Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Luis A. Alcalá
1. Introducción
Hemos visto anteriormente que el problema de crecimiento óptimo
∞
X
max β t u(ct )
{ct ,kt+1 }∞
t=0
t=0
s.a. c + y ≤ f (k),
c, y ≥ 0,
k ≥ 0 dado.
La función de utilidad periódica u(·) y la función de producción f (·) constituyen las primitivas
del modelo. Mientras que las primitivas son conocidas, la función de valor v(·) en (1.1) debe
ser determinada.
El enfoque clásico a este problema se denomina método de las aproximaciones sucesivas
que consiste en conjeturar (guess) la forma de una función v0 que satisface (1.1). Luego, se
define una nueva función v1 por
v1 (k) = max u(f (k) − y) + βv0 (y) .
0≤y≤f (k)
1
se utiliza v1 como un nuevo guess para obtener v2 , de la siguiente manera:
v2 (k) = max u(f (k) − y) + βv1 (y) .
0≤y≤f (k)
Ası́ siguiendo, en cada iteración de este proceso se define recursivamente una sucesión de
funciones {vn } tales que
vn+1 (k) = max u(f (k) − y) + βvn (y) , n = 0, 1, 2, . . .
0≤y≤f (k)
Hacemos esto con la esperanza que, a medida que n crece, las aproximaciones sucesivas vn
se acerquen a una función v que cumpla con la condición (1.1). En lo que sigue, vamos a
demostrar que:
(1) existe una única función v que es solución de (1.1) y sus propiedades se deducen de las
propiedades de u y f ;
(2) lim vn = v, para cualquier guess inicial v0 .
n→∞
2
2. Preliminares
2.1. Espacios métricos
Para hablar de convergencia es necesario tener una noción de distancia. La distancia
euclı́dea se generaliza con el concepto de métrica.
Definición 2.1: Un espacio métrico es un conjunto S junto con una métrica (función
distancia) d : S × S → R tal que para todo x, y, z ∈ S
(a) d(x, y) ≥ 0, con igualdad sii x = y;
(b) d(x, y) = d(y, x);
(c) d(x, z) ≤ d(x, y) + d(y, z) (desigualdad triangular).
3
2.4. Convergencia
Cualquier espacio normado (S, ∥ · ∥) puede verse como un espacio métrico, si se define la
métrica como d(x, y) := ∥x − y∥, para todo x, y ∈ S. La noción de convergencia para una
sucesión de números reales se extiende en forma directa para espacios métricos.
∞
Definición 2.4: Sea (S, d) un espacio métrico. Una sucesión {xn }n=0 en S converge a
x ∈ S si, para cada ε > 0, existe un entero Nε tal que n ≥ N implica d(xn , x) < ε.
∞
Definición 2.5: Sea (S, d) un espacio métrico. Una sucesión {xn }n=0 en S es una sucesión
de Cauchy (o satisface el criterio de Cauchy) si para cada ε > 0, existe un entero Nε tal
que d(xn , xm ) < ε para todo n, m ≥ Nε .
Observación: En espacios métricos completos, probar que una sucesión satisface el criterio
de Cauchy es equivalente a demostrar la existencia de un punto lı́mite en S. El conjunto
de los reales R con la métrica d(x, y) = |x − y| es un espacio métrico completo. Un espacio
normado completo también se denomina espacio de Banach.
Demostración. (“Sketch”) Es suficiente con probar que si {fn } es una sucesión de Cauchy,
existe f ∈ C(X) tal que para cada ε > 0, hay un entero no negativo Nε tal que
La demostración se completa con tres pasos: (i) Encontrar una función “candidata” para f ;
(ii) demostrar que {fn } converge a f en la norma sup; (iii) probar que f ∈ C(X). ■
4
Observación: Una contracción toma dos puntos x, y ∈ S y los envı́a a puntos situados
“más cerca” de lo que estaban x e y ente sı́. Una contracción posee al menos un punto fijo.
