Lectura 12 – Lecturas en Lo que indican los indicadores Volumen 3

Los indicadores
en tiempos
de pandemia

Jonathan Heath*

Economista, egresado de la Universidad Anáhuac. Tiene estudios de posgrado en Economía de la Universidad de Pensilvania. Posee más de 35 años de experiencia en el análisis de la economía mexicana y sus perspectivas. En este tiempo ha sido Economista Principal de México en varias instituciones financieras globales y consultorías internacionales. Ha sido profesor en la Universidad Panamericana, el Instituto Tecnológico y de Estudios Superiores de Monterrey, la Universidad Anáhuac, la Universidad de las Américas y la Universidad Iberoamericana, donde ha impartido cursos relacionados con la economía mexicana, su historia y sus perspectivas. De igual modo, ha impartido materias de macroeconomía, política monetaria, inflación y empleo en la Universidad Autónoma Metropolitana Azcapotzalco como profesor invitado de tiempo completo. Ha sido conferencista en más de 50 universidades en México y Estados Unidos. Es autor de “Lo que indican los indicadores”, “Para entender al Banco de México”, “La Maldición de las Crisis Sexenales” y “El dinero”. Es el creador de los Indicadores IMEF Manufacturero y No Manufacturero, al igual que de la Encuesta Mensual de Expectativas IMEF.

* El autor agradece la colaboración de Jaime Acosta y Edwin Tapia en la elaboración de esta lectura.

12 LECTURA

Introducción

Siempre he finalizado el Diplomado en Indicadores Macroeconómicos de Coyuntura en México con un repaso de la situación económica actual, tratando de utilizar el mayor número posible de indicadores estudiados. Como se sabe, los tres volúmenes de estas lecturas provienen, fundamentalmente, del diplomado que fue suspendido temporalmente a raíz de la pandemia en 2020. Por lo mismo, no solamente quise escribir el último texto analizando la coyuntura, sino además quise poner un énfasis especial sobre los estragos que ha dejado el COVID-19, su análisis y el reto que esto representa sobre los indicadores económicos.

Los efectos negativos de la pandemia empezaron a surtir efecto sobre la actividad económica de México a partir de febrero de 2020. Después de que los tres componentes principales del Producto Interno Bruto (PIB), por el lado del gasto, habían registrado avances positivos en enero, ante las noticias de la rápida propagación del virus COVID-19, la inversión fija bruta disminuyó más de 4.0% en febrero respecto al mes anterior; mientras que las exportaciones y el consumo de los hogares también registraron tasas negativas. Ya para cuando el director general de la Organización Mundial de la Salud, Tedros Adhanom, declaró oficialmente la existencia de la pandemia el 11 de marzo de 2020, las expectativas de crecimiento de la actividad económica -al igual que muchos otros indicadores económicos- habían sufrido revisiones drásticas a la baja. En ese momento, ya se anticipaba una recesión de gran magnitud con desplomes en la producción, el consumo, el empleo, y, lo peor de todo, acompañado de aumentos significativos en índices de pobreza.

Para fines de marzo de ese mismo año, antes de conocer cualquier indicador que utilizamos usualmente para analizar la coyuntura, ya sabíamos que la lectura sería crucial. Ante la situación que se avecinaba sobresalían tres aspectos fundamentales: 1) la interpretación correcta de cada indicador, en especial, cuando podíamos anticipar números radicales; 2) cuáles indicadores iban a cobrar más relevancia y cuáles menos; y 3) la construcción y el cálculo de cada indicador en tiempos difíciles para levantar encuestas y recopilar la información relevante ante las políticas de confinamiento y sana distancia.¹ De hecho, a partir de abril de 2020, el Instituto Nacional de Estadística y Geografía (INEGI) canceló sus encuestas presenciales a los hogares y enfrentó dificultades para obtener información crucial de empresas y establecimientos que habían cerrado. Aunque sustituyó los métodos tradicionales para levantar encuestas presenciales por llamadas telefónicas, no quedaba claro si habría comparabilidad de los datos obtenidos en los meses más difíciles con los anteriores e incluso, con los posteriores.² En el caso específico del Índice Nacional de Precios al Consumidor (INPC), el INEGI enfrentó el reto de seguir calculando las tasas de inflación en momentos de cierre de establecimientos, cuando se registró una escasez estimada en más de 35% de las mercancías y servicios que se tienen que cotizar regularmente.

Advertimos no solo que las políticas de sana distancia, de quedarse en casa y de cierres de todo tipo de establecimientos tendrían un impacto devastador sobre la actividad económica del país, sino además que los indicadores necesarios para interpretar el fenómeno sufrirían distorsiones mayores. Prácticamente al mes, empezamos a recibir ejemplos muy concretos. Por ejemplo, el INEGI reportó que 12.5 millones de personas perdieron su empleo en abril de 2020, mientras que otros ocho millones adicionales tuvieron que trabajar menos horas a la semana (subempleo). Sin embargo, la tasa de desempleo abierto solo aumentó a 4.7%, la cual se encontraba lejos de reflejar el tamaño del desequilibrio laboral en curso.³Quedó claro que se tenía que desechar la tasa de desempleo abierto tradicional y utilizar indicadores laborales menos conocidos como la tasa de desempleo extendida y la brecha laboral.

Sin duda alguna, la pandemia representaba un hecho sin precedentes, no solo en cuanto al impacto sanitario, sino también en lo social y económico. La contingencia ha trastocado no solo a la economía, sino también los instrumentos con los que contamos para analizarla. Es por ello que es muy importante estar conscientes de estos efectos en los indicadores económicos para que al momento de interpretar las cifras lo hagamos tomando en cuenta el contexto que representó muchas limitantes para los mismos. También resulta fundamental el ejercicio para adaptar nuestro análisis en el futuro ante cualquier contingencia similar que se pudiera presentar.

Tal ha sido la magnitud del choque de la pandemia que he creído necesario hacer una radiografía de su efecto en los indicadores económicos considerando tres aspectos. En la primera parte de esta lectura, destaco los niveles atípicos que se observaron en varios de los indicadores y las distorsiones en sus tasas de crecimiento que dificultaron su interpretación. Dado que la pandemia ha representado un cambio estructural en la economía, en la segunda parte destaco las implicaciones que esto ha tenido en la estimación de la brecha de producto y el producto potencial, así como los choques en el mercado laboral y la estimación de la brecha laboral y la tasa de desempleo que no refleja presiones inflacionarias (NAIRU, por sus siglas en inglés). El entendimiento de esta parte es fundamental para anticipar que la lectura de los indicadores en adelante se tendrá que hacer con sumo cuidado y con un entendimiento profundo del cambio que vivimos. En la tercera parte de la lectura, analizo el impacto que tuvo el choque del confinamiento en los patrones habituales de consumo de los hogares y los efectos que esto tuvo en la inflación. Finalmente, en la última sección hago una reflexión sobre el reto que estas distorsiones tuvieron en la inflación; retos que yo experimenté personalmente en la interpretación de estos indicadores distorsionados y en el diseño de la política monetaria.

7

¹ Heath (2020a).

² Durante abril, mayo y junio
de 2020 la Encuesta Nacional de Ocupación y Empleo (ENOE) se sustituyó por una encuesta distinta: la Encuesta Telefónica de Ocupación y Empleo (ETOE). En ella se buscó recopilar la misma información, pero por vía telefónica en vez de ser presencial. A partir de julio, se adoptó una nueva metodología híbrida que combina el levantamiento presencial con la forma telefónica; se le llamó la Encuesta Nacional de Ocupación y Empleo Nueva Edición (ENOE^N). A pesar de estos cambios metodológicos, el INEGI ofrece las series completas de todos los indicadores mediante las tres encuestas, aunque advierte que no son completamente comparables entre sí.
³Ver Cómo entender al
mercado laboral mexicano en
el primer volumen de esta serie de lecturas.

