Las matemáticas confirman el caos del mercado laboral español

El trabajo se publica en la revista ‘Chaos, Solitons & Fractals’

Las matemáticas confirman el caos del mercado laboral español

Las series temporales de desempleo en España presentan un comportamiento caótico, según un estudio de la Universidad de Sevilla. La existencia de este caos implica el carácter complejo e imprevisible de nuestro mercado laboral a largo plazo, aunque a corto se podría predecir con complejos modelos matemáticos.

“Mediante técnicas matemáticas hemos encontrado evidencias de caos en las series temporales de desempleo en España, lo que a nivel teórico explica su comportamiento inestable”, señala a SINC Elena Olmedo, investigadora de la Universidad de Sevilla y autora del estudio ¿Hay caos en el mercado laboral español? que publica la revista Chaos, Solitons & Fractals.

Olmedo explica que cuando un sistema es caótico su comportamiento es “altamente  complejo e impredecible a largo plazo” debido a que cualquier pequeña modificación se amplifica por el propio sistema. “Sin embargo, a corto plazo, se puede predecir, aunque para ello hay que utilizar modelos no lineales que capten la complejidad del comportamiento observado”.

Para realizar el estudio el INEM ha facilitado las series de parados en España a lo largo de 36 años, entre 1965 y 2001. Después, mediante dos algoritmos se ha calculado el denominado ‘máximo exponente de Lyapunov’. Este parámetro mide la inestabilidad de un sistema y, si es positivo, indica inestabilidad y comportamiento caótico.

Los resultados confirman la no linealidad y el carácter caótico del mercado laboral español, un primer paso para caracterizar las series del desempleo y explicar su realidad. La siguiente fase, en la que ahora trabajan los científicos, consiste en desarrollar las predicciones a corto plazo con los modelos matemáticos adecuados. En el caso de los investigadores sevillanos, actualmente trabajan con redes neuronales artificiales.

Modelos caóticos y ‘efecto mariposa’

En economía, para caracterizar y predecir el comportamiento de las series temporales, tradicionalmente se utilizan modelos lineales, pero suelen producir comportamientos muy simples que obligan a introducir perturbaciones aleatorias para que resulten más reales. Este es el motivo que ha llevado al equipo a optar por modelos no lineales y, en particular, por los caóticos.

Estas técnicas matemáticas tienen la propiedad de mostrar comportamientos muy diferentes a lo largo del tiempo ante variaciones infinitesimalmente pequeñas de las condiciones iniciales. Un ejemplo sería el conocido ‘efecto mariposa’, que plantea cómo el aleteo de uno de estos insectos en un territorio puede desencadenar un tsunami al otro lado del mundo.

“Con el uso de modelos caóticos se consiguen comportamientos tan complejos como la propia realidad, aunque tenemos que seguir investigando para conseguir las mejores herramientas que nos ayuden a caracterizarla y predecirla”, concluye Olmedo.