Modelo de crescimento económico: Otimalidade em recursos não renováveis

Modelo de crescimento económico: Otimalidade em recursos não renováveis Catarina Reis Belchior Campelo Orientada por: Professor Doutor Paulo José Abreu Beleza de Vasconcelos Professor Doutor Óscar João Atanazio Afonso Tese de Mestrado em Economia 2013 Breve Nota Bibliográfica Catarina Reis Belchior Campelo nasceu no Porto, Portugal, a 13 de Novembro de 1990. Licenciou-se em Matemática, com especialização em Matemática Aplicada na Faculdade de Ciências da Universidade do Porto, em junho de 2011. Em setembro de 2011, ingressou no Mestrado em Economia, na área de especialização de Modelação e Simulação Económica, na Faculdade de Economia do Porto. A nível da experiência profissional em prol do dinamismo e da proatividade, merecem destaque as explicações de Matemática no Ensino Secundário, lecionadas desde setembro de 2011 até ao presente ano letivo. Além disso, de setembro de 2012 a março de 2013, fez um estágio curricular na Ubiwhere, uma empresa que fornece serviços de consultoria e de desenvolvimento de software. Desta enriquecedora experiência, resultou o contributo para a criação de uma rede social para desportistas, o Playnify. Por último, de março a julho do corrente ano, lecionou aulas de apoio a Matemática II na Faculdade de Economia do Porto, a alunos dos Países Africanos de Língua Oficial Portuguesa (PALOP). ii Agradecimentos Sendo este trabalho o culminar de mais uma etapa do meu percurso académico, não posso deixar de agradecer a todos que, direta ou indiretamente contribuíram para que a sua realização fosse possível. Aos meus orientadores, Professor Doutor Paulo José Abreu Beleza de Vasconcelos e Professor Doutor Óscar João Atanazio Afonso, pela sua total disponibilidade e paciência no notável acompanhamento deste projeto, pela partilha de conhecimentos, pela constante motivação e fonte de estímulo, indispensável na concretização deste trabalho. À minha família, em especial aos meus pais e ao meu irmão, pelo amor e apoio incondicional ao longo de toda a minha vida. Ao Diogo, pela incansável compreensão e confiança que, ao meu lado, sempre me transmitiu. A todos os meus amigos, por todo o carinho e companheirismo e pelas palavras sempre amigas. A todos, o meu mais sincero, agradecimento. iii Resumo Neste trabalho, apresentamos uma implementação numérica para o modelo Dasgupta-Heal-Solow-Stiglitz (DHSS) que representa uma economia com um stock de capital humano e um stock de recursos não renováveis. Este modelo é muito importante em crescimento económico pois compreende características usadas noutros modelos mais complexos. Modelos económicos com processos de otimalidade, conduzem a sistemas de equações diferenciais; no caso vertente, a um problema de valores fronteira. Em geral, este tipo de modelos não apresenta solução fechada, sendo apenas possível a sua resolução por métodos numéricos. No entanto, a versão do modelo DHSS a apresentar tem solução analítica (devido a Benchekroun e Withagen, 2011). Porém, uma extensão deste modelo, de crescimento endógeno com recursos não renováveis, pode já não ter uma solução fechada ou, pode ser muito difícil de obter. Note-se que a formulação analítica da solução é de tal forma complexa que inviabiliza a sua interpretação económica. Nesse sentido, com uma solução numérica, temos a capacidade de generalizar o modelo considerando outras variáveis económicas importantes, ou tomando novos cenários fundamentados no modelo base ou endogeneizando variáveis exógenas. Serão apresentados os resultados numéricos (implementados computacionalmente usando um software adequado – Matlab), juntamente com a sua interpretação económica. Classificação JEL: E20, O11, Q30, C65 Palavras-Chave: Recursos não renováveis, Modelo Dasgupta-Heal-Solow-Stiglitz, Crescimento Económico iv Abstract In this thesis we present a numerical implementation for the Dasgupta-HealSolow-Stiglitz (DHSS) model, which represents an economy with man-made capital and nonrenewable resources stock. This model is very important for economic growth since it includes features used in other, more complex, models. Economic models with optimality processes lead to systems of differential equations, in the case at hand, a boundary value problem. Generally, this type of model presents no closed form solution, and its resolution is only possible through numerical methods. However, the version of the DHSS model to present has a closed solution, which is already known (due to Benchekroun and Withagen, 2011). Still, an extension of this endogenous growth with exhaustible resources model may not have a closed solution or it may be very difficult to obtain. Note that the analytical formulation of the solution is so complex that inhibits its economic interpretation. Therefore, with a numerical solution we gain the ability to generalize the model considering other relevant economic variables, either by considering new frameworks based on this baseline model or by endogenizing some of the exogenous variables. Numerical results (computationally implemented using appropriate software - Matlab) will be presented, along with their economic interpretation. JEL Classification: E20, O11, Q30, C65 Key words: exhaustible resources, Dasgupta-Heal-Solow-Stiglitz economy, economic growth v Índice 1 Introdução ............................................................................................................ 