Gráfica 1
Exportaciones totales
Miles de millones de dólares^1/
I Exportaciones I Tendencia-ciclo

^1/ Cifras con ajuste estacional a agosto de 2021.

Fuente:
INEGI.

1. Niveles atípicos en los indicadores y el efecto aritmético de la base de comparación

Dentro de los primeros indicadores mensuales de la actividad económica que se reportan están los de comercio exterior. Una de las medidas de confinamiento más severas fue la del cierre parcial de la frontera con Estados Unidos. Esto provocó disminuciones de 36.7% y 21.0% en abril y mayo de 2020, respectivamente, para una caída acumulada en los dos meses de 50.0% de las exportaciones totales del país. No obstante, la medida se revirtió al mes siguiente, permitiendo un crecimiento de 75.0% en junio con respecto al mes anterior. Aun así, el nivel de las exportaciones en el mes fue 12.4% menor de lo que había sido en marzo. En los siguientes cuatro meses se observaron tasas positivas de tal manera que para octubre se logró registrar un nuevo nivel máximo en las exportaciones, condición necesaria para una recuperación en forma (gráfica 1).

Estos primeros datos fueron un excelente presagio de lo que se iría registrando en la gran mayoría de los indicadores en esos meses. Nunca se habían registrado tasas de cambio de esta magnitud de un mes a otro. La tasa de 75% suena impresionante, pero solo se puede entender dentro del contexto que vino después de una caída de 50% en dos meses. Con este primer ejemplo, empezamos realmente a entender el efecto aritmético de la base de comparación. Posiblemente la lección más importante es que ante una interrupción drástica en la actividad económica (o en cualquier otro indicador), las tasas no son simétricas, es decir, si en un mes disminuye 50% y al siguiente se crece 50%, no se regresa al nivel anterior. La razón es que partimos de dos bases distintas.

La mejor forma de entender la asimetría ante diferentes bases de comparación es mediante un ejemplo. Supongamos que una fábrica produce 4 000 cajas de cervezas todos los meses. Sin embargo, en un mes de confinamiento solo pudo producir 1 000 cajas, lo que significa una reducción de 75%. Al mes siguiente vuelve a producir 4 000 cajas, un incremento de 300%. En otras palabras, tuvo que incrementar su producción en 300% respecto a la nueva base de comparación (1 000 cajas) para regresar a su nivel de producción de 4 000 cajas, después de una caída de 75% (respecto a la base de comparación original).

Las tasas anuales son incluso todavía más complicadas de analizar, ya que su base causa mucha más confusión al dominar varios de los 12 meses que contempla. Para un indicador de frecuencia mensual, por diseño, la tasa anual de un nuevo mes es producto de la tasa mensual de los últimos 12 meses,⁴ por lo que si hay algún mes sobresaliente, éste dominará en la determinación de la tasa hasta que deje de ser parte de ella.

Si utilizamos el ejemplo anterior, la tasa anual de la producción de cerveza reflejará una situación normal a partir del primer mes de recuperación, pero después de 12 meses de tasas normales -sin ninguna interrupción en su producción- aparecerá una tasa muy grande y confusa. Lo peor de todo es que la manera acostumbrada de reportar tasas anuales es decir que “la tasa anual del mes fue tanto”, cuando realmente no es la tasa anual de un mes dado, sino es la tasa de los últimos 12 meses. Ante tasas mensuales exageradas y tasas anuales confusas hace más sentido ver la caída acumulada, desde algún momento antes de la pandemia, y también ver la recuperación acumulada hasta regresar a los niveles preexistentes a la pandemia.

La rápida recuperación de las exportaciones fue esencial para evitar un desplome en la actividad económica todavía mayor. Desde hace más de 25 años, las exportaciones han sido uno de los motores de crecimiento más importantes para el país. Sin embargo, en esta ocasión, su recuperación no fue suficiente para empujar la economía interna, que quedó sujeta a políticas de confinamiento por mucho más tiempo. Esto se vio reflejado en el comportamiento de las importaciones, cuya recuperación vino con un gran rezago respecto a las exportaciones (gráfica 2).

⁴

Gráfica 2
Importaciones totales1
Miles de millones de dólares
I Importaciones I Tendencia-ciclo

¹ Cifras con ajuste estacional
a agosto de 2021.

Fuente:
INEGI.

El rebote casi inmediato de las exportaciones y la prolongada respuesta de las importaciones provocó un superávit comercial inmenso en la segunda mitad del año, lo que produjo un superávit histórico en la cuenta corriente.⁵ A pesar de que hubo salidas de capital en el transcurso de prácticamente todo el año, este superávit logró evitar un desequilibrio importante en la balanza de pagos que seguramente hubiera dejado el tipo de cambio en niveles superiores a los 25 pesos por dólar que se registró en los primeros meses de la pandemia (gráfica 3).

⁵ Los superávits de la cuenta corriente en el tercer y cuarto trimestres de 2020 fueron los más elevados (como proporción del PIB) en toda la historia con que se cuenta con datos.

Gráfica 3
Cuenta corriente^1/
Porcentaje del PIB
I CC Porcentaje del PIB I Promedio anual

^1/ Cifras al segundo trimestre
de 2021.

Fuente:
Cálculos propios con datos
de Banco de México e INEGI.

Como resultado de estos niveles atípicos observados a lo largo de varios indicadores y los retos que esto representó para su interpretación, surgió la necesidad de emplear indicadores de alta frecuencia que nos dieran una idea más oportuna de lo que realmente estaba pasando. Así, en medio de este periodo de crisis global, comenzaron a surgir nuevas propuestas de indicadores inéditos o modificaciones a los indicadores ya existentes como los indicadores de movilidad computados por Google, Apple o INEGI (gráfica 4). ⁶

Gráfica 4
Indicadores de movilidad de alta frecuencia de usuarios de Twitter

⁶ Estos indicadores miden la movilidad de las personas con respecto a su lugar de residencia. Los que son computados por Apple y Google aprovechan la información provista por los usuarios de telefonía celular para poder medir la localización de su ubicación con respecto a su residencia. La forma en la que se presentan es como una tasa de crecimiento acumulado con respecto al nivel promedio de movilidad previo a la pandemia. Para el caso de INEGI, se emplea la misma lógica, pero con información provista por usuarios de Twitter. Para mayor información sobre estos indicadores consulte: Enlace y, Enlace y Corona et al. (2021).

Fuente:
INEGI. Interpretación: entre más grande sea el indicador se tiene una mayor movilidad fuera de la residencia de los usuarios de Twitter.

2. Los indicadores ante el cambio estructural derivado de la pandemia

Más allá de los niveles atípicos en diversos indicadores y las distorsiones creadas en las tasas de crecimiento, los indicadores enfrentaban el reto de un cambio mayúsculo y repentino en varios sectores de la economía, al cual los economistas normalmente refieren como un cambio estructural.⁷ Así, durante abril de 2020, solo 2.6% de los subsectores del Sistema de Clasificación Industrial de América del Norte (SCIAN)⁸ poseía una tasa de crecimiento mensual positiva o igual a cero. Además, en el mercado laboral se percibió un éxodo de la población económicamente activa a fin de cumplir con las medidas sanitarias de confinamiento (como se comentó en Cómo entender al mercado laboral mexicano del volumen 1 de estas lecturas), lo cual llevó a que los indicadores tradicionales no reflejaran lo que estaba pasando en el mercado laboral. Situaciones como éstas, representaron retos en los indicadores económicos en un momento clave para la toma de decisiones donde se contaba con poca información oportuna y la que estaba disponible conllevaba el riesgo de conducir a los hacedores de política hacia un camino incorrecto.