El teorema del punto fijo de Banach afirma que toda contracción sobre un espacio métrico
completo tiene un único punto fijo. Además, se cumple que para todo punto x ∈ S la sucesión
(x, T (x), T (T (x)), . . .) converge a dicho punto fijo. La combinación de estos dos resultados se
enuncia formalmente a continuación en el teorema de la aplicación contractiva.
Teorema 3.1 (Teorema de la aplicación contractiva): Sea (S, d) un espacio métrico y sea
T : S → S una contracción con módulo β. Entonces
(a) T tiene exactamente un punto fijo v en S;
(b) para cualquier v0 ∈ S, se cumple que
d (T n v0 , v) ≤ β n d(v0 , v), n = 0, 1, 2, . . .
= β n β m−1−n + · · · + β + 1 d(v1 , v0 )
βn
≤ d(v1 , v0 ).
1−β
De aquı́ se deduce que {vn } es una sucesión de Cauchy. Dado que S es completo, se cumple
que vn → v ∈ S.
5
Para probar que T v = v, nótese que para todo n y para toda v0 ∈ S
Ya hemos demostrado que los dos términos de la última expresión convergen a cero, por lo
que d(T v, v) = 0, o sea, T v = v.
Finalmente, debemos probar que v es único. Supongamos que existe v̂ ∈ S, con v̂ ̸= v, tal
que T v̂ = v̂. Entonces,
0 < d(v̂, v) = d(T v̂, T v) ≤ βd(v̂, v),
pero esto es una contradicción, ya que β < 1. Esto concluye con la demostración de (a).
Para probar (b), observe que para cualquier n ≥ 1,
Corolario 3.2: Sea (S, d) un espacio métrico completo y sea T : S → S una contracción
con punto fijo v ∈ S. Si S ′ es un subconjunto cerrado de S y T (S ′ ) ⊆ S ′ , entonces v ∈ S ′ .
Si, además, T (S ′ ) ⊆ S ′′ ⊆ S ′ , entonces v ∈ S ′′ .
6
Demostración. Si f (x) ≤ g(x) para todo x ∈ X, lo vamos a escribir como f ≤ g. Para
cualquier f, g ∈ B(X) se cumple que
f ≤ g + ∥f − g∥.
T g ≤ T f + β∥g − f ∥.
con lo que puede concluirse que ∥T f − T g∥ ≤ β∥f − g∥, que es el resultado buscado. ■
= (T v)(k) + βa,
7
Como conclusión, T es una contracción con módulo β. Dado que el espacio B(X) es
completo, puede aplicarse el teorema de punto fijo de Banach para afirmar que existe un
único elemento v ∈ B(X) tal que T v = v.
para valores de y factibles dado x, aplique el espacio C(X) de funciones continuas y acotadas
sobre sı́ mismo.
La descripción del conjunto de factibilidad se realiza a través del concepto de aplicación
multivaluada o correspondencia de X a Y : una relación que asigna a cada x ∈ X el
conjunto Γ(X) ⊆ Y . Decimos que Γ : X → Y “toma valores compactos” o es “de valores
compactos” cuando Γ(X) es un conjunto compacto (igualmente para valores convexos, valores
cerrados, etc.)
Nuestro objetivo es entonces determinar qué condiciones debe cumplir la correspondencia
Γ : X → X, que describe las restricciones de factibilidad, y la función de retorno F que
conjuntamente aseguren que si v ∈ C(X) y T v(x) = supy∈Γ(x) [F (x, y) + βv(y)], entonces
T v ∈ C(X). También quisiéramos determinar las propiedades de la correspondencia G(x)
que contiene los valores óptimos de y para cada x. El teorema o principio del máximo de
Berge cumple con ambas metas.
Para ser más concretos, sean X ⊆ Rl , Y ⊆ Rm ; sea f : X × Y → R una función y
sea Γ : X → Y una correspondencia. Nuestro interés es resolver problemas con la forma
supy∈Γ(x) f (x, y). Si para cada x, f (x, ·) es continua en y y el conjunto Γ(x) es no vacı́o y
compacto, entonces se alcanza el máximo para cada valor de x. En este caso, la función
8
Existen distintas nociones de continuidad para correspondencias. En nuestro caso, es
conveniente utilizar definiciones de tipo secuencial.
