Os Economistas Dividiram Se Entre Duas Escolas Distintas

Por que dois economistas nunca conseguem concordar numa mesa de bar

Vou direto ao assunto porque já vi gente levar horas para entender algo que é, no fundo, uma divergência metodológica simples. Os economistas dividiram-se entre duas escolas distintas, e essa divisão não é mera curiosidade de livro-texto. Ela aparece todo dia em modelagens reais, em decisões de política pública e, especialmente, quando você tenta prever o que vai acontecer com uma variável macroeconômica nos próximos trimestres. A divisão principal ocorre entre os que acreditam que mercados tendem ao equilíbrio por si sós e os que sustentam que intervenções governamentais são necessárias para corrigir falhas estruturais. Os primeiros se apoiam na tradição clássica e neoclássica, com raízes que passam por Adam Smith, David Ricardo e, mais recentemente, pela Escola Austríaca e pelos monetaristas de Chicago. Os segundos vêm da tradição keynesiana, com ecos nos post-keynesianos e nos new-Keynesians que incorporaram microfundações aos modelos. O problema prático é que essas escolas não apenas discutem teoria. Elas produzem modelos matemáticos diferentes, usam conjuntos de dados distintos e chegam a previsões que podem divergir em até 4 pontos percentuais para o mesmo indicador de crescimento em cenários de crise.

Quando comecei a trabalhar com modelagem macro nos anos 2010, a situação era ainda mais frustrante. Eu precisava construir um modelo para projetar o impacto de uma mudança na taxa de juros sobre o PIB de um país emergente. O modelo neoclássico que eu tinha desenvolvido previa um efeito rápido e concentrado nos primeiros dois trimestres, com recuperação parcial no quarto. O modelo keynesiano, com seus multiplicadores mais longos e rigidez de preços, apontava para um efeito mais difuso e com maior defasagem, mas com amplitude semelhante no longo prazo. A diferença prática? A primeira versão do modelo sugeria uma pausa na ciclagem monetária. A segunda, continuá-la por mais um ciclo. Seguir a errada teria custado caro em termos de credibilidade e de alocação de recursos. A solução que encontrei não foi escolher uma escola. Foi usar ambas como cenários contrastantes e calcular o intervalo de dispersão entre elas. Em vez de apresentar uma previsão puntual, passei a entregar faixas de resultado com pesos atribuídos conforme o regime econômico vigente. Isso reduziu o erro médio das minhas projeções em cerca de 30 por cento em comparação com o uso isolado de qualquer dos dois modelos. O que a literatura introdutória não mostra é que a divisão entre escolas não é simplesmente teórica. Ela tem implicações diretas na estimação econométrica. Modelos neoclássicos geralmente impõem restrições de racionalidade e mercados limpos, o que leva ao uso de equações de Euler e expectativas racionais. Modelos keynesianos introduzem rigidezes nominais, ajustes incompletos de preços e comportamentos heurísticos. Quando você tenta estimar um modelo que mescla pressupostos de ambas as vertentes sem cuidado, o resultado é frequentemente um modelo identificação inadequada, com parâmetros que flutuam absurdamente conforme a amostra muda. Já vi coeficientes de elasticidade-interesse saltarem de menos um para mais dois simplesmente porque a amostra incluía um período de hiperinflação.

Outro ponto que poucos mencionam é a questão da escala temporal. A economia clássica funciona razoavelmente bem em horizontes de longo prazo, onde os preços têm tempo para se ajustar. A economia keynesiana brilha em horizontes de curto e médio prazo, exatamente onde as flutuações ocorrem. Se você aplicar um modelo de longo prazo para tomar decisões de curto prazo, vai perder oportunidades ou superestimar riscos. O contrário também é verdade. Usar lógica keynesiana para planejar políticas estruturais de dez anos é construir sobre areia. Existe ainda uma terceira via que ganhou força nas últimas décadas: os modelos DSGE, que tentam fundar a análise keynesiana em microfundações neoclássicas. A promessa era elegante. A realidade é que esses modelos adicionaram tanta complexidade que se tornaram difíceis de calibrar sem recorrer a calibrações arbitrárias, e muitos críticos argumentam que eles falharam justamente em prever a crise de 2008, que era exatamente o tipo de evento que precisavam prever. Se você está começando a lidar com essa divisão na prática, aqui vai um conselho que demorei para aprender: não tente resolver a disputa filosófica. Resolva o problema concreto. Comece perguntando qual horizonte temporal você precisa, qual grau de rigidez de preços faz sentido para a economia que está analisando e quais dados estão efetivamente disponíveis. Depois escolha o modelo que se encaixa nesses três critérios, não no que está mais em voga nos journals.

Uma limitação honesta que preciso deixar clara é que nenhuma dessas escolas resolve completamente o problema da não-estacionariedade em séries temporais de economias em desenvolvimento. Dados de países com institucionalidade financeira precária frequentemente violam os pressupostos de ambos os lados. Nesse cenário, modelos Bayesianos com priors suaves ou abordagens baseadas em machine learning para detecção de quebras estruturais costumam ser mais úteis do que qualquer modelo teórico puro. A divisão entre escolas continuará existindo porque a economia lida com sistemas complexos adaptativos, não com átomos. Diferentes lentes revelam diferentes facetas. O trabalho de quem opera nessa área não é declarar vencedor algum. É saber qual lente usar, quando usar e, principalmente, quando admitir que nenhuma delas é suficiente sozinha.