El cambio estructural significó, principalmente, dos efectos en los indicadores. En primer lugar, la lectura de los indicadores económicos es más difícil debido a que los indicadores proveen señales falsas de conexión entre ciertas variables económicas. Por ejemplo, pensemos en dos activos financieros que antes del choque pandémico no poseían correlación alguna. Sin embargo, frente al choque de la pandemia, ambos activos contraen su valor de forma significativa, lo que hace que se muevan hacia la misma dirección en una magnitud considerable y reflejen una correlación entre sí. Al paso de los meses, ambos activos mantienen esta correlación ya que tras el choque comienzan a recuperarse hacia los niveles que exhibían antes de la pandemia. Esta situación podría tentar a los analistas a pensar que los activos -después del cambio estructural- guardan algún tipo de relación causal cuando en realidad la correlación solo es reflejo del efecto del choque en estos indicadores. Además, este problema se magnifica cuando esta situación se presenta en diversas variables al mismo tiempo dada la gran difusión que tuvo el choque pandémico a lo largo de la economía.

En segundo lugar, la interpretación de los indicadores económicos se complica debido al cambio en la interconexión que tienen algunas variables después del cambio estructural. Un ejemplo de esto son los procesos de manufactura que desde hace décadas favorecen un sistema de inventario bajo y de abastecimiento ágil en donde solo se solicita lo que inmediatamente se requiere para producir.⁹ Sin embargo, estos procesos de producción dependen de una cadena de suministro hiperconectada a nivel global que opera bajo el supuesto de oferta constante. Dicha cadena fue interrumpida debido a la caída del comercio internacional en respuesta a las medidas de contención sanitaria. Esto afectó los planes de producción de muchas empresas, particularmente a las que fabrican semiconductores para la industria automotriz y de producción de equipo electrónico. Pese a que el proceso de reapertura económica global comenzó desde hace meses, la industria manufacturera global aún no se recupera del todo.

De esta forma, la crisis pandémica vino a exhibir ciertos problemas estructurales en los distintos niveles de logística global:¹⁰ 1) en el marítimo, que no pudo satisfacer la alta demanda por la acelerada recuperación económica debido a una infraestructura tecnológica endeble y desactualizada que no contaba con la suficiente capacidad instalada en puertos y navíos; 2) en el terrestre, que al ser una industria altamente procíclica, de baja rentabilidad y de reducidos salarios sufrió la desaparición de empresas y la migración de sus trabajadores hacia otros sectores con salarios más competitivos como los de servicios de ventas minoristas. Este cambio en la interconexión de estas variables llevó a que indicadores como los de compras gerenciales (PMI, por sus siglas en inglés), que antes de la pandemia anticipaban adecuadamente la actividad económica,¹¹ ahora requieren una mayor inspección al interior de sus componentes como los de inventarios, producción y empleo.

Ante la incertidumbre de un cambio estructural los economistas emplean una mayor diversidad de modelos, que en principio son robustos a las distorsiones mencionadas, a fin de promediar sus estimaciones y eliminar sesgos.¹² Sin embargo, tal y como lo señalan Hendry y Clements,¹³los modelos son simples representaciones de la realidad y usualmente están incorrectos; además de que las economías presentan cambios inesperados. Por ello, se tienen que tomar con cautela algunos supuestos empleados en la construcción de estos modelos donde se asume que los choques afectan a las variables transitoriamente y que éstas son capaces de regresar a su estado estable al paso de un tiempo.¹⁴ Esto es importante ya que frente a un cambio estructural no hay garantía de que esto suceda por lo que aún los indicadores económicos que están basados en estos modelos pueden presentar distorsiones.

Estos retos complican la reacción de políticas económicas, ya que muchas de las variables clave que los tomadores de decisiones incluyen en sus modelos económicos deben estimarse a través de la información disponible. Por mencionar algunas de estas variables latentes, se tiene: la brecha del producto, la cual se emplea para las decisiones de política monetaria; la tasa de desempleo que no refleja presiones inflacionarias (NAIRU, por sus siglas en inglés); e indicadores de inflación susceptibles a choques de oferta y demanda como la inflación subyacente fundamental. En las siguientes secciones se estudiarán estos tres casos con mayor profundidad.

2.1. Medición de la holgura en la actividad económica y del producto potencial

La estimación de la brecha del producto potencial es también conocida como el cálculo de la holgura en la actividad económica. Este concepto parte de que una economía posee distintos mercados en donde la oferta y la demanda determinan cantidades y precios de equilibrio, los cuales se agregan para determinar su producto total. En principio, ambas fuerzas poseen alta flexibilidad en su ajuste, pero la oferta agregada está naturalmente acotada por su capacidad tecnológica, el acervo de capital físico y humano que posea el país y la cantidad de trabajadores disponibles. Por ende, siempre existirá un nivel potencial de oferta, para el cual aun cuando la demanda agregada no ceda en su crecimiento, la cantidad producida alcanzará su potencial. Al alcanzar este punto fijo en la actividad económica, un exceso (lasitud) de demanda agregada obligará al mercado a equilibrar los precios de esta economía al alza (a la baja). Esta fluctuación de la demanda agregada alrededor de la producción potencial es lo que conocemos como la estimación de la brecha del producto potencial. Por lo que es de alta prioridad para los hacedores de política monetaria darle un seguimiento cercano a la evolución de esta variable (gráfica 5).

⁷ Hendry & Clements (2003)
lo definen como un cambio abrupto y repentino que no se puede anticipar.
⁸ Estos subsectores equivalen al 95% del PIB. Las contribuciones de cada subsector se calcularon con las cifras del PIB nominal anual de 2020. Las tasas de crecimiento se calcularon con cifras mensuales ajustadas por estacionalidad.

⁹ Estas prácticas buscan una gran eficiencia operativa ya que reducen el costo de oportunidad de tener inventario en almacén, así como mejorar la asignación de espacio físico a las actividades de producción.

¹⁰ Alloway & Weisenthal (2021a y 2021b).

¹¹ Lahiri & Monokroussos (2013) dan evidencia de esto para Estados Unidos y Leyva & Páez (2019) lo hacen para México.

¹² Algunos modelos no tienen una relación causal bien definida en sus componentes y, en su lugar, se basan en la tendencia reciente del indicador empleando promedios móviles; modelos de suavizamiento exponencial o algunos modelos ARIMA que controle por el choque estructural.
¹³Hendry & Clements (2003).
¹⁴ Esto afecta algunos supuestos en la estimación de modelos como el de estabilidad, que asume que las series económicas en ausencia de incertidumbre convergen en
un punto fijo; o el supuesto
de estacionariedad, en donde se asume que la distribución de probabilidad de la serie no depende de la evolución
del tiempo.

Gráfica 5
Estimación de la brecha de producto^1/
Porcentaje del producto potencial

^1/ Cifras al segundo trimestre de 2021 para la brecha del PIB y a julio de 2021 para la brecha del IGAE. La brecha se estima con el filtro de Hodrick-Prescott con corrección de colas. El intervalo de confianza de la brecha del producto es calculado con un método de componentes no observados.