El siguiente resultado nos permite responder las preguntas que planteamos sobre h y G.
9
5. Programación dinámica determinı́stica
En términos secuenciales, o de sucesiones de dimensión infinita, los problemas que estamos
interesados en estudiar son de la forma
∞
X
sup β t F (xt , xt+1 ) (SP)
{xt+1 }∞
t=0 t=0
x0 ∈ X dado.
Vamos a establecer las relaciones que existen entre las soluciones de estos dos problemas y
desarrollar métodos para analizar ecuaciones funcionales.
A = {(x, y) ∈ X × X : y ∈ Γ(x)} .
10
Sea x = (x0 , x1 , . . .) un elemento tı́pico de Π(x0 ).
˜
Vamos a adoptar los siguientes supuestos sobre Γ y Π:
(S1) El conjunto Γ(x) es no vacı́o para todo x ∈ X.
Pn t 2
(S2) Para todo x0 ∈ X y x ∈ Π(x0 ), el lı́mite limn→∞ t=0 β F (xt , xt+1 ) existe en R.
˜
Por lo tanto, (S1) asegura que Π(x0 ) es no vacı́o, para todo x0 ∈ X, y (S2) requiere que
todos los planes factibles puedan ser evaluados utilizando la función de retorno F y el factor
de descuento β.3
Para n = 0, 1, 2, . . ., definimos Jn : Π(x0 ) → R por
n
X
Jn (x) = β t F (xt , xt+1 ).
˜ t=0
Entonces Jn (x) es la suma parcial de los retornos descontados para los perı́odos 0 hasta n,
˜
correspondientes a un plan factible x. Si se cumple (S2), también podemos definir una función
˜
J : Π(x0 ) → R como
Por lo tanto, v ∗ (x0 ) es el supremo en (SP). Nótese que, por definición, v ∗ es la única función
que satisface las siguientes tres condiciones:
(a) Si |v ∗ (x0 )| < ∞, entonces
11
Diremos que v ∗ satisface la ecuación funcional si se cumplen las siguientes tres condiciones:
(a) Si |v ∗ (x0 )| < ∞, entonces
Antes de probar que la función supremo v ∗ satisface la ecuación funcional, es útil esta-
blecer un resultado preliminar.
Lema 5.1: Si X, Γ, F y β satisfacen (S2), entonces para todo x0 ∈ X y para todo plan factible
x = (x0 , x1 , . . .) ∈ Π(x0 ),
˜
J(x) = F (x0 , x1 ) + βJ(x′ ),
˜ ˜
′
donde x = (x1 , x2 , . . .).
˜
Demostración. Por (S2), para cualquier x0 ∈ X y cualquier x ∈ Π(x0 ),
˜
Xn
J(x) = lim β t F (xt , xt+1 ),
˜ n→∞
t=0
n
X
= F (x0 , x1 ) + β lim β t F (xt+1 , xt+2 ),
n→∞
t=0
= F (x0 , x1 ) + βJ(x′ ). ■
˜
Teorema 5.2: Si X, Γ, F y β cumplen (S1)-(S2), entonces v ∗ satisface (FE).
12
Para establecer (5.5), dado un ε > 0 fijo, se deduce de (5.3) y el Lema 5.1 que puede
elegirse x = (x0 , x1 , . . .) ∈ Π(x0 ) tal que
˜
v ∗ (x0 ) ≤ J(x) + ε = F (x0 , x1 ) + βJ(x′ ) + ε,
˜ ˜
donde x′ = (x1 , x2 , . . .). Luego, por (5.2)
˜
v ∗ (x0 ) ≤ F (x0 , x1 ) + βv ∗ (x1 ) + ε.
El próximo teorema es un recı́proco parcial del Teorema 5.2. El mismo demuestra que v ∗
es la única solución a la ecuación funcional que satisface una condición de ser acotada.
Demostración. Si v(x0 ) es finita, se satisfacen (5.4)-(5.5), entonces basta con demostrar que
esto implica que se cumplen (5.2)-(5.3). Ahora bien, (5.4) implica que para todo x ∈ Π(x0 ),
˜
v(x0 ) ≥ F (x0 , x1 ) + βv(x1 ),
≥ F (x0 , x1 ) + βF (x1 , x2 ) + β 2 v(x2 ),
..
