzirá resultados enganosos, apesar do framework de Granger.

Afinal, assumir que uma mudança na política governamental deixará a estrutura das equações intacta significaria que os indivíduos na economia deixaram de estar vivos e foram, de fato, congelados.

A este respeito, Mises escreveu,

“Como método de análise econômica, a econometria é um jogo infantil com números que não contribui em nada para a elucidação dos problemas da realidade econômica.” [5]

Sugerimos que a causalidade não pode ser determinada através de métodos matemáticos, mas sim através da compreensão. Isto, por sua vez, pode ser feito quando o quadro do nosso pensamento se baseia num axioma não-refutável, tal como os seres humanos usam meios para atingir fins. Com a ajuda desta abordagem, vamos estabelecer que a causalidade emana dos próprios humanos e não de fatores externos.

Não há padrões constantes para medir as mentes, valores e ideias dos homens. A avaliação é o meio pelo qual um indivíduo consciente e determinado avalia os fatos da realidade. Um indivíduo estabelece quais são os fatos, ele então avalia quais desses fatos estabelecidos são os mais adequados para atingir seus vários fins.

Objetivos individuais ou fins estabelecem o padrão para avaliar os fatos da realidade. Por exemplo, se o objetivo de um indivíduo é melhorar a sua saúde, então ele iria estabelecer quais os bens que vão beneficiar a sua saúde e quais não vão. Entre aqueles que irão beneficiá-lo, alguns serão mais eficazes do que outros. Não há como, no entanto, quantificar a eficácia. Tudo o que se pode fazer é classificar esses bens de acordo com a eficácia percebida.

Referências

[1]: Granger, C.W.J. and Newbold, P. (1974) “Spurious Regressions in Econometrics”, Journal of Econometrics, Vol. 2, pp 111-20.

[2]: Granger, C.W.J. and Weiss, A. A. 1983, “Time series analysis of error-correction models,” in S.Karlin, T. Amemiya and L.A. Goodman, Studies in Econometrics, Time series and Multivariate Statistics, in Honor of T.W. Anderson, Academic Press, San Diego, pp 255-278. Disponível em: <https://amzn.to/2Ov2B4o>.

[3]: Ludwig von Mises, Ação Humana, p 31. Disponível em: <https://amzn.to/2KDE4Jf>.

[4]: Ação Humana, p 55. Disponível em: <https://amzn.to/2KDE4Jf>.

[5]: Ludwig von Mises, O Fundamento Último da Ciência Econômica, p 63. Disponível em: <https://amzn.to/2O3UHjd>.


Escrito por: Frank Shostak
Traduzido por: Wallace Nascimento (@Wallace48597355)
Revisado por: Paulo Costa (@PauloDroopy)

Leia o artigo original do Mises Institute clicando aqui.