Fuente:
INEGI con cálculos propios de Banco de México.

Aun cuando el concepto económico guarda gran intuición, el reto en el cálculo del producto potencial no es trivial debido a que es una variable que no se puede observar directamente. Por el contrario, es una variable que se encuentra latente y debe estimarse mediante algún modelo estadístico basado en el PIB o el IGAE. El método más empleado para la estimación del PIB potencial es el filtro de Hodrick-Prescott (HP) que captura el componente de tendencia de largo plazo. Sin embargo, una fuente de incertidumbre de estas estimaciones proviene de que las primeras cifras disponibles del PIB se publican con carácter preliminar y pueden revisarse al paso del tiempo, lo cual puede afectar la estimación. Otro problema surge del ajuste estacional que se hace al PIB antes de emplear el filtro de HP, ya que con ello se pierden observaciones al extremo de la serie que son compensados con pronósticos que podrían sufrir altas imprecisiones. Al respecto, Orphanides y Van Norden¹⁵ destacan que estos problemas dificultan la lectura de la posición cíclica de la economía en tiempo real, pues conforme se vaya disponiendo de actualizaciones en la información la estimación de la brecha del producto podría variar de forma significativa, lo que podría ralentizar o malversar la toma de decisiones de política económica.

A fin de resolver estos problemas en la estimación del producto potencial, se popularizó el uso alternativo del filtro estadístico SAVN o filtro de HP con corrección de colas. Este método busca que la tasa de crecimiento estimada del componente tendencial no se aleje de una tasa de crecimiento de largo plazo que se supone fija y exógena al procedimiento.¹⁶ Sin embargo, las estimaciones del producto potencial con este método dependerán de la tasa que se suponga y del grado de influencia que se le otorgue en el cálculo. Cabe señalar que este método es el que, actualmente, emplea el Banco de México para su estimación de la brecha del producto potencial.

En suma, se ha documentado que la presencia de choques y cambios estructurales, como el que estamos viviendo durante la pandemia, genera distorsiones en las estimaciones de la brecha de producto. Por ejemplo, Grigoli y otros autores¹⁷ encontraron que durante episodios de recesión económica se tiende a sobreestimar la débil posición cíclica de la economía, por lo que se estima una magnitud de la brecha negativa del producto más grande de lo que es realmente.¹⁸

Las distorsiones en estos indicadores presentan un reto en su interpretación, la cual tiene efectos considerables en la determinación del diseño de la política económica. Por ejemplo, Grigoli y otros autores¹⁹ analizan las implicaciones de estas distorsiones en las estimaciones de la brecha del producto sobre las decisiones de política monetaria de un panel de economías latinoamericanas, entre ellas México. Los autores destacan que las decisiones que se pudieran haber tomado utilizando cálculos en tiempo real contra estimaciones con cifras revisadas son en muchos casos contradictorias. Sobre este punto, Coutiño²⁰ destaca que en México, a inicios de 2013, las autoridades monetarias decidieron reducir la tasa de interés de referencia ante una brecha del producto estimada en ese momento equivalente a cero. Sin embargo, al utilizar cifras revisadas se percibe una brecha del producto estadísticamente positiva. Lo anterior evidencia que las estimaciones de la brecha del producto sean altamente sensibles a la calidad de la información utilizada.

Frente a las grandes complicaciones que circundan al cálculo del producto potencial aún no contamos con toda la información como para corroborar una reducción de éste derivado de la crisis actual. Sin embargo, hay evidencia de que la pandemia afectó la capacidad productiva de las empresas y dañó el flujo de acumulación de capital físico. Respecto al primer punto, el INEGI aplicó tres rondas de la Encuesta sobre el Impacto Económico Generado por COVID-19 en las Empresas (ECOVID-IE)²¹ en abril y agosto de 2020 y febrero de 2021 para obtener información durante el periodo pandémico sobre el estado de las empresas y sus perspectivas a futuro. A lo largo de estos tres periodos, al menos 16.6% de las empresas reportó un cierre temporal o paro técnico, con el porcentaje más alto de 59.6% durante abril de 2020. Por su parte, entre 56.3% y 42.9% de las empresas reportó alguna afectación durante las tres rondas de esta encuesta mientras que entre siete y ocho de cada diez empresas encuestadas declaró sufrir alguna disminución de ingresos durante las mismas rondas. Lo anterior abona a una lamentable estadística de contracción de 8% en el número de empresas durante agosto de 2020 con respecto a las reportadas en el censo económico de 2019, cifra que ya consideraba el nacimiento de empresas durante el mismo periodo. Ante esta pérdida de empresas es muy probable que la capacidad productiva se vea afectada en el futuro.

La afectación a la formación de capital humano también fue significativa ya que de un momento a otro se migró a un formato de educación a distancia para lo que la mayoría de las instituciones no poseía experiencia previa. El INEGI se dio a la tarea de generar la Encuesta para la Medición del Impacto COVID-19 en la Educación (ECOVID-ED)²² para conocer los impactos que la cancelación de clases presenciales generó sobre la población entre 3 y 29 años durante los ciclos escolares 2019-2020 y 2020-2021. El primer ciclo escolar mencionado solo presentó deserción de 2.2% de la población inscrita. Sin embargo, la situación fue mucho más precaria durante el ciclo escolar 2020-2021, en donde por cada diez personas, seis se reportaron inscritas y el resto no participó en el ciclo escolar. Se indagó que la pandemia o la falta de recursos económicos fueron las razones detrás para que una de cada cuatro personas no se inscribiera en ese ciclo escolar. Para poner en contexto el impacto sobre la juventud, se tienen estimaciones del Fondo Monetario Internacional (FMI),²³ que calcula una pérdida de 4% en los ingresos esperados de por vida de los jóvenes en Latinoamérica con edades entre 10 y 19 años.²⁴ Ante tales efectos en la formación de capital humano es muy difícil que la capacidad productiva de estos estudiantes no se vea afectada en el mediano y largo plazos.

En suma, estamos experimentando cambios muy significativos en la capacidad productiva de nuestra economía. En caso de que el producto potencial de México efectivamente se haya reducido se tiene que modificar el procedimiento del cálculo de la brecha de producto. Esto ya que, ante un menor crecimiento, no se pueden seguir empleando los mismos supuestos de tasa de crecimiento de largo plazo; de otra forma, se estaría cometiendo un grave error al sobreestimar la magnitud de holgura en la capacidad económica. Sin embargo, por el momento dado que no podemos confirmar dicha caída tendremos que vivir con esta incertidumbre que demanda una lectura muy cuidadosa de los indicadores de holgura de la economía.

¹⁵ Orphanides &
Van Norden (2002).

¹⁶ Antón (2010) destaca que esta añadidura evita que la tendencia responda, en menor proporción, a los choques transitorios que pudiesen estar contenidos en los últimos datos de la muestra.

¹⁷ Grigoli et al. (2015).

¹⁸ Además, estos académicos sugieren que las revisiones en las estimaciones están principalmente asociadas a los supuestos que se hacen sobre el producto potencial y, en segundo lugar, a las revisiones en las cifras del PIB.
¹⁹ Grigoli et al. (2015).

²⁰ Coutiño (2016).

²¹ Esta encuesta abarca una diversidad de temas relacionados con las medidas de contención sanitaria y los diversos apoyos otorgados, información sobre la situación financiera de las empresas, así como otros elementos sobre su continuidad operativa y demanda de personal. La encuesta se puede consultar en: Enlace

²² La Encuesta para la Medición del Impacto COVID-19 en la Educación se puede ver en: Enlace

²³ Werner et al. (2021).