.
≥ Jn (x) + β n+1 v(xn+1 ), n = 1, 2, . . .
˜
Tomando el lı́mite para n → ∞ y usando (5.8), vemos que se cumple (5.2).
13
Fı́jese ε > 0 y sea {δt }∞
t=1 en R+ tal que
∞
X ε
β t−1 δt ≤ .
t=1
2
Dado que se cumple (5.5) por hipótesis, podemos elegir x1 ∈ Γ(x0 ), x2 ∈ Γ(x1 ), . . ., tales que
" n−1
#
X
−n
F (xn , xM
n+1 ) + βv(xM
n+1 ) ≥β M +1− t
β F (xt , xt+1 ) .
t=0
−(n+1)
Entonces, se elige xM M M M
n+1 ∈ Π(xn+1 ) tal que J(xn+1 ) ≥ v(xn+1 ) − β . Dado que
M ˜ ˜
v(xn+1 ) es finito, el argumento anterior demuestra que esto es posible. Por lo tanto,
xM = (x0 , x1 , . . . , xn , xMn+1 ) ∈ Π(x0 ) y
˜ ˜
n−1
X
J(xM ) = β t F (xt , xt+1 ) + β n F (xn , xM
n+1 ) + β
n+1
J(xMn+1 ) > M.
˜ t=0
˜
Una consecuencia inmediata del Teorema 5.3 es que la ecuación funcional (FE) tiene a lo
sumo una solución que satisface (5.8).
En resumen, hemos establecido dos resultados principales acerca de las soluciones de
(FE). Por un lado, el Teorema 5.2 prueba que v ∗ satisface (FE). Esta ecuación funcional
puede tener otras soluciones, pero el Teorema 5.3 demuestra que estas soluciones violan la
condición (5.8).
Nuestro próximo objetivo es la caracterización de los planes factibles que alcanzan el
óptimo. Se dice que un plan factible x ∈ Π(x0 ) es un plan óptimo desde x0 si alcanza
˜
14
el supremo en (SP), es decir, si J(x) = v ∗ (x0 ). Los dos próximos teoremas tratan sobre la
˜
relación entre los planes óptimos y aquellos que satisfacen la ecuación de polı́tica (5.1) para
v = v ∗ . El teorema siguiente prueba que los planes óptimos satisfacen (5.1).
El próximo teorema provee un recı́proco parcial del Teorema 5.4. Demuestra que cualquier
sucesión que satisface (5.9) y una condición sobre la cota superior de v ∗ es un plan óptimo.
15
si cumple que xt+1 ∈ G(xt ), t = 0, 1, . . .. Finalmente, definimos la correspondencia de
polı́tica óptima G∗ como
Podemos concluir entonces que el Teorema 5.4 prueba que todo plan óptimo {x∗t } es generado
por G∗ y el Teorema 5.5 demuestra que cualquier plan {x∗t } generado por G∗ , que además
satisface (5.11), es un plan óptimo.
asumiendo que la función F es acotada y 0 < β < 1. Para ello, adoptamos los siguientes
supuestos adicionales sobre las primitivas del modelo:
(S3) X es un subconjunto convexo de Rl y la correspondencia Γ : X → X es no vacı́a, de
valores compactos y continua.
(S4) La función F : A → R es acotada y continua y 0 < β < 1.
Si se satisfacen (S3)-(S4), también lo hacen (S1)-(S2), entonces el problema secuencial
asociado a (5.12) está bien definido. Los teoremas anteriores implican que ambas soluciones
coinciden exactamente. El supuesto que X sea un subconjunto de un espacio euclı́deo podrı́a
relajarse, pero con el costo de una cantidad adicional de terminologı́a y notación (p.ej. las
definiciones que vimos de correspondencia s.c.s. y s.c.i. se aplican sólo a espacios euclı́deos).
