El mercado le hace el "trabajo sucio'" a la Fed: Regla de Taylor, tipos de la deuda pública, swaps y freno a los tipos de los fondos federales en 2026

Kevin Warsh, nuevo Presidente de la Reserva Federal de EE. UU.

El objetivo principal de esta entrada del Blog es analizar si la Regla de Taylor ha funcionado a lo largo de tiempo en el caso de la política monetaria de la Reserva Federal de EE.UU., con especial hincapié en las tensiones inflacionarias provocadas por el Conflicto en Oriente Próximo y el cierre del Estrecho de Ormuz.

Uno de los principales instrumentos de política monetaria que utiliza la Fed es la orientación de las tasas de los fondos federales. En el mercado de fondos federales (mercado interbancario en EE.UU.) se realizan préstamos en dólares entre las instituciones depositarias (principalmente bancos) que operan en el país.

Por un lado, el Comité Federal de Mercado Abierto  (Federal Open Market Committee) de la Reserva Federal de EE.UU. fija en sus reuniones periódicas la tasa “objetivo único específico” o (Federal Funds Rate Range, FFRR) en las que pueden negociar las instituciones depositarias en el mercado de fondos federales.

Por otro lado, la tasa efectiva de los fondos federales (Efective Federal Funds Rate, EFFR) se calcula como la media de los tipos de interés de los préstamos de fondos federales ponderada por el volumen de las transacciones de fondos federales del día.

La hoja de ruta de la Fed en 2026: Del desacuerdo interno a la cautela unánime por el frente geopolítico

La Reserva Federal de EE.UU. (Fed) tuvo su última reunión bajo el mandato de Jerome Powell el 28 y 29 de abril de 2026. La próxima reunión prevista para el 16 y 17 de junio será ya con Kevin Warsh como nuevo Presidente.

Las Actas de esta última reunión de la Fed evidencian un posible endurecimiento en la política monetaria ante el alza de la tasa de inflación.  El conflicto en Oriente Próximo fue un tema central en la reunión de la Fed, y los miembros del FOMC han destacado que tendrá "implicaciones significativas" para la trayectoria de los tipos de interés.

Iniciar el año analizando la estrategia de la Reserva Federal estadounidense requería mirar con lupa la velocidad de sus futuros recortes. Sin embargo, tras encadenar las actas de sus reuniones de enero, marzo y abril de 2026, queda claro que el Comité Federal de Mercado Abierto (FOMC) ha entrado en una fase de máxima prudencia. Aunque el rango objetivo para el tipo de los fondos federales (FFRR) se ha mantenido congelado en el 3,25% - 3,50%, la intrahistoria de estos meses revela cómo los shocks geopolíticos imprevistos han obligado al banco central a replegar posiciones y priorizar la estabilidad.

Para entender el momento actual, hay que recordar cómo empezó el año. En enero, el consenso de la Fed se resquebrajó con una votación de 10 a 2, donde los gobernadores Stephen I. Miran y Christopher J. Waller exigieron un recorte inmediato de tipos de 25 puntos básicos. Sin embargo, el panorama cambió drásticamente en marzo. El estallido del conflicto en Oriente Medio sacudió los mercados con un repunte vertical en los precios de la energía y los combustibles, obligando a los disidentes a replegarse. Para las reuniones de marzo y abril, el Comité recuperó la unanimidad absoluta: 12 votos a favor de mantener las tasas estables. La urgencia por bajar los tipos se disipó ante el temor colectivo de que las tensiones internacionales reavivasen las presiones inflacionistas.

El análisis secuencial de las actas revela una transición clara en las expectativas de actuación futura. En enero y marzo, el debate se centraba en cuándo iniciar la flexibilización, y las encuestas de mercado proyectaban con optimismo hasta dos bajadas de tipos para la primera mitad del año. Sin embargo, los datos y eventos acumulados hasta abril han obligado a los inversores y al propio Comité a retrasar el calendario. Ahora, las actuaciones previsibles apuntan a una pausa mucho más prolongada de lo previsto, postergando cualquier movimiento para la segunda mitad del año. Es más, el ala más dura del Comité (hawks) ha dejado constancia de que, si la inflación se estanca debido al impacto cruzado de los aranceles sobre los bienes principales (core goods) y los costes energéticos, no dudarán en proponer ajustes al alza (subidas de tipos).

Detrás de este blindaje de la Fed hay tres indicadores macroeconómicos clave que justifican su inacción:

1. Inflación dualizada: Mientras que los precios de los servicios y la vivienda muestran una moderación sostenida, la inflación subyacente de los bienes se mantiene rígida por los aranceles, y el IPC general se ve amenazado por la volatilidad del petróleo provocada por el conflicto en Oriente Medio.

2. Mercado laboral en equilibrio: La tasa de desempleo se ha estabilizado en torno al 4,4%. El mercado ya no está sobrecalentado, pero sigue siendo robusto: la creación de empleo es moderada y los salarios nominales están creciendo a un ritmo más lento, lo que reduce los riesgos de una espiral salarios-precios.