²⁴ Además, existe la posibilidad de un efecto de segunda ronda sobre las madres, ya que Jaume & Willén (2018) encuentran que el impacto de cierres de escuelas en Argentina, debido a huelgas de maestros entre 2003 y 2013, redujo en casi 3% el ingreso mensual de las madres de los hijos afectados.

2.2. El cambio estructural en el mercado laboral: la medición del empleo en el potencial y la brecha laboral

Las afectaciones derivadas del cambio estructural también trastocaron al mercado laboral. Durante la pandemia dicho mercado sufrió una recomposición fuerte que disminuyó la participación y acrecentó de forma significativa la población no económicamente activa (PNEA) derivado de las políticas de distanciamiento social.²⁵ Como se explica en la lectura 5 del volumen 1 de esta serie (¿Cómo entender al mercado laboral mexicano?), esta clasificación de la población se divide en personas disponibles que no buscan empleo, pero de presentarse la oportunidad la tomarían, y personas no disponibles que por alguna razón ya no pueden formar parte de la fuerza laboral.²⁶ En la última década, la población disponible estuvo fluctuando alrededor de seis millones de mexicanos, pero frente al choque de la pandemia se multiplicó por 2.4 veces con respecto a marzo 2020 para alcanzar 19.97 millones en abril del mismo año. De forma muy similar, la población subempleada (personas que trabajan tiempo parcial pero que estarían dispuestas a aumentar su jornada laboral) orbitaba alrededor de cuatro millones durante los últimos diez años; ante el gran golpe pandémico llegó hasta 13.05 millones en mayo de 2020. La contracción en el empleo también fue brutal pues entre marzo y abril de 2020 se perdieron 12.46 millones de trabajos formales e informales. Si se combina la población desocupada, los subempleaos y los disponibles de la PNEA se llega a la conclusión de que durante lo más astringente de la crisis, abril y mayo de 2020, el mercado laboral estaba corto²⁷ con más de 33 millones de empleos de tiempo completo, algo inaudito incluso al compararlo con lo sucedido durante la gran crisis financiera de 2008-2009.

No se puede descartar que un choque de esta magnitud pudiera tener repercusiones en los niveles de empleo estructurales de la economía. Por ello, es indispensable reflexionar sobre cómo los indicadores que lo miden pudieran haberse visto afectados ante este choque. Tal es el caso de la tasa de desempleo que no refleja presiones inflacionarias (NAIRU, por sus siglas en inglés). Para entender lo que esta tasa indica tenemos que señalar primero que, durante las fases de recesión y expansión del ciclo económico, los factores de la producción se emplean con menor o mayor intensidad. Durante una fase expansiva los empresarios aumentan su demanda de trabajo para responder a las necesidades del mercado. Bajo esta situación, llegará el momento en que habrá menos personas disponibles para trabajar y se requerirán mejores condiciones laborales (salarios y prestaciones) para atraer a más trabajadores. Estos cambios en los costos laborales terminarán reflejándose en cualquier momento sobre los precios de los bienes y servicios que se ofertan en el mercado. Por su parte, bajo una fase recesiva estas presiones de parte del mercado laboral hacia los precios estarían enmudecidas. Si la economía está en equilibrio con respecto a su potencial, el mercado laboral no se ve apretado ni laxo, reflejando solo el desempleo friccional, el cual se da de forma voluntaria y transitoria. Esto no generaría presiones de precios en ninguna dirección. El valor de la tasa de desempleo que es apropiado a ese nivel de producción potencial se conoce como NAIRU.

La NAIRU -al igual que el producto potencial- es una variable que no es observable directamente y debe estimarse, lo cual como ya se podrá imaginar conlleva a los retos similares planteados en la sección anterior para el producto potencial. El enfoque más empleado en la literatura del método es una estimación indirecta a través de una curva de Phillips. En este método se busca encontrar la elasticidad entre la brecha potencial del mercado laboral, que se define como la diferencia entre la tasa de desempleo y la NAIRU, y la aceleración en la inflación.²⁸

Uno de los retos que se tiene con la interpretación de la tasa NAIRU es que no es una referencia estática. Por el contrario, esta tasa está ligada a los cambios en las condiciones demográficas, políticas gubernamentales, cambios tecnológicos, acumulación de capital humano, competencia económica, condiciones del mercado laboral y el entorno institucional de las autoridades fiscales y monetarias, que modifican el potencial de la economía y, por ende, el valor de la NAIRU.²⁹ Por ello, este concepto es susceptible a cambios significativos ante choques que probablemente conlleven un cambio estructural y ha llevado a propuestas de estimación que consideren esto.³⁰

Otro reto es que los niveles de la NAIRU dependen de la referencia empleada en su estimación por lo que se tiene que ser muy cauteloso en usar una referencia adecuada para el contexto laboral que se quiere describir. En general, el cálculo de la NAIRU mediante la tasa de desempleo es correcto, pero en algunos casos podría conducir a una mala interpretación de la relación entre el mercado laboral y la formación de precios. Al respecto, Aguilar y otros autores destacan que en México existe un alto grado de precarización laboral en el sector formal.³¹ Por su parte, el sector informal está fuertemente desregulado y posee mayor grado de flexibilidad para absorber a la fuerza laboral por lo que ha fungido como un amortiguador contracíclico para el mercado laboral en su conjunto. Por ello, Aguilar y otros autores proponen una medida ampliada de desempleo que considera el sector informal,³² como base para el cálculo de una NAIRU. Esto permite complementar las conclusiones acerca de la brecha potencial del mercado laboral extraídas de la NAIRU tradicional. Cabe destacar que la magnitud de esta medición alternativa es muy distinta a la tradicional. De forma ilustrativa, si se consideran valores de la NAIRU constantes en el tiempo, los autores reportan un valor de 27.5% bajo la estimación que incluye a los trabajadores informales, en contraste al 4.4% equivalente para la medición tradicional, durante un periodo entre 2005 y 2016. Los autores destacan que el indicador alternativo de NAIRU complementa las conclusiones de la medición tradicional especialmente cuando esta última sugiere ausencia de presiones a los precios, dado que podría darse el caso de que al evaluar la brecha con otras métricas laborales no se tenga la misma conclusión.

²⁵ Heath (2020d).

²⁶ Esto incluye a personas con alguna discapacidad, estudiantes de tiempo completo, personas que se dedican a su hogar y familia, personas jubiladas o retirados, etcétera.

²⁷ La suma de la población desocupada, la subempleada y los disponibles de la PNEA, como porcentaje de la fuerza laboral extendida, se conoce como
brecha laboral.

²⁸ La especificación base del modelo es (donde π_t es la inflación, U_t es la tasa de desempleo y e_t es el término de error): π_t = π_{t -1} + α(U_t – NAIRU) + e_tPara identificar adecuadamente esta elasticidad se controla por factores de oferta que afectan la dinámica inflacionaria como el tipo de cambio real y el precio de commodities.
²⁹ Ball & Mankiw (2002).
30 Aguilar et al. (2021) encuentran que la estimación de la NAIRU para México presenta cambios al estimarla por distintos segmentos de tiempo por lo que prosiguen a utilizar estimaciones mediante ventanas móviles y métodos recursivos. Loría et al. (2019) buscan estimar la curva de Phillips de tal forma que la NAIRU estimada pueda cambiar en el tiempo.
31 Esto debido a la gran influencia de sindicatos en el proceso de negociación salarial, las bajas condiciones de competencia y las distorsiones provocadas por el marco legal, según Aguilar et al. (2021).
32 Los autores definen

, donde Ut es la población desempleada e inft es el número de trabajadores asalariados en el sector informal, los cuales carecen de acceso a cobertura por gasto de salud.