Si B es una cota para |F (x, y)|, entonces v ∗ satisface
B
|v ∗ (x)| ≤ , para todo x ∈ X,
1−β
y los Teoremas 5.4 y 5.5 implican que para todo x0 ∈ X, una sucesión {x∗t } alcanza el
supremo en el problema secuencial si y solo si es generada por G.
Definimos el operador T en C(x) como
16
por lo que (5.12) se vuelve v = T v.
Más aún, dada v, la correspondencia de polı́tica óptima G : X → X definida por (5.13) toma
valores compactos y es s.c.s.
Demostración. Sea C ′ (X) ⊂ C(X) el conjunto de las funciones definidas sobre X que son
no decrecientes, continuas y acotadas, y sea C ′′ (X) ⊂ C ′ (X) el conjunto de funciones es-
trictamente crecientes. Dado que C ′ (X) es un subconjunto cerrado de C(X), por lo tanto
un espacio métrico completo, por el Teorema 5.6 y el Corolario al teorema de la aplicación
contractiva, es suficiente con probar que T [C ′ (X)] ⊆ C ′′ (X). Esto queda garantizado por los
supuestos (S5) y (S6). ■
17
5.3.1. Función de valor
(S7) F estrictamente cóncava, es decir, para todo (x, y), (x′ , y ′ ) ∈ A y θ ∈ (0, 1)
Como consecuencia del supuesto (S8), para cada x ∈ X, el conjunto Γ(x) es convexo y no
hay “rendimientos crecientes”. Dado que X es convexo, (S8) es equivalente a asumir que la
gráfica de Γ (el conjunto A) también es convexo.
Convergencia
18
en {T n v0 } cumple P . Si P es preservada bajo convergencia uniforme, entonces v también
cumple P . Lo mismo sucede con g.
Es necesario determinar en qué sentido las aproximaciones de g, las gn que cumplen con
T n v0 , convergen. Esto se establece en el próximo teorema.
vn+1 = T vn , n = 0, 1, . . .
gn (x) = argmaxy∈Γ(x) [F (x, y) + βvn (y)] , n = 0, 1, . . .
Demostración. Sea C ′′ (X) ⊂ C ′ (X) como en el teorema anterior, de modo que v ∈ C ′′ (X).
Dado que v0 ∈ C ′ (X), cada función vn , n = 1, 2, . . ., es estrictamente cóncava. Definimos
{fn } y f como
Dado que F satisface (S7), cada fn es estrı́ctamente cóncava, como ası́ también lo es f .
Entonces se aplica el Teorema 5.7 y se obtiene el resultado deseado. ■
Una vez que la existencia de una solución única v ∈ C(X) de la ecuación funcional (1.1) se
ha establecido, quisiéramos tratar el problema de maximización en dicho problema como un
problema de optimización ordinario y apicar herramientas estándares del cálculo diferencial
para caracterizar la función g.
5.3.3. Diferenciabilidad
19
Si, además, supiéramos que v es dos veces diferenciable, puede determinarse la monotonicidad
de g diferenciando la condición (5.16) y analizando la expresión resultante para g ′ . Podemos
hacer supuestos sobre la diferenciabilidad de u y f , pero la diferenciabilidad de v y g deben
determinarse.
Benveniste and Scheinkman (1979) demostraron la diferenciabilidad de v bajo condicio-
nes relativamente generales. Sin embargo, las condiciones para asegurar que v es dos veces
diferenciable (por ende, para la diferenciabilidad de g) son bastante restrictivas.4 Entonces,
hay que ser cuidadosos al usar (5.16) para establecer propiedades de g por diferenciación. Sin
embargo, en casos donde g es monótona, es posible establecer ese hecho por un argumento
directo basado en condiciones de primer orden como (5.16).
Vi (x0 ) = Wi (x0 ), i = 1, 2, . . . , l.
Demostración. Dado que g(x0 ) es interior a Γ(x0 ) y Γ es continua, tenemos que g(x0 ) es
interior a Γ(x) para todo x en un entorno D de x0 . Definimos a W en D como
y Santos (1991).