1 2 Descrição e pressupostos do modelo Dasgupta-Heal-Solow-Stiglitz (DHSS) ....... 4 2.1 Otimização do modelo: condições de primeira ordem .................................... 6 2.2 Dedução do modelo: Computação Simbólica ................................................. 9 3 Resolução do modelo DHSS ............................................................................... 13 4 Simulação do modelo DHSS .............................................................................. 18 4.1 Apresentação dos resultados ........................................................................ 19 4.2 Análise e discussão dos resultados ............................................................... 24 5 Conclusão ........................................................................................................... 27 6 Apêndice ............................................................................................................ 29 6.1 Dedução do Hamiltoniano com duas restrições ............................................ 29 7 Referências Bibliográficas .................................................................................. 38 vi Lista de Figuras 1 Solução numérica obtida através do bvp4c para rendimentos crescentes à escala: !=0.6, !=1,!=0.03 , !=1, !!=1 e !!=0.5 (consumo inicial inferior à taxa de consumo maximin) 21 2 Solução numérica obtida através do bvp4c para rendimentos crescentes à escala: !=0.6, !=1, !=0.03 , !=1, !!=1 e !!=0.1 (consumo inicial superior à taxa de consumo maximin) 22 3 Solução numérica obtida através do bvp4c, para rendimentos crescentes à escala: !=0.6, !=1,!=0.03 , !=1!, !!=1 e !!=0.1825 (consumo inicial igual à taxa de consumo maximin) 22 4 Solução numérica obtida através do bvp4c, para rendimentos constantes à escala: !=0.7, !=0.3, !=0.03 , !=1, !!=1 e !!=0.5 24 5 Incremento ∆! e primeira variação !" do funcional ! (retirado de Naidu, 2003) 30 6 Sistema de valores finais livres de tempo e estado, em que se pretende representar as perturbações efetuadas no vetor estado !!=!!∗!+!"(!) e no vetor controlo !!=!!∗!+!"(!) (retirado de Naidu, 2003) 32 1 1 Introdução Ao longo da história da teoria económica desenvolveram-se várias teorias de crescimento económico. Das diversas correntes desenvolvidas é de frisar a corrente clássica (David Ricardo, Thomas Malthus, Adam Smith), a corrente keynesiana (Harrod e Kaldor), a corrente neoclássica (Solow) e, na lista desta última, ainda a corrente de crescimento endógeno (Lucas e Romer). Sintetizando as principais características das várias teorias, importa salientar que a corrente clássica defende um limite máximo ao crescimento que pode ser imposto por diversas barreiras, como, por exemplo, espaço insuficiente de cultivo e escassez de nutrientes. A corrente keynesiana sustenta o facto de que o nível de investimento influencia diretamente a poupança de cada país e, consequentemente, o ritmo de crescimento do seu produto interno bruto (PIB). Já para a corrente neoclássica o crescimento é explicado pelo investimento durante a transição para o estado estacionário sendo que, nesse estado, o crescimento positivo só pode ser sustentado pelo progresso técnico exógeno. O modelo de crescimento ótimo de Ramsey-Cass-Koopmans (RCK) pertence a esta corrente; todavia, difere do modelo seminal de Solow-Swan, pois a poupança é calculada endogenamente. Por último, na teoria do crescimento endógeno, tal como o nome indica, o crescimento económico é explicado pelo próprio modelo (Groth, 2007), podendo o motor de crescimento ser o progresso técnico e/ou a acumulação de capital humano. De facto, o modelo neoclássico RCK com horizonte temporal infinito, tem como base a maximização da utilidade intertemporal e foi o ponto de partida para os modelos de crescimento económico neoclássicos mais contemporâneos. É o caso do modelo em estudo ao longo desta dissertação, o denominado modelo de Dasgupta-Heal-Solow-Stiglitz (DHSS) que, comparativamente com o modelo RCK, corresponde ao caso em que nem a função de produção (que também é neoclássica e, portanto, apresenta rendimentos constantes à escala, produtividade marginal dos inputs positiva mas decrescente e condições de Inada satisfeitas), nem a função utilidade dependem da taxa de extração de recursos não renováveis ou do stock de recursos não renováveis. O que corresponde a dizer que a finitude dos recursos naturais é considerada como economicamente irrelevante no 2 contexto de crescimento; isto é, no comportamento de longo prazo da economia (Barro e Sala-i-Martin, 1999). Neste trabalho abordamos então o modelo DHSS, um modelo canónico de uma economia com restrição nos recursos. O interesse em abordar este modelo, reside no facto de, contrariamente à maior parte dos modelos económicos, este apresentar uma solução fechada. Esta solução, muito complexa, depende de uma função especial, a função exponencial integral. Esta função pertence a uma família especial de funções, muito utilizadas na física e na matemática uma vez que são particularmente úteis para encontrar soluções de equações diferenciais em temáticas dessas áreas de estudo (Temme, 1996). Já na área da teoria económica o seu uso é relativamente recente. Boucekkine e Ruiz-Tamarit (2008) foram responsáveis pela demonstração da solução no modelo de Lucas-Uzawa, um modelo