El uso de métricas alternativas de empleo para el cálculo de la NAIRU es fundamental ya sea por factores idiosincráticos que le quiten representatividad a la tasa de desempleo o cuando el mercado laboral sufre un cambio estructural tan relevante como el que se observó con la crisis pandémica. Como se comentó anteriormente el mercado laboral experimentó una recomposición de su fuerza laboral que acrecentó la población no económicamente activa disponible. Recordemos la tasa de desempleo durante la crisis por COVID-19 que presentó cifras atípicas y contraintuitivas. Por un lado, durante marzo de 2020 dicha tasa se situó en 2.94%, ligeramente por encima de su mínimo histórico de 2.77% durante diciembre de 2005; mientras que su nivel más alto durante 2020 lo alcanzó durante junio con una tasa de 5.49%, muy por debajo del máximo histórico de 6.42% durante la crisis financiera global de 2008-2009. Esto ya que, entre marzo y abril, se redujo de forma significativa la tasa de participación laboral e incrementó el porcentaje de personas subempleadas. Tal recomposición hizo que la tasa de desempleo fuese totalmente incapaz de reflejar las condiciones de deterioro en el mercado laboral. Por ello, se dio partida a métricas como la tasa de desempleo extendida y la brecha laboral, que consideran en su cálculo a la población que sufre de precariedad laboral: desocupados, subempleados y población disponible que no participa en el mercado laboral (gráfica 6).

Gráfica 6
Estimación de la brecha de desempleo
NAIRU menos tasa laboral (por ciento)

A. Tasa de desempleo^1/

B. Tasa de desempleo más disponibles^2/

^1/ Cifras a agosto de 2021 con ajuste estacional. Intervalos de confianza del 90%. Se presenta el promedio de cuatro modelos de estimación de la holgura laboral (ver Banxico [2017a] y
Aguilar et al. [2021]).
^2/ Como porcentaje con respecto a los ocupados, desocupados y disponibles (de acuerdo con el nuevo criterio del INEGI, en la Encuesta Telefónica de Ocupación y Empleo, Diseño Conceptual).

Fuente:
Banco de México.

Dada la situación actual en donde la tasa de desempleo vuelve a ser un mal indicador para tratar de describir la conexión entre el mercado laboral y las presiones inflacionarias se ha tenido que recurrir a indicadores alternativos. Al respecto, el Banco de México³³ ha realizado una adaptación a la metodología propuesta por Aguilar y otros autores, la cual considera a la población fuera de la PEA que está disponible.³⁴ El cálculo de la brecha potencial del mercado laboral bajo la estimación tradicional actualmente indicaría un punto de neutralidad, en donde la laxitud que provocó la crisis pandémica se ha disipado. Esto es hasta cierto punto contraintuitivo dado que aún se percibe un camino largo para la completa recuperación de la actividad económica, incluso bajo el supuesto de que el producto potencial se vio mermado. Por otra parte, si se robustece el análisis de la NAIRU -al incluir a la población disponible de la PNEA- se estima una brecha potencial del mercado laboral mucho más congruente a la magnitud del choque pandémico y que aún apunta condiciones laborables endebles.

³³ Banxico (2021a y 2021b).
³⁴ En esta metodología se considera una métrica laboral alternativa para el cálculo de la NAIRU, definida como , donde disp_tes la población fuera de la PEA que está disponible.

3. Los choques del confinamiento y la interpretación de los indicadores: el caso de la inflación

Desde 2003, a partir de que el Banco de México adoptó el objetivo puntual y permanente de 3.0% para la inflación, solo en tres ocasiones habíamos visto una tasa superior al 6%: en 2008-2009 (por un periodo de seis meses); en 2017 (por ocho meses) y en abril de 2021. Estos tres episodios de alta inflación han sido básicamente producto de choques de oferta, más que un exceso de demanda agregada, como suele suceder con mayor frecuencia en economías pequeñas y abiertas. El primero se derivó de una larga tendencia de alta demanda por parte de China que culminó en 2008 con un ajuste global e histórico al alza en el precio de commodities.³⁵ Estas presiones globales a los precios solo fueron enmudecidas frente a la Gran Recesión de 2009. El segundo episodio se observó en 2017 por factores locales, cuando la Secretaría de Hacienda y Crédito Público (SHCP) tomó la decisión de liberar el precio de la gasolina (el famoso gasolinazo), lo que provocó una tasa anual en enero de ese año igual a 26% para la de bajo octanaje y 30% para la de alto octanaje. El tercer episodio lo estamos viviendo ahora, el cual es producto de los efectos que la pandemia ha tenido sobre la formación de precios. Si bien tiene algunas características similares a los anteriores, realmente esta burbuja tiene una dinámica propia, muy especial, que vale la pena analizarla a fondo.

Al igual que se les ha puesto etiquetas a los dos episodios anteriores, la burbuja de los commodities y el gasolinazo, respectivamente, ahora podemos llamar al actual como el de la pandemia. En esta ocasión se han combinado choques de oferta y de demanda muy agudos, que no solamente han ocasionado un reacomodo en los precios relativos, sino que por su naturaleza transitoria, se han combinado con efectos aritméticos significativos que producen tasas anuales muy inusuales. En abril de 2021 el componente no subyacente de la inflación registró una tasa de 12.34%, el segundo incremento anual más alto que se ha observado en los últimos 20 años. Esto fue el resultado de alzas en los precios de las gasolinas de 35.0% por encima del precio del mismo mes del año pasado. Aunque el incremento anual es muy parecido al observado en 2017, la diferencia crucial es que en esa ocasión se realizó el ajuste en un solo mes, mientras que ahora se fueron observando aumentos a lo largo de los últimos 12 meses. Es decir, se combinan dos fuerzas que elevan la tasa anual: se están comparando los precios con respecto a un nivel sumamente bajo ante el desplome de la demanda por gasolina en pleno confinamiento, en adición a nuevas presiones que mes a mes han hecho crecer los precios de los combustibles y otros energéticos como el gas LP.

Al mismo tiempo, las políticas de confinamiento y cierre parcial o total de empresas acotaron de forma significativa la oferta de muchos bienes y servicios, lo cual presionó los precios al alza. Al respecto, el Banco de México³⁶ documentó descensos relevantes en el número de variedades disponibles de productos en algunos supermercados. Esto proveyó evidencia de que durante los meses de fuerte confinamiento la disrupción en las cadenas globales de valor, la reducción de producción nacional y la demanda particular sobre ciertos productos provocaron escasez y, hasta cierto punto, incapacidad temporal de actualizar los precios bajo el nuevo contexto pandémico. Al mismo tiempo, las mismas políticas sanitarias ocasionaron que muchas personas vieran aminorado su ingreso por la pérdida de su empleo o la suspensión de actividades sin goce de sueldo. Ante ello, los consumidores modificaron sus patrones de compra incrementando la demanda por ciertos bienes (y disminuyendo la de otros). El resultado fue que muchos precios cambiaron con relación a otros, lo que provocó un cambio en los precios relativos, más que un fenómeno inflacionario.³⁷ Mientras que los servicios turísticos, de esparcimiento, de alimentación y hospedaje se reducían, el costo de las mercancías alimenticias o las bebidas alcohólicas se incrementaban. La magnitud y el efecto neto de todos esos cambios de precios relativos era difícil de estimar debido a cambios en la canasta de consumo, así como a ciertas dudas sobre la confiabilidad de la información de precios que se recopilaba.