20
6. Aplicación: modelos de búsqueda
Estudiaremos una aplicación del método de programación dinámica a ciertos problemas
con una elección restringida a dos acciones posibles: aceptar o rechazar una oferta laboral del
tipo “tómala o déjala”. Por ejemplo, un trabajador desempleado enfrenta una distribución
de probabilidad de ofertas salariales o caracterı́sticas de un trabajo, desde donde se realizan
un número limitado de ofertas cada perı́odo. Dada su percepción de la distribución de pro-
babilidad de ofertas, el trabajador debe diseñar una estrategia para decidir cuándo aceptar
o rechazar una oferta.
La teorı́a de búsqueda (search theory) es una herramienta útil en el estudio del desempleo.
En el contexto de esta teorı́a, un trabajador desempleado puede tomar la decisión de rechazar
ofertas y permanecer desempleado en el presente, porque prefiere esperar mejores ofertas más
adelante.5 Esta teorı́a sirve para analizar, por ejemplo, cómo los trabajadores responden ante
variaciones en las tasas de seguro de desempleo, las percepciones de riesgo de la distribución
de salarios, la probabilidad de ser despedido, la calidad de información de los trabajos y la
frecuencia en la que la distribución de salarios puede ser estimada.
Las ideas principales de la teorı́a surgieron de los modelos de búsqueda de McCall (1970),
Jovanovic (1979) y McCall (1991). También un modelo de elección de carrera en Neal (1999).
En lo que sigue, vamos a desarrollar dos versiones del modelo intertemporal de búsqueda de
McCall. Consideremos un trabajador desempleado que está buscando trabajo. Cada perı́odo
el trabajador recibe una oferta salarial w que es una realización de una variable aleatoria.
Las ofertas salariales están idéntica e independientemente distribuidas de acuerdo con una
función de distribución acumulada F (w) conocida por el agente, con soporte en el intervalo
cerrado W = [0, w], de modo que F (0) = 0 y F (w) = 1. También asumimos que existe la
densidad de probabilidad de F y la denotamos con f .6
trabajando.
6 Para fines prácticos, dF (w) puede entenderse como f (w)dw.
21
donde 0 < β < 1 es el factor de descuento. Entonces, yt = c si el trabajador está desempleado
en el perı́odo t. Por otro lado, yt = w si el trabajador ha aceptado una oferta para trabajar
por un salario w.
La variable de estado de este problema es simplemente el conjunto de ofertas salariales
y existen dos acciones posibles: aceptar o rechazar. Consideremos un trabajador que acaba
de recibir una oferta w. Si acepta la oferta, el valor descontado del flujo de ingresos es
simplemente w/(1 − β). Si rechaza la oferta, el valor descontado es c más el valor esperado
descontado de seguir desempleado durante un perı́odo hasta que recibe una nueva oferta.
Entonces, el valor v(w) de tener una “oferta en mano” w y tomar la decisión óptima de
aceptar o rechazar la oferta es la solución de la siguiente ecuación de Bellman
( )
Z w
w ′ ′
v(w) = max , c+β v(w ) dF (w ) .
1−β 0
lo que implica que la regla de decisión óptima toma la forma de un salario de reserva w∗ ,
definido por
w∗
= c + βEv. (6.2)
1−β
La polı́tica óptima consiste en rechazar cualquier oferta menor a w∗ y aceptar cualquier oferta
que sea mayor.
La función de valor representada en la Figura 1 tiene la siguiente forma
c + βEv
si w ≤ w∗ ,
v(w) = w
si w ≥ w∗ .
1−β
w∗ w
w′
Z Z
′
Ev = (c + βEv) dF (w ) + dF (w′ ). (6.3)
0 w∗ 1−β
Tenemos entonces un sistema de dos ecuaciones (6.2) y (6.3), con dos incógnitas: w∗ y Ev.
