Identificación de efectos superpuestos en el precio

Qué es

Cuando dos noticias distintas empujan un mismo precio dentro de la misma ventana de tiempo, lo que queda registrado es un solo número: el precio de cierre. Ese número contiene la suma de ambos efectos, pero no trae adentro la receta de la mezcla. Repartirlo —decir "tanto vino del arancel, tanto del petróleo"— es un ejercicio que la estadística económica tiene perfectamente diagnosticado y bautizado: el problema de identificación.

La formulación moderna nace con Haavelmo (1943), que mostró que cuando las variables de un sistema se determinan simultáneamente, la relación estimada a partir de los datos observados es una mezcla de las ecuaciones subyacentes y no ninguna de ellas en particular. Koopmans (1949) le puso nombre al problema y estableció la condición general: un parámetro está identificado sólo si ninguna otra combinación de parámetros podría haber generado exactamente los mismos datos observados. Si dos historias distintas producen la serie que estamos mirando, los datos no pueden arbitrar entre ellas, por muchos datos que sean. Aumentar el tamaño de la muestra no resuelve un problema de identificación; resuelve un problema de precisión, que es otra cosa.

El caso más común en la práctica es el de causas que se mueven juntas. Frisch (1934), en su análisis de confluencia, describió lo que hoy llamamos colinealidad: si dos factores explicativos varían casi al mismo compás, el efecto conjunto queda bien estimado y la partición entre ellos queda indeterminada. Esa asimetría es la clave práctica del concepto: no es que no sepamos nada. Sabemos con bastante confianza cuánto se movió el precio en total y que ambos factores tiraron en la misma dirección; lo que no sabemos es el reparto. Quien exige un porcentaje exacto está pidiendo información que la ventana de observación no contiene.

La economía aplicada tiene tres salidas, y ninguna es gratis. La primera es apoyarse en restricciones de exclusión: encontrar una variación que afecte a un factor y no al otro (un instrumento), lo que permite despejar el sistema. La segunda es imponer estructura teórica sobre la dinámica: los VAR estructurales que popularizó Sims (1980) descomponen un precio en shocks no observados usando supuestos sobre el orden temporal o el signo de las respuestas. El ejemplo canónico es Kilian (2009), que separa el precio del petróleo en shock de oferta, shock de demanda agregada global y demanda precautoria, y demuestra que el efecto macroeconómico de una misma alza de precio depende de cuál de los tres la causó. La tercera es estrechar la ventana: los estudios de evento (MacKinlay, 1997) miden el efecto de una noticia en horas o minutos, precisamente para que ninguna otra noticia alcance a colarse. Su vulnerabilidad declarada son los confounding events —eventos superpuestos—, que obligan a descartar la observación en vez de forzar una atribución.

Hay un agravante frecuente en materias primas: los factores no sólo coinciden en el tiempo, además están causalmente enlazados. El petróleo entra al precio del cobre por dos canales distintos —como costo de insumo de una industria intensiva en energía, y como termómetro de la demanda global e inflación esperada— y ese mismo termómetro es el que mueve el cobre por su lado. Cuando las causas están correlacionadas entre sí, la descomposición no es difícil: es, con los datos disponibles, imposible.

Cómo lo explicó el programa

En el BDM del 17 de septiembre de 2026, a propósito del cobre y del retiro de la amenaza arancelaria de Estados Unidos, el panel llegó exactamente a esa frontera. El relato era claro: la expectativa de un arancel adicional al cobre refinado importado había alimentado una toma de posiciones que empujó el precio; al descartarse la medida, el precio cayó hasta 633 centavos y después recuperó sobre 650. Hasta ahí, una explicación de un solo factor.

El problema apareció al mirar la fecha. Ese piso coincidió con el petróleo sobre 102 dólares, de modo que en la misma ventana operaban dos fuerzas y el precio observado era una sola cifra. La conclusión del panelista fue una formulación coloquial impecable del problema de identificación: "es muy difícil decir mire estos dos pesitos tienen culpa de estos tres pesitos, es muy difícil hacer esa división".

Vale la pena subrayar lo que la frase hace bien. No niega que ambos efectos existan ni renuncia a explicar el movimiento; lo que rechaza es el reparto numérico. Es la respuesta técnicamente correcta, y va contra el incentivo natural del comentario económico, que premia al que nombra un culpable único porque una atribución limpia se cuenta mejor que un rango honesto.

Relación con otros conceptos

El problema de identificación es la versión general de la colinealidad que aparece en cualquier regresión, y el motivo por el cual existen los instrumentos y las variables exógenas. Se cruza con la distinción entre shock de oferta y shock de demanda, que es justamente un ejercicio de descomposición aplicado a un precio observado, y con la lógica del estudio de evento, que ataca el mismo problema desde el diseño en vez de desde el modelo. Detrás está siempre el razonamiento contrafactual: atribuirle tres centavos al arancel equivale a afirmar qué habría pasado con el petróleo quieto, y ese mundo no existe en los datos. En mercados de futuros se conecta además con la eficiencia informacional —el precio ya había incorporado la expectativa del arancel antes de que se resolviera, así que la caída midió la sorpresa y no la noticia— y con los modelos multifactoriales de precios de activos, que aceptan de entrada que un retorno observado es la suma de varias exposiciones.

Fuentes y lecturas

• Haavelmo, T. (1943), The Statistical Implications of a System of Simultaneous Equations, Econometrica 11(1).
• Koopmans, T. C. (1949), Identification Problems in Economic Model Construction, Econometrica 17(2).
• Sims, C. A. (1980), Macroeconomics and Reality, Econometrica 48(1).
• Kilian, L. (2009), Not All Oil Price Shocks Are Alike: Disentangling Demand and Supply Shocks in the Crude Oil Market, American Economic Review 99(3).
• MacKinlay, A. C. (1997), Event Studies in Economics and Finance, Journal of Economic Literature 35(1).
• Stock, J. H. y Watson, M. W., Introduction to Econometrics, Pearson (capítulos de variables instrumentales y causalidad).