de crescimento endógeno, através de famílias de funções especiais. E, segundo estes autores, o modelo DHSS é a chave para a análise da dinâmica dos problemas económicos, a caracterização das dinâmicas de transição e o estudo dos vários valores possíveis para as variáveis de estado. Por todas estas razões, este trabalho também serve para mostrar que uma solução numérica não é menos interessante que uma analítica, sobretudo quando a existência da solução analítica implica uma grande complexidade na relação entre as funções, destacando-se a necessidade de conhecer, neste caso, a função exponencial integral e, consequentemente, a manipulação de várias expressões algébricas matematicamente muito complexas. Em consequência, a solução apresentada pelos autores Benchekroun e Withagen (2011) no modelo DHSS, sendo muito complicada e difícil de obter, não é por si só clarificadora de certas qualidades de interpretação económica pois não fornece informação qualitativa reveladora dessas potenciais características. Por seu lado, não sendo requerida uma solução exata, a aproximação numérica à solução, complementada pela sua representação gráfica, fornece ao economista capacidades de interpretação e de discussão de cenários. Ness sentido, este modelo foi implementado em Matlab, um software considerado indicado pois possibilita, para além da resolução numérica do problema, uma fácil interpretação dos resultados, através de representações gráficas elucidativas. Tendo em conta que na maioria dos modelos não é possível obter a solução analítica devido à complexidade do problema, cria-se a necessidade de desenvolver 9 Usando a equação obtida anteriormente em (2.18), obtêm-se a equação de Euler do consumo, ou seja, a trajetória do consumo: !! !!= 1 ![!!!!!!!!!!!−!] (2.21) ⇔!!= 1 ![!!!!!!!!!!!−!]!! (2.22) Por outro lado, para obter a equação !(!)!(!) basta fazer um exercício semelhante. Começando por aplicar logaritmos à equação (2.12), vem que: ln!(!!)=!ln!(!!1−!!!!!!!!) (2.23) E de seguida, derivando em ordem a !: !(!) !!=−! !! !!− !! !!+! !(!) !! (2.24) ⟺! !! !!=− 1 ! !! !!− !! !!−! !! !! (2.25) Por último, recordando as expressões (2.2), (2.14) e!(2.20) e fazendo as respectivas substituições na equação anteriormente obtida, vem que: !! !!=− 1 !!−!−!!!!!!!!!!!−! !(!) !(!) (2.26) ⟺! !! !!=− !(!) !(!) (2.27) ⟺!!!=− !(!) !(!)!! (2.28) 2.2 Dedução do modelo: Computação Simbólica O Matlab (MATrix LABoratory) é um programa de cálculo numérico que pode ser usado interativamente. Embora na sua versão base o Matlab já possua um vasto conjunto de funções de caráter genérico, existem várias bibliotecas de funções adicionais (designadas por toolbox) que expandem as suas capacidades em domínios de aplicação mais específicos. Nesse sentido, a toolbox simbólica é 10 muito útil para verificar problemas de cálculo pois permite trabalhar com funções na forma simbólica, retornando uma solução analítica para os problemas. Em geral, existem duas formas de tratar as expressões simbólicas: utilizando strings ou objetos simbólicos. Estes últimos são uma classe definida pelo Matlab que permite a manipulação através de funções específicas do symbolic toolbox. Ora, o Matlab pode ser usado para resolver as condições de primeira ordem atrás apresentadas (secção 2.1 deste trabalho). Ilustra-se, para a maior parte dos cálculos, o uso desta potencialidade pois permite obter e/ou comprovar cálculos intermédios necessários à resolução do modelo. Para o efeito é necessário implementar variáveis simbólicas e isso pode ser facilmente descrito usando o comando syms. Por exemplo, C, theta, lambda, K, alfa, R, mu, dlambda, rho são definidas como variáveis simbólicas pelo que não precisam de guardar um valor predefinido como no processamento numérico: syms C theta lambda K alpha R mu dlambda rho %múltiplas variáveis simbólicas H = (C.^(1-theta)-1/(1-theta))+lambda*(K.^alpha*R.^(1-alpha)-C)- mu*R dHdc = diff(H,C) dHdr = diff(H,R) dHdk = diff(H,K) sol_lambda=solve(1/C^theta - lambda,lambda) sol_mu=solve(- mu - (K^alpha*lambda*(alpha - 1))/R^alpha,mu) sol_dlambdadt= solve(K^(alpha - 1)*R^(1 - alpha)*alpha*lambda - rho*lambda + dlambda,dlambda) Output dos comandos executados: dHdc = 1/C^theta - lambda dHdr = - mu - (K^alpha*lambda*(alpha - 1))/R^alpha dHdk = K^(alpha - 1)*R^(1 - alpha)*alpha*lambda sol_lambda = 1/C^theta sol_mu = -(K^alpha*lambda*(alpha - 1))/R^alpha sol_dlambdadt = lambda*rho - K^(alpha - 1)*R^(1alpha)*alpha*lambda A derivação de uma expressão simbólica usa a função diff. É uma boa prática atribuir um nome a cada resposta, em vez de deixar o Matlab atribuir o ans que é um padrão que se altera de cada vez que é obtida uma nova resposta. Desta forma, dHdc é apenas um nome que dá uma indicação do cálculo que está a ser pedido, neste caso em particular, a derivada do Hamiltoniano em ordem a C. Um raciocínio análogo foi feito para as restantes derivadas. 11 Por sua vez, o comando solve resolve simbolicamente equações algébricas e tal como referido anteriormente, as equações e as variáveis desconhecidas deverão ser expressões simbólicas ou strings. Com o objetivo de obter a equação de Euler do consumo, começamos por aplicar logaritmos à equação !!