Descripción

Estudiamos los orígenes de las asimetrías del ciclo económico desde un punto de vista de redes productivas, utilizando datos administrativos a nivel de empresas y datos entre países. A nivel de país, documentamos que los países con un mayor número de conexiones intersectoriales positivas (redes más densas) muestran un componente cíclico del PIB real con una skewness más negativa. A nivel de empresa, encontramos que las empresas con un mayor número de proveedores y clientes (grados) muestran una distribución del crecimiento de su producción que tiene una skewness más negativa. Para racionalizar estos hallazgos, construimos un modelo multisectorial con redes de producción y mostramos que la relación entre la asimetría del PIB real y la densidad de la red surge naturalmente una vez que consideramos las no linealidades en la producción. En una economía con baja flexibilidad productiva (los insumos son complementos brutos), las estructuras productivas más densas implican que depender de más insumos se convierte en un riesgo que amplifica aún más los efectos de los shocks negativos de productividad. Ocurre lo contrario si las empresas muestran una alta flexibilidad de producción (los insumos son sustitutos brutos): tener más insumos para elegir se convierte en una oportunidad para diversificar los efectos de los choques negativos de productividad. Calibramos el modelo utilizando microdatos chilenos conexiones entre empresas y mostramos que las empresas más conectadas experimentan mayores caídas en la producción en respuesta a un shock de COVID-19, de acuerdo con los datos. Además, mostramos que, como en la data, la distribución del crecimiento de la producción entre firmas en el modelo tiene una cola izquierda más ancha durante recesiones. Este resultado se debe a la interacción entre complementariedades en la producción y las redes de producción, y no a la asimetría de los choques. El tamaño del shock determina la fuerza de la relación entre la cantidad de conexiones de la empresa y la caída de su producto, lo que destaca la importancia de las no linealidades y las limitaciones de las aproximaciones locales para resolver modelos.