22
Figura 1: Función de valor v(w)
de ambos lados de la ecuación (6.3) para eliminar Ev. De esta manera, obtenemos
w
w′
Z
(1 − β)Ev − c = − (c + βEv) dF (w′ ). (6.4)
w∗ 1−β
w∗
1
Ev = −c
β 1−β
Observe que h(w)/(1 − F (w)) es el incremento esperado en la oferta salarial del próximo
23
perı́odo, condicional a que la oferta sea al menos w.7 La función h cumple con las siguientes
propiedades
h′ (w) = − [1 − F (w)] ≤ 0,
β
w∗ − c = h(w∗ ). (6.6)
1−β
El lado izquierdo de esta ecuación es el costo en valor presente de una búsqueda adicional
cuando se tiene una oferta w∗ ; y el lado derecho es el valor presente del incremento esperado
en el ingreso si se hace una nueva búsqueda, multiplicado por la probabilidad de dicho
incremento. El salario de reserva es el que iguala el costo marginal y el beneficio marginal de
continuar con la búsqueda.
24
0 < α < 1. Para simplificar, asumimos que esta probabilidad es independiente del tiempo que
el trabajador ha estado empleado y del salario que percibe. Un trabajador que es despedido
permanece un perı́odo desempleado, recibe una compensación c y vuelve a recibir una oferta
al principio del perı́odo siguiente.
Sea v̂(w) el valor presente esperado del ingreso de un trabajador previamente desempleado
que ha recibido una oferta salarial w y decide si aceptar o rechazar la oferta de manera
óptima. Si rechaza la oferta, recibe la compensación por desempleo c y en el próximo perı́odo
se realiza una nueva oferta salarial w′ que tiene un valor actual esperado para el trabajador
igual a β v̂(w′ ) dF (w′ ). Si acepta la oferta, recibe w este perı́odo; el próximo perı́odo, con
R
n o
v̂(w) = max w + β [(1 − α)v̂(w) + α (c + βEv̂)] , c + βEv̂ ,
donde Z w
Ev̂ := v̂(w′ )dF (w′ ).
0
que se reduce a
w + βα (c + βEv̂)
v̂(w) = , para w ≥ w.
1 − β(1 − α)
e
25
y el salario de reserva w
e satisface
w
e + βα (c + βEv̂)
c + βEv̂ = ,
1 − β(1 − α)
lo que se reduce a
w
e
= c + βEv̂ (6.8)
1−β
y guarda una gran similitud con (6.2). Pero esto no implica que el equilibrio sea el mismo.
A partir de (6.7), podemos obtener una expresión para Ev̂,
w w
w′ + βα (c + βEv̂)
Z e Z
′
Ev̂ = (c + βEv̂) dF (w ) + dF (w′ ).
0 w
e 1 − β(1 − α)
Finalmente, utilizamos (6.8) para eliminar Ev̂ de ambos miembros, con lo que obtenemos
Z w
β
e−c=
w (w′ − w)
e dF (w′ ), (6.9)
1 − β(1 − α) w
e
que es comparable con (6.5). Más precisamente, haciendo α = 0 en (6.9), se obtiene (6.5).
Esto es razonable, ya que el modelo anterior puede interpretarse como un caso especial de
un modelo con despidos cuando la probabilidad de ser despedido es nula. También podemos
reescribir (6.9) para obtener una condición análoga a (6.6), en términos de la función h,
β
e−c=
w h(w). (6.10)
1 − (1 − α)β
e
26
Figura 3: Determinación del salario de reserva w
e
Entonces F es continua en [a, b] y diferenciable en (a, b). Más aún, F ′ (x) = f (x) para todo
a < x < b.
27
Referencias
Araujo, A. The once but not twice differentiability of the policy function. Econometrica, 59
(5):1383–1393, 1991.
Jovanovic, B. Job matching and the theory of turnover. Journal of Political Economy, 87(5,
Part 1):972–990, 1979.
Ljungqvist, L. and Sargent, T. Recursive Macroeconomic Theory. MIT Press, third edition,
2012.
McCall, J. J. Economics of information and job search. The Quarterly Journal of Economics,
84(1):113–126, 1970.
Neal, D. The complexity of job mobility among young men. Journal of Labor Economics, 17
(2):237–261, 1999.
Santos, M. Smoothness of the policy function in discrete time economic models. Econome-
trica, 59(5):1365–1382, 1991.
Stokey, N. L. and Lucas, R. E. Recursive methods in economic dynamics (with E.C. Prescott).
Harvard University Press, 1989.
28