3. Crecimiento económico sólido: A pesar de los tipos restrictivos, el PIB real sigue expandiéndose a un ritmo firme, respaldado por un consumo privado resiliente y una fuerte inversión empresarial en tecnología (pese a los temores iniciales reflejados en marzo sobre disrupciones de la IA en ciertos modelos de negocio).

La conclusión para los próximos meses es una "ultra-dependencia de los datos". Con una economía que resiste y un mercado laboral que no se destruye, la Fed cuenta con el margen necesario para mantener la cautela. El banco central prefiere pecar de paciente antes que arriesgarse a recortar el precio del dinero prematuramente en un mapa global volátil e impredecible. La puerta a las bajadas sigue abierta, pero el umbral para cruzarla exige ahora certezas geopolíticas que el mundo, de momento, no puede garantizar.

La tasa de interés de los fondos federales implícita de la Regla de Taylor

El Presidente de la Fed, Jerome Powell, en un simposio de política económica patrocinado por el Banco de la Reserva Federal de Kansas City en Jackson Hole, Wyoming [1], hacia referencia a varias variables que como veremos más adelante están presentes en la conocida Regla de Taylor para la fijación de los tipos de interés por parte de los bancos centrales. Por un lado, hace hincapié en que las estimaciones de la tasa neutral o "normal" de los fondos federales es la tasa consistente con la economía en el pleno empleo (relacionada con el "output gap") y con una tasa de inflación estable. Por otro lado, que la evolución de la tasa neutral de los fondos federales refleja en gran parte los cambios en la tasa de interés real de equilibrio (denominada técnicamente como r-star).

¿Pero cuál es el nivel "normal" a largo plazo de las tasas de los fondos federales a los que se refería Jerome Powell? 

Para contestar a esta pregunta tenemos que hacer una referencia a la principales reglas de política monetaria que han sido mencionadas por el Comité Federal de Mercado Abierto desde 1995. Las reglas monetarias recogen bien el mandato legal de la Fed de promover el máximo empleo y la estabilidad de precios, al prescribir que la tasa de los fondos federales debe responder a la desviación de la inflación de su objetivo a largo plazo y a la brecha del producto, dado que la economía debe estar en o cerca del pleno empleo cuando se cierra la brecha de producción (la diferencia entre el PIB real y una estimación de la producción potencial). Además, los trabajos de investigación empírica sugieren que reglas tan simples pueden ser razonablemente sólidas ante la incertidumbre sobre la verdadera estructura de la economía, ya que funcionan bien en una amplia variedad de modelos. [2]

La regla monetaria más conocida es la Regla de Taylor que permite una aproximación a este nivel "normal" a largo plazo al que se refirió Jerome Powell en 2020, pero existen más reglas que han sido mencionadas en distintos informes de la Reserva Federal junto a la Regla de Taylor original.  Por ejemplo, la regla modificada de la Regla de Taylor original propuestas en Taylor (1999) y Yellen (2012) que se han incluido en los Informes de Política Monetaria (Monetary Policy Report) de la Reserva Federal desde 2017, y que resultan consistentes con la "Declaración sobre objetivos a más largo plazo y estrategia de política monetaria" original de 2012 [3].

En relación a la Regla de Taylor, John B. Taylor, catedrático de Economía de Stanford University, California, EE.UU., propuso en un seminal trabajo de 1993 una regla monetaria para establecer cambios en los tipos de interés de los fondos federales en función de la desviación de la producción real actual respecto a la producción real potencial y de la desviación de la inflación actual del objetivo de inflación, tal y como se puede ver en la siguiente expresión: [4]

i = π + 0,5 (y – y*) + 0,5 (π – π*) + r   [a]

donde i es el tipo de interés nominal a corto plazo y objetivo de la Política Monetaria derivada de la Regla de Taylor (en nuestro caso, la tasa de interés de los fondos federales); y es la tasa de variación del PIB real; y* es la tasa de variación del PIB potencial, (y-y*) es el "output gap"; π es la tasa de inflación actual (medida por la variación del deflactor del PIB); π* es la tasa de inflación objetivo de la Reserva Federal (en nuestro caso el 2%); y r es la tasa de interés real de equilibrio (de estado estacionario) o r-star, en el caso de la economía de EE.UU. el 2%. 

Recordemos que la tasa de interés real neutral es consistente con una inflación igual al nivel objetivo de inflación y un crecimiento real igual al crecimiento potencial a largo plazo.  Además, la tasa de interés real de equilibrio no se ve afectada por la política monetaria, sino que está impulsada por factores fundamentales de la economía, incluida la demografía y el crecimiento de la productividad, los mismos factores que impulsan el crecimiento económico potencial. Por último, la tasa de interés real neutral y el PIB potencial a largo plazo pueden variar con el paso del tiempo.

Teniendo en cuenta los dos datos fijos, la regla de Taylor quedaría finalmente como:

i = π + 0,5 (y – y*) + 0,5 (π – 2) + 2   [b]

Desde el punto de vista práctico, por ejemplo, si la economía de EE.UU. mantuviera una tasa de crecimiento real del +1%, el crecimiento potencial fuera del +3% y la tasa de inflación fuera del +0,5%, la tasa de inflación neutral fuera del 2% (objetivo de la Reserva Federal), la