En primer lugar, los cambios en los patrones de compra y la disponibilidad de productos añaden sesgos en la representatividad de la canasta de consumo sobre la que se calcula el Índice Nacional de Precios al Consumidor (INPC). Dicha canasta es fija y representa las fracciones del gasto promedio dedicadas a cada uno de los productos. El problema radica en que tanto el conjunto de bienes y servicios, como sus contribuciones a la canasta no suelen actualizarse durante periodos cortos. Esto pone un sesgo importante a la medición de la inflación frente a un cambio estructural en los patrones de consumo antes mencionado, reflejo de las condiciones de confinamiento. Para medir este sesgo Reinsdorf³⁸ y Cavallo³⁹ emplearon los patrones de compras mediante tarjetas bancarias en Estados Unidos como indicadores indirectos de los cambios en las preferencias de las familias. Si bien este esfuerzo no es totalmente preciso, ya que no todas las compras se realizan mediante tarjetas bancarias, es un buen indicador complementario para tener una idea del grado de sesgo que posee la medición de inflación. Para el caso de México, Tapia y otros autores⁴⁰ utilizan la misma metodología para actualizar los ponderadores del INPC subyacente. Encuentran que durante abril de 2020 los ponderadores de alimentos y bebidas alcohólicas, así como los de la vivienda y los servicios básicos aumentaron en 32.3% para logar un peso total en el INPC subyacente de 53%. Esta subida se compensó con una dramática caída en el gasto dedicado a servicios de alojamiento y alimenticios derivada del confinamiento de las familias.

El segundo reto en la medición de la inflación fue la confiabilidad de las cotizaciones de precios.⁴¹ Derivado del cierre de muchos establecimientos durante el cierre parcial de la economía hubo una migración a un formato de recolección de información de precios a distancia. Este cambio puso en duda la calidad de la información recolectada no solo en nuestro país sino a nivel global. De hecho, funcionarios del Buró de Estadísticas Laborales de Estados Unidos declararon que las encuestas podrían haberse comprometido por el número limitado de participantes en las mismas, lo que aumenta el grado de incertidumbre en los indicadores.⁴² De igual manera, la Oficina Estadística de la Unión Europea (Eurostat) reportó dificultad en la recolección de precios de muchos productos y servicios, viéndose en la necesidad de desarrollar medidas temporales para la imputación de precios de productos no descontinuados, pero no disponibles en las tiendas.⁴³

Por último, un paradigma que surgió a lo largo del desarrollo de la crisis pandémica fue el enmudecimiento de la relación negativa entre la inflación y la brecha del producto. El Banco de México desarrolló un subíndice del componente subyacente, bautizado subyacente fundamental, que incluye solo aquellos precios que responden a las condiciones de holgura de la economía.⁴⁴ Según un estudio del Banco, 34.7% de los precios de los bienes y servicios incluidos en la subyacente son susceptibles al ciclo económico. El estudio también encontró que 27.8% reacciona a los movimientos salariales, 30.4% a los precios de los energéticos y 30.5% a la cotización del tipo de cambio.⁴⁵ Como era de esperarse, los precios que menos han aumentado en los últimos 12 meses hasta mayo de 2021 son los que comprenden la subyacente fundamental y los más relacionados con los costos laborales. En cambio, los que más han subido en el mismo periodo son los más susceptibles a los incrementos en los energéticos y al tipo de cambio. Sin embargo, llama la atención que los precios que reaccionan al ciclo económico estén en promedio creciendo a tasa anual de 3.28% desde el inicio de la pandemia dada la gran magnitud de la estimación de la holgura de la actividad económica. Lo que abre la interrogante de si se debe anticipar que estos precios estarán creciendo a una tasa aún mayor una vez que se consolide la recuperación económica.

³⁵ El Bloomberg Commodity Index tuvo un incremento anual que culminó en 34.2%, en junio 2008, mientras que el Índice de Precios de Alimentos de la FAO llegó a registrar un aumento anual de 63%, en marzo de 2008.

³⁶ Banxico (2020).

³⁷ Heath (2020b)

³⁸ Reinsdorf (2020).
³⁹ Cavallo (2020).

⁴⁰ Tapia et al. (2021).

⁴¹ Heath (2020c).

⁴² Pickert (2020).

⁴³ En estos casos se tomaba el último precio cotizado en la encuesta y se le asignaba una variación porcentual igual a la inflación de su categoría más cercana de agregación de productos (Eurostat, 2020).

⁴⁴ En inglés se le conoce como super core. Para más detalle de este indicador consúltese Banxico (2017b).

⁴⁵ Para más detalle de este indicador consúltese Banxico (2019).

Reflexión final: La política monetaria en tiempos de pandemia

Evidentemente el panorama inflacionario enfrenta retos importantes tanto en su coyuntura como en los instrumentos que se usan en su medición. La lectura de estos indicadores es crucial para tener un diagnóstico adecuado, así como para determinar una respuesta idónea en la instrumentación de la política monetaria. En esta labor, uno de los instrumentos más importantes de la política monetaria es la tasa de referencia, la cual tiene un impacto directo en el nivel de las tasas de interés en el mercado interbancario de fondeo así como en la economía en su conjunto, tal y como se describe en las lecturas El nuevo paradigma en las tasas de referencia y la TIIE de Fondeo a un día y Operaciones de la banca central de este tercer volumen. Los cambios en las tasas influyen, a su vez, en la formación de precios mediante cinco canales de transmisión monetaria que se describen en la lectura 9 del volumen 2, Diseño e implementación de la política monetaria en México,⁴⁶ y son: tasas de interés, crédito, precios de otros activos, tipo de cambio y expectativas.

En términos generales, estos canales son efectivos cuando las presiones inflacionarias ocurren mediante un exceso de demanda agregada sobre la oferta, es decir, cuando la economía se encuentra sobrecalentada. Sin embargo, no son tan eficientes cuando la inflación se produce mediante choques de oferta. Como se mencionó, a raíz de la pandemia las políticas de confinamiento redujeron drásticamente tanto la demanda agregada como la oferta. Si utilizamos las métricas tradicionales mencionadas anteriormente para medir la brecha entre ambos, resulta que la demanda cayó mucho más que la oferta, lo que significaría que en una situación normal debería de haber disminuido en forma importante la inflación. Esto es a lo que se refieren los economistas cuando dicen que los precios deberían responder a las condiciones cíclicas de la economía. Sin embargo, la crisis pandémica es muy distinta a una recesión típica y la reducción de los precios no ha quedado del todo manifiesta. En estos tiempos, queda claro que cambiaron la oferta y la demanda de la mayoría de los bienes y servicios, no obstante, cada sector y región tuvo un reacomodo distinto, minimizando el posible impacto de las medidas de política monetaria.

Otro factor a tomar en cuenta es que la política monetaria tradicional opera mediante el sistema financiero, en los canales de crédito y en cambios en los precios de los activos financieros. Por lo mismo, entre mayor profundidad financiera, penetración crediticia e inclusión financiera, mejor será el desempeño de la política monetaria en cuanto a su papel en contener las presiones inflacionarias. También, juega un papel importante el nivel de informalidad: entre mayor es la economía informal con relación a la formal, menos campo de acción tiene la política monetaria. Por último, la formación de precios refleja mejor la interconexión de la oferta y la demanda en mercados competitivos. Si existe una concentración bancaria en un país, el sistema financiero no va a responder adecuadamente a las señales de la política monetaria. Sin duda, México es un país con una profundidad financiera baja, una penetración crediticia limitada, una inclusión financiera disminuida, una economía informal muy grande y un sistema bancario muy concentrado en escasamente siete bancos.

Ante la poca efectividad de la política monetaria en los primeros cuatro canales de transmisión, resulta importante resaltar el papel del último canal, el de expectativas. Para su buen funcionamiento es clave mandar señales claras, firmes y transparentes en cuanto a qué se quiere lograr. La finalidad es “anclar” las expectativas lo más cercano al objetivo puntual y permanente de 3.0%. Si las expectativas giran siempre alrededor de 3.5% (como es el caso para el mediano y largo plazos), lo más seguro es que la inflación va a converger a esa tasa y no al objetivo puntual. Por lo mismo, es fundamental que el Banco mantenga credibilidad en sus acciones.

¿Qué debemos esperar de la inflación en estos próximos años? En la resaca de la pandemia, estaremos viviendo las secuelas de las distorsiones mencionadas. Es muy probable que la inflación vaya a iniciar una lenta trayectoria a la baja en lo que resta del año y en la medida que los efectos de la pandemia se vayan disipando, deberíamos ver el regreso a una cierta normalidad el año entrante. No obstante, es probable que el camino de esta inflación pandémica sea largo y sinuoso, por lo que no será fácil. Es en este contexto que un entendimiento profundo de los efectos de la pandemia en los indicadores económicos es crucial.

7

⁴⁶ El texto fue escrito por Alejandro Díaz de León, gobernador del Banco de México. También se recomienda consultar la información publicada por el Banco de México en: Enlace

Bibliografía

Aguilar, Ana María, Alcaraz, Carlo, Ramírez, Claudia & Rodríguez, Cid (2021), “The NAIRU and informality in the Mexican labor market”, Estudios Económicos de El Colegio de México, 36(1): pp. 177-230, Enlace

Alloway, Tracy & Weisenthal, Joe (2021a), “Why Tracy Can’t Ship a Teddy Bear from Hong Kong to the U.S. Right Now”, Odd Lots podcast en Bloomberg, 14 de junio, Enlace

Alloway, Tracy & Weisenthal, Joe (2021b), “The Trucking Episode: Why the Industry Is Such a Mess”, Odd Lots podcast en Bloomberg, 21 de junio, Enlace

Antón, Arturo (2010), “El problema al final de la muestra en la estimación de la brecha del producto”, Economía mexicana Nueva época, 19(1): pp. 5-29, Enlace

Ball, Laurence & Mankiw, N. Gregory (2002), “The NAIRU in Theory and Practice”, Journal of Economics Perspectives, 16(4): pp. 115-136, Enlace

Banxico (2017a), “Consideraciones sobre la Evolución Reciente de la NAIRU y de la Holgura del Mercado Laboral en México”, Informe Trimestral Octubre-Diciembre 2016, pp. 45-49, Banco de México, México, Enlace

Banxico (2017b), “La Inflación Subyacente Fundamental”, Informe Trimestral Octubre-Diciembre 2017, pp. 55-57, Banco de México, México, Enlace

Banxico (2019), “Indicadores de Inflación más Relacionados a Factores de Oferta”, Informe Trimestral Octubre-Diciembre 2019, pp. 53-56, Banco de México, México, Enlace

Banxico (2020), “Número de variedades de productos disponibles en sitios web de supermercado en el contexto de la pandemia de COVID-19”, Informe Trimestral Enero-Marzo 2020, pp. 69-71, Banco de México, México, Enlace

Banxico (2021a), Informe trimestral Abril-Junio 2021, Banco de México, México, Enlace

Banxico (2021b), Informe trimestral Enero-Marzo 2021, Banco de México, México, Enlace

Cavallo, Alberto (2020), Inflation with Covid consumption baskets, NBR Working Paper, n° 27352, National Bureau of Economic Research, Cambridge, Enlace

Corona, Francisco, González-Farías, Graciela & López-Pérez, Jesús (2021), “A nowcasting approach to generate timely estimates of Mexican economic activity: An application to the period of COVID-190”, Papers, n° 2101.10383, Enlace

Coutiño, Alfredo (2016), “Pitfalls in monetary policy decisions based on the output gap”, Journal of Policy Modeling, 38(1): pp. 54-64, Enlace

Eurostat (2020), “Guidance on the compilation of the HICP in the context of the covid-19 crisis”, Oficina Estadística de la Unión Europea, Luxemburgo, Enlace

Grigoli, Francesco, Herman, Alexander, Swiston, Andrew & Di Bella, Gabriel (2015), “Output gap uncertainty and real-time monetary policy”, Russian Journal of Economics, 1(4): pp. 329-358, Enlace

Heath, Jonathan (2020a), “Los Indicadores Económicos en Tiempos de Coronavirus”, El CEO, 31 de marzo, México, Enlace

Heath, Jonathan (2020b), “La Inflación en Tiempos de Coronavirus”, Periódico Reforma, 1 de abril, México, Enlace

Heath, Jonathan (2020c), “La Inflación en Tiempos de Coronavirus II”, Periódico Reforma, 15 de abril, México, Enlace

Heath, Jonathan (2020d), “El Mercado Laboral: Cambios Estructurales”, Forbes, 1 de julio, México, Enlace

Hendry, David & Clements, Michael (2003), “Economic forecasting: some lessons from recent research”, Economic Modelling, 20(2): pp. 301-329, Enlace

Jaume, David & Willén, Alexander (2012), “Oh Mother: The Neglected Impact of School Disruptions”, NHH Discussion paper, Enlace

Lahiri, Kajal & Monokroussos, George (2013), “Nowcasting US GDP: The role of ISM business surveys”, International Journal of Forecasting, 29(4): pp. 644-658, Enlace

Leyva, Gerardo & Páez, Olinca (2019), “Eficiencia de los indicadores tipo PMI publicados por INEGI e IMEF”, Realidad, Datos y Espacio, Revista Internacional de Estadística y Geografía, 10(2): pp. 4-25, Enlace

Loría, Eduardo, Valdez, Javier & Tirado, Raúl (2019), “Estimación de la NAIRU para México, 2002Q1-2018Q2”, Investigación Económica, 80(317): pp. 39-62, Enlace

Orphanides, Athanasios & Van Norden, Simon (2002), “The Unreliability of Output-Gap Estimates in Real Time”, The Review of Economics and Statistics, 84(4): pp. 569-583, Enlace

Pickert, Reade (2020), “Reliability of U.S. Economic Data could take hit from virus”, Bloomberg, Enlace

Reinsdorf, Marshall (2020), “COVID-19 and the CPI: Is Inflation Underestimated?”, Working Paper, n° 2020/224, Fondo Monetario Internacional, Washington, D. C., Enlace

Tapia, Edwin, Ávalos, Joanna, Ahuactzin, Gabriela, & Cortés, Ivana (2021), “Consumidores Confinados e Inflación en Tiempos de Covid-19: El Caso de México”, en Impactos del COVID-19 en la Economía Mexicana: Estudios de índole social y económico, Lectorum/Instituto Tecnológico y de Estudios Superiores de Monterrey Campus Puebla, México.

Werner, Alejandro, Komatsuzaki, Takuji & Pizzinelli, Carlo (2021), “Short-term Shot and Long-term Healing for Latin America and the Caribbean”, IMF Blog, Fondo Monetario Internacional, Washington,
D. C., Enlace

Los indicadores en tiempos de pandemia