=!!!!!2.11 !e, posteriormente, derivamos em ordem a !. Obtemos então: lambdat=sym ('lambda(t)') dg1= diff(log(lambdat)) ct= sym ('c(t)') thetat= sym ('theta') dg2=diff(log(ct^-theta),t) O Matlab pode realizar operações mais avançadas sobre expressões simbólicas, nomeadamente, a exibição dos resultados de uma forma mais fácil de enxergar usando a função pretty. Desta forma, facilmente se conclui que igualando os outputs dos comandos executados anteriormente, isto é, !"1 a !"2 chegamos à expressão pretendida: dg1 = diff(lambda(t), t)/lambda(t) pretty(dg1) diff(lambda(t), t) ------------------ lambda(t) dg2= -(theta*c(t)^theta*diff(c(t), t))/c(t)^(theta + 1) pretty(dg2) theta theta c(t) diff(c(t), t) - ----------------------------- theta + 1 c(t) Por último, para obter a equação de Euler do consumo, !! !! =! !!!!!!!!!!!!−!!(2.21)basta substituir a equação !! !! =!−!!!!!!!!!!!+!!(2.20) na expressão que calculamos anteriormente. Para isso, usamos a função subs que efetua a substituição de uma variável por um número (ou outra variável). 12 syms theta alpha rho lambdat=sym ('lambda(t)') dg1= diff(log(lambdat)) kt=sym ('k(t)') rt=sym ('r(t)') subs(dg1,'diff(lambda(t), t)/lambda(t)',-alpha*kt^(alpha-1)*rt^(1alpha)+rho)*(-1/theta) eq_euler = -(rho - alpha*k(t)^(alpha - 1)*r(t)^(1 - alpha))/theta Por último, para obter a equação !(!)!(!) basta derivar a expressão ln !!=ln !!1−!!!!!!!!(2.23) em ordem a !. syms alpha mut=sym ('mu(t)') lambdat=sym ('lambda(t)') rt=sym ('r(t)') kt=sym ('k(t)') f=log(mut)-log(lambdat*(1-alpha)*rt^(-alpha)*kt^alpha) diff(f) dfdt=diff(mu(t), t)/mu(t) - (r(t)^alpha*((k(t)^alpha*(alpha - 1)* ... diff(lambda(t), t))/r(t)^alpha + (alpha*k(t)^(alpha - 1)* ... lambda(t)*(alpha - 1)*diff(k(t), t))/r(t)^alpha - ... (alpha*k(t)^alpha*lambda(t)*(alpha - 1)*diff(r(t), t)) ... /r(t)^(alpha + 1)))/(k(t)^alpha*lambda(t)*(alpha - 1)) No Matlab é possível manipularmos expressões que, além de números e variáveis numéricas, contêm também variáveis simbólicas. Assim, usando a função simplify no resultado que obtemos anteriormente chegamos à equação (2.25), que tem como argumento de entrada e de saída uma expressão simbólica. Através das substituições consideradas adequadas (e descritas em detalhe na secção 2.1), obtemos a equação (2.27) tal como pretendido. 13 3 Resolução do modelo DHSS Neste capítulo vamos ilustrar como se transforma o problema de otimização em estudo num sistema de equações diferenciais, com condições iniciais e finais. Serão tecidas algumas considerações sobre a solução fechada apresentada em “The optimal depletion of exhaustible resources: a complete characterization” pelos autores Benchekroun e Withagen (2011). Solow (1974) teve um contacto primordial na análise do modelo DHSS. Começou por aplicar o critério maximin no contexto do modelo DHSS; ou seja, escolhe-se a melhor alternativa para o consumo entre as piores opções de todas as alternativas. Por outras palavras, o critério maximin baseia-se numa visão pessimista e conservadora no sentido em que toma em atenção os piores resultados de cada alternativa. As funções Cobb-Douglas têm uma propriedade importante pois cada input (por exemplo, a extração de recursos não renováveis) é essencial para a produção de um output positivo na produção de uma única commodity. Na verdade, não é possível que um recurso esgote e que a economia continue a ter um output de consumo positivo. Com efeito, no caso de o objetivo ser maximizar a taxa mínima de consumo de todo o horizonte de tempo, a questão central é se apesar da limitação dos recursos, existe uma taxa constante de consumo positivo (Solow, 1974). Os autores Benchekroun e Withagen (2011) dão, caso raro, uma solução fechada para este modelo. Acontece que a solução foi expressa em termos de uma função especial designada exponencial integral que segundo Abramowitz e Stegun (1972) e Temme (1996) pode ser definida como: ! !!=!!!"!!!!" ! ! A função ! !! é estritamente decrescente. Além disso, !!! e !!! são casos particulares da exponencial integral que podem ser reescritos como: !!!= !!! ! !!!=!!!"!!!!" ! ! 14 Os autores, Abramowitz e Stegun (1972) assim como Temme (1996), definem a exponencial integral com ! sendo um número inteiro e com !" !>0. Desta forma, pela definição, concluímos que ! tanto pode ser um número real como um número complexo. Contudo, na análise efetuada por Benchekroun e Withagen (2011), ! foi considerado real. Construímos uma relação de recorrência no Matlab de forma a considerar vários valores de ! inteiro. Fica desde já apontada esta grande limitação. Os autores afirmam que ! pode ser real, mas a caracterização da função exponencial integral, apenas é apresentada para ! inteiro (aliás, esta relação de recorrência apenas existe para ! inteiro). function eival=ei(beta,z) % exponencial integral de ordem beta (não negativo) % produz o valor em z, ei(beta,z), usando a relação de recorrência % E_(beta +1)(z)=1/ beta[exp(-z)-z*E_beta(z)], beta =1,2,3,... % E_ beta(0)=1/(beta -1), beta=2,3,... if beta <1, disp('only for beta >=1'); return; end if z==0 eival=1/( beta -1); else eival=expint(z); for i=2: beta eival=1/(i-1)*(exp(-z)-z*eival); end end A implementação do código anterior foi feita com base no livro “Handbook of Mathematical Functions” de Abramowitz e Stegun (1972) onde a relação de recorrência é dada por ! !!!!=! !!!!−!! !(!) (!=1,2,3…) e, portanto, ! !0=! !!! !(!>1). Note-se ainda que a função expint avalia o integral exponencial para cada elemento !. A resolução numérica do modelo não carece da função exponencial integral; ela surge na expressão analítica da solução. Assim, em seguida, resolvemos numericamente o sistema diferencial, destacando a sua implementação em Matlab. Efetivamente, uma solução numérica pode dar resposta a modelos mais complexos; com grande probabilidade, alguma alteração ao modelo conduzirá a uma solução fechada (se existir) onde a função exponencial integral pode já não fazer parte. Ainda no decurso do presente trabalho, iremos recuperar a solução dos autores Benchekroun e Withagen (2011) 15 para !=1, contudo, não é explicado como se obtém estas funções para valores não inteiros de ! o que restringe muito a análise do problema. Porém, além de reproduzir os cenários do trabalho original, conseguimos ainda simular outros, tal como será ilustrado no capítulo 4. dydt = [y(1)^alpha*y(4)^(1-alpha)-y(3); -y(4); 1/eta*(alpha*y(1)^(alpha-1)*y(4)^(1-alpha)-rho)*y(3); -y(3)/y(1)*y(4) ]; Este sistema diferencial foi construído com base nas equações exploradas e implementadas no capítulo 2, em particular, as equações (2.2),!(2.3), (2.22) e (2.28) relativas ao !!,!!!, !! e !!, respetivamente. Recordando, !(!)=!!!!(!)!!!−!(!) !!=!−!(!) !!= 1 ![!!!!!!!!!!!−!]!! !!=− !(!) !(!)!! Facilmente se conclui que o vetor linha ! é dado por !=[!!!!!!!] e, portanto, a primeira entrada do vetor corresponde a !(!) e a última entrada a !(!), já que um vetor é definido através da colocação de uma sequência de parâmetros dentro de parêntesis retos. Para que o problema fique bem definido matematicamente falta apenas especificar as condições iniciais e finais. Tratando-se este de um problema de valor fronteira, para um momento inicial t0, considera-se K(t0)=K0 e S(t0)=S0; para condição final em tT, considera-se C(tT)=Css e R(tT)=-Rss (sendo Css e Rss os valores em steady-state calculados numericamente através da função fsolve – responsável pela resolução de sistemas de equações não lineares). Além disso, para complementar a análise do modelo DHSS efetuada no capítulo que se segue, consideramos ainda a taxa de consumo que resolve o seguinte problema: 16 max ! min !(!) sujeito a !(!)=!!!!(!)!!!−!(!) !!=!−!(!) com!!!0=!!>0 e !0=!!>0 O critério maximin preocupa-se em encontrar o maior consumo constante possível que possa ser mantido para sempre. Ou, por outros palavras, maximizar a utilidade de todas as gerações é o mesmo que maximizar a utilidade apenas da geração mais pobre. Assim, com ! ! <!<1, Solow em 19742, mostrou que a solução para este problema é dada por !, que designa a taxa maximin do consumo: !=!(2!−1) !!! !!! !!! !!! !!!! ! Esta função descreve a capacidade da economia para sustentar o stock de !(!) e!!(!) no longo prazo uma vez que, para manter o consumo a este nível é necessário que o investimento em capital compense o esgotamento dos recursos (Hartwick, 1977). Na otimização dos modelos que incluem os recursos não renováveis, a forma como a utilização dos recursos é feita pelas várias gerações é um tema muito debatido. Uma das suposições implícitas na teoria do crescimento económico usual é que os indivíduos são todos iguais, não só na geração atual, mas em todas as gerações futuras. Ou seja, considera-se que a geração atual sente-se igualmente satisfeita em poupar uma determinada quantidade de recursos para a geração futura ou em consumir o recurso no presente, contando que esse consumo para a geração futura seja descontado a uma determinada taxa de juro. Conclui-se assim que, hipoteticamente, as gerações são constituídas por indivíduos semelhantes em termos de interesses e de função utilidade. A principal crítica deste critério é que desconta o consumo futuro. Ou seja, é intuitivo pensar na solução com base nesse critério, o que favorece o consumo presente relativamente ao consumo futuro. Ora, em linha de pensamento com este raciocínio resultaria um consumo inicial para o qual qualquer taxa de consumo seria sustentável ao longo do tempo, o que de facto, na sua generalidade, não é 2 Para informação adicional da dedução da taxa de consumo maximin, consultar Solow (1974). 17 verdade, tal como foi demonstrado por Benchekroun e Withagen (2011). Basta pensar no stock de capital que uma economia teria que ter para que a pobreza não fosse perpetuada, já que, o critério maximin é inteiramente dependente das condições iniciais da economia. Consequentemente, quando a economia fosse rica, ela tenderia a permanecer rica, mas pelo contrário, se fosse pobre, tenderia a permanecer pobre. 18 4 Simulação do modelo DHSS Como na maioria dos modelos de crescimento económico, o modelo em estudo apresenta um grau de complexidade muito elevado o que dificulta a determinação da solução analítica. Aliás, pode não existir uma solução fechada. Como consequência, é necessário recorrer a métodos numéricos que permitem obter uma solução aproximada. Uma vez mais, o Matlab foi o software utilizado já que dispõe de múltiplas funções que auxiliam na implementação e simulação do problema DHSS. Nomeadamente, as funções bvp4c e bvp5c que resolvem problemas de valor fronteira para sistemas de equações diferenciais ordinárias. O bvp4c usa um método de diferenças finitas que aplica a fórmula de Lobato de três estágios. Assim, este solver é de quarta ordem uma vez que usa um polinómio dessa ordem para fornecer uma solução. Existe ainda o bvp5c, de ordem superior, bastante semelhante ao anterior já que também utiliza o método das diferenças finitas e usa a fórmula de Lobatto a quatro estágios. Ao bvp5c está associado um polinómio de quinta ordem que fornece uma solução ao implementar, implicitamente, a fórmula de Range-Kutta. Como a implementação da rotina destas duas funções é muito semelhante e ambas constam na versão standard do Matlab, ao longo deste trabalho, o solver bvp4c foi o eleito para simular as várias situações em estudo, como veremos em seguida. Note-se, contudo, que o método numérico mais recente e cujos autores pretendiam que fizesse parte do Matlab para a resolução de equações diferenciais ordinárias foi desenvolvido por Hale (2006) e denomina-se por bvp6c. Esta função, mais complexa que as supra indicadas acima, usa o método Cash-Singhal (em substituição ao método de Lobatto) com precisão de sexta ordem pois foi desenvolvida com base no bvp4c numa tentativa de melhorar a sua precisão. Como consequência, esta função mais recente é tão robusta quanto a anterior, mas mais eficiente para a maioria dos problemas. Requer assim o aumento dos pontos avaliados no intervalo, para que eles sejam menos espaçados (isto é, exige menos pontos de malha interna para alcançar a precisão estabelecida). Em suma, o algoritmo implementado pelo bvp6c é um prolongamento quase direto para o bvp4c e, como tal, a sua aplicação é quase idêntica, a menos de algumas rotinas que são alteradas somente quando necessário, para manter a precisão de sexta ordem. 25 aumentar para compensar. Intuitivamente, quanto mais caros os equipamentos de produção, mais eficiente pode ser a utilização e extração de recursos. Este mecanismo é um dos principais focos do modelo DHSS, que tal como vimos, trata-se de uma extensão do modelo de crescimento neoclássico para explicar o papel dos recursos não renováveis. Além disso, verifica-se que no âmbito do objetivo ser maximizar a taxa mínima de consumo de todo o horizonte temporal, apesar da limitação dos recursos, existe uma taxa para o qual o consumo é positivo como é evidenciado ao longo dos vários cenários, com diferentes rendimentos à escala. Os vários cenários ilustrados para rendimentos crescentes à escala, verificam os resultados reproduzidos analiticamente pelos autores Benchekroun e Withagen (2011), o que revela que foram conseguidas boas aproximações numéricas. Complementarmente, os resultados evidenciam a queda do nível de consumo, no longo prazo, com a natural e inevitável diminuição do stock de recursos não renováveis. Relembrando que os recursos não renováveis não tem nenhum processo de regeneração natural (pelo menos, não dentro de uma escala de tempo relevante), a extração de modo contínuo por unidade de tempo destes recursos, terá inevitavelmente que diminuir e aproximar-se de zero ao longo do tempo (como aliás é constatado na reprodução da trajetória !(!) nos múltiplos casos em estudo). Note-se, contudo, que tanto !(!) como !(!) não chegam a atingir valores negativos, tal como assumimos na descrição do modelo (secção 2). Assim, como vimos nos resultados gráficos obtidos em Matlab, elevadas taxas de consumo diminuem ao longo do tempo e baixas taxas de consumo aumentam monotonicamente durante um intervalo de tempo inicial, atingindo o seu máximo e entrando depois em declínio. Ora, a literatura comprova essas evidências gráficas já que para a caracterização da solução do problema de DHSS, foi demonstrado sem solução explícita que o consumo atinge um único pico (Pezzey e Whithagen, 1998; e Hartwick e Tian, 2003). Ainda por visualização gráfica, a taxa de crescimento vai crescendo significativamente até esse pico. Posteriormente, verifica-se um decréscimo gradual da taxa de crescimento. Usando a razão do stock dos recursos como um indicador da abundância dos recursos, é possível constatar que o consumo inicial começa abaixo da taxa de consumo maximin se e só se o recurso é abundante o suficiente. 26 A par disso, verifica-se ainda que não é necessariamente a geração atual a que mais beneficia. É ainda de referir que, ao longo da descrição da dinâmica desta economia, apenas foram apresentados os cenários das trajetórias das variáveis do modelo para determinados valores do espectro de valores admissíveis para ! e !. Mesmo esta análise tendo sido complementada com resultados além dos reproduzidos no artigo de Benchekroun e Withagen (2011) e, apesar deste modelo afirmar a sua aplicabilidade para modelos de crescimento económico, trata-se de um modelo numericamente muito instável. Nesse sentido, os resultados obtidos, a apresentação das conclusões e a afirmação das limitações deixam bem clara a necessidade de mais investigação futura neste domínio. Consequentemente, a título de exemplo, a investigação de Mitra (1983) merece algum destaque. Este autor considerou o mesmo modelo, em tempo discreto, com um recurso não renovável e com uma tecnologia Cobb-Douglas; e provou que é viável o consumo per capita não diminuir sob a óptica de um crescimento quasi-arithmetic3 da população. Desta forma, este autor dá continuidade ao tema em estudo e generaliza as condições para a viabilidade de uma taxa de consumo positiva, que foi demonstrada por Solow (1974) e Stiglitz (1974) no caso em que não há crescimento da população nem progresso tecnológico (tal como a versão do modelo DHSS apresentada). 3 Para informação adicional da definição de crescimento quasi-arithmetic da população consultar Asheim et al. (2007). 27 5 Conclusão O objetivo global desta dissertação consistiu em estudar, detalhadamente, um modelo de crescimento económico, tendo a análise focada no modelo de Dasgupta-Heal-Solow-Stiglitz (DHSS). Trata-se de um modelo considerado muito importante na teoria do crescimento económico, já que incorpora características usadas noutros modelos com grau de complexidade superior. Para além da sua fundamentação teórica, este trabalho conta também com uma pormenorizada dedução matemática do modelo, com a sua resolução e implementação computacional. Desta forma, procuramos descrever e compreender detalhadamente o problema de otimização em estudo para explorar a solução com vista a ilustrar os padrões de consumo em função da abundância dos recursos. Em particular, concluímos que os resultados evidenciam a queda do nível de consumo, no longo prazo, com a natural e inevitável diminuição do stock de recursos não renováveis. Verificou-se ainda que elevadas taxas de consumo diminuem ao longo do tempo e baixas taxas de consumo aumentam durante um intervalo de tempo inicial, atingindo o seu máximo e entrando depois num período de diminuição gradual. Com vista a deixar em aberto a continuidade deste estudo, importa frisar as condições necessárias para evitar a queda do nível do consumo no longo prazo, apesar da irrevogável diminuição do uso de recursos. Com efeito, existem duas formas fundamentais de contrabalançar a extinção dos recursos (que podem ser entendidas como duas importantes extensões do modelo DHSS para investigação futura): a substituição do recurso não renovável por capital e a incorporação do progresso técnico. Para resolver o problema de valor fronteira, resultante do processo de otimização, foram usados métodos numéricos que constavam na biblioteca do software do Matlab. Embora a resolução numérica exija competências técnicas avançadas e algum conhecimento matemático (pois a resolução numérica do modelo não é trivial), estes requisitos são de uma dificuldade e complexidade incomparavelmente menores quando comparadas com a aridez das necessidades multidisciplinares requeridas no desenvolvimento de expressões funcionais em prol da obtenção da solução analítica. Não obstante a isso, mesmo que as soluções analíticas existam, tal como para o presente modelo, não dão qualquer 28 intuição de interpretação económica. Na verdade, a solução numérica é uma solução mais flexível pois pode adaptar-se de modo semelhante a extensões do modelo, perspetivando o uso indiscriminado dos métodos numéricos em estudo, na resolução de problemas de crescimento com fundamentação baseada no modelo DHSS. Definitivamente, a solução numérica deve ser fortemente valorizada dada a sua eficácia na aproximação da solução original, tal como constatado na reprodução da solução analítica. Nesse sentido, a componente numérica mereceu algum destaque neste trabalho pois na maioria dos modelos de crescimento económico não se dispõe de uma solução analítica, pelo que verifica-se a necessidade de recorrer a soluções numéricas para auxiliar na resolução do problema. Desta forma, este trabalho pode constituir um importante contributo no sentido em que pode permitir extrair conclusões para extensões do modelo em estudo, abrindo novas linhas de investigação. 29 6 Apêndice 6.1 Dedução do Hamiltoniano com duas restrições Neste apêndice, será apresentado o problema de controlo ótimo segundo o cálculo em variações. Nesse sentido, serão enunciadas algumas definições básicas bem como os formalismos Lagrangianos e Hamiltonianos necessários para a otimização. Neste apêndice, seguimos de perto as deduções em Naidu (2003). • Cálculo em Variações Com vista a resolver o problema em estudo (recordar equações 2.1!a 2.4 do capítulo 2) estudamos sistemas de controlo ótimo usando cálculo em variações. O cálculo em variações é um ramo da matemática que procura descobrir os extremos (máximos ou mínimos) de um funcional. Assim, é importante ter presente alguns conceitos básicos que iremos precisar ao longo deste capítulo nomeadamente, funcional, incremento e variação de um funcional. Comecemos por nos focar no conceito de funcional, que, em termos genéricos, pode ser pensado como uma função de uma função uma vez que um funcional depende de várias funções. Ou seja, uma quantidade variável ! é um funcional que depende da função !(!) e que pode ser representado como, !=!(!!), isto é, como se para cada função !(!) correspondesse um valor de !. Desta forma, verifica-se uma correspondência: para uma dada função !(!) existe um número !. Posteriormente, também iremos precisar de ter presente o conceito de incremento de um funcional, que iremos designar por!∆! e pode definir-se como, ∆!=!!!+!" !−!(!!), onde !" ! diz respeito à variação da função !!. Por último, iremos proceder à caracterização da variação de um funcional. Para isso, expandimos em série de Taylor !!!+!" !: ∆!=!!!+!" !" !" !+ 1 2! !!! !!!!" !!+⋯−!(!! =!" !" !" !+ 1 2! !!! !!!!" !!+⋯=!" +!!!+⋯ 30 onde !" =!" !" !" ! corresponde à primeira variação (ou simplesmente variação) e !!!=! !! !!! !!!!" !! à segunda variação do funcional !. Por outras palavras, a variação !" do funcional ! é a parte linear, em !" !, do incremento ∆!. A Figura 5 esclarece a relação entre incremento e variação de um funcional. Figura 5. Incremento ∆! e primeira variação !" do funcional ! (retirado de Naidu, 2003) • Abordagem variacional para um sistema de controlo ótimo Um sistema de controlo é um sistema dinâmico, que evolui no tempo e sob o qual podemos agir através de uma função de comando ou controlo. A teoria do controlo ótimo analisa as propriedades destes sistemas com o intuito de os deslocar de um determinado estado inicial para um dado estado final, respeitando as restrições impostas (Weber, 2011). Neste capítulo, iremos construir o Hamiltoniano pelas técnicas variacionais que foram usadas por Pontryagin e estão relacionadas com o principio mínimo. Comecemos por analisar o problema com uma função terminal, também denominado como problema de Bolza, em que existe uma função terminal adicionada à função funcional. O índice de desempenho representa um critério para aferir o comportamento do sistema uma vez que é composto por duas medidas de avaliação: uma associada ao estado final do sistema dinâmico e a outra associada à evolução do estado e do controle ao longo do horizonte de controle. Note-se que, !!,!! diz respeito ao intervalo de atuação do controle, 31 usualmente denominado por horizonte de controle. Formalizando matematicamente, o problema de Bolza do controlo ótimo consiste na maximização (ou minimização) de funcionais da forma !!!=!!!!,!!+!!!,!!,!!!" !! !! (6.1) sujeitos à restrição !!=!!!!,!!,!!(6.2) e às condições fronteira: !!!=!!; !! é fixo !!! é livre; !! é livre Neste problema de controlo ótimo geral, em tempo contínuo é ainda de referir que !!∈ℝ! e !!∈ℝ!, ou seja, !! e !! são vectores de dimensão ! e !, respectivamente, em que !! representa as variáveis estado (no caso em estudo, !(!) e !(!)), enquanto que !! representa as variáveis controlo (isto é, !(!) e !(!)). Antes de ilustrarmos o Princípio Máximo de Pontryagin, denotemos o seguinte: !" !!,!!" !" !! !! =!(!!,!)!! !!=!!!!,!!−!(!!!,!!) (6.3) Usando a equação (6.3) no índice de desempenho (6.1), obtêm-se outro funcional: !!!!=!!!!,!!,!+ !" !"! !! !! !"! !!!!=!!!,!!,!!!" !! !! +!!!!!,!!−!!(!!!,!!) (6.4) Observando o índice de desempenho expresso em (6.4), facilmente se verifica que desde que !(!!!,!!) seja uma quantidade fixa, ele é equivalente à optimização do índice de desempenho (6.1). No entanto, o valor ótimo dado por (6.1) é diferente do valor ótimo obtido em (6.4). Contudo, corresponde ao mesmo valor ótimo pois o nosso objectivo é somente encontrar o controlo ótimo. Nesse sentido, o valor ótimo é calculado usando o índice de desempenho descrito em (6.1) e não em (6.4), pelo que o funcional (6.1) fica reduzido a: !" (!!,!) !" = !" !" ! !!+ !" !" (6.5) 32 Em seguida, iremos enunciar as várias etapas do processo que nos vão permitir introduzir o Lagrangiano e posteriormente, o Hamiltoniano. I. Pressupostos das condições ótimas II. Variações dos vetores controlo e estado III. Multiplicadores de Lagrange IV. Lagrangiano V. Primeira Variação VI. Condições de extremo VII. Hamiltoniano Passemos então à descrição detalhada de cada uma das etapas. I. Pressupostos das condições ótimas Vamos assumir que as variáveis estado e controlo são ótimas em !∗(!) e !∗(!), respectivamente. Têm-se então que: !!∗(!)=!!∗(!),!∗(!),!!!" + !"(!∗(!),!) !" !! !! !" !∗!=!(!∗!,!∗!,!) (6.6) II. Variações dos vetores controlo e estado Figura 6. Sistema de valores finais livres de tempo e estado, em que se pretende representar as perturbações efetuadas no vetor estado !!=!!∗!+!"(!) e no vetor controlo !!=!!∗!+!"(!) (retirado de Naidu, 2003) 33 Considerando as variações especificadas anteriormente nos vetores controlo e estado, tal como ilustrado na Figura 6, vem que: !∗!+!!!=!!∗!+!" !,!∗!+!" !,! !!!=!!∗!+!" !,!∗!+!" !,!+ !" !" !!" !!!!"! !! (6.7) III. Multiplicadores de Lagrange Introduzindo o multiplicador de Lagrange !(!), também usualmente denominado por vetor co-estado e usando (6.5), obtemos o índice de desempenho aumentado, no ponto ótimo: !!!∗!=!!∗(!),!∗(!),!!!" + !" !" ∗ ! !∗!+ !" !" ∗ !! !! +!′(!)!!∗!,!∗!,!−!∗!!!" (6.8) e para qualquer outra condição perturbada vem que: !!!(!)=!!!∗!+!" !,!∗!+!" !,!+ !" !" ∗ ! !∗!+!!!+! !!!!!! !! !" !" ∗ +!′(!)!!∗!+!" !,!∗!+!" !,!−!∗!+!!(!)!"!!!!(6.9) IV. Lagrangiano No ótimo, a função Lagrangiano é dada por: ℒ=ℒ!∗!,!∗!,!∗!,!!,!! =!!∗!,!∗!,!+ !" !" ∗ ! !∗!+ !" !" +!!!!!∗!,!∗!,!−!∗!!(6.10) e para qualquer outra condição perturbada, vem que: ℒ!=ℒ!!∗!+!" !,!∗!+!!!,!∗!+!!" !,!!,! =!!∗!+!" !,!∗!+!!" !,!+ !" !" ∗ ! !!∗!+!!!+ 34 + !" !" ∗ +!!!!!∗!+!" !,!∗!+!" !,!−!!∗!+!!!!!!!!!!!!(6.11) Nesse sentido, o índice de desempenho aumentado no ponto ótimo e para qualquer outra condição é dado por: !!!∗!=!! !! !! ℒ!∗!,!∗!,!∗!,!!,!!!" =ℒ!!" !! !! !!!(!)=ℒ!!!" =!ℒ!!!" !! !! !!!!!! !! +!ℒ!!!" !!!!!! !! (6.12) Usando o Teorema do Valor Médio e o desenvolvimento em Série de Taylor e considerando apenas os termos lineares, têm-se que: ℒ!!!" !!!!!! !! =!ℒ! !! !!!! ≈!ℒ+ !ℒ !" ∗ ! !" !+ !ℒ !!∗ ! !!!+ !ℒ !" ∗ ! !" ! !! !!!!≈!ℒ!!!!!!!!!!!!!!!!(6.13)! V. Primeira Variação Para a concretização deste passo, depois de definir o incremento ∆!, estudado anteriormente, deve-se aplicar a expansão da série de Taylor e extrair a primeira variação !", mantendo apenas os termos de primeira ordem. Consequentemente, a primeira variação é dada por: ∆!=!!!!(!)−!!!!∗!=!! !! !! ℒ!−!ℒ!" +ℒ!!!!! !" =!! !! !! !ℒ !" ∗ ! !" !+ !ℒ !!∗ ! !!!+ !ℒ !" ∗ ! !" !!" +ℒ!!!!!!!!!!!(6.14) Agora, para se obter !!! como função de !" !, usamos a integração por partes ( !!!" =!" −!!!"), isto é, ! !! !! !ℒ !!∗ ! !!!!!" =! !! !! !ℒ !!∗ !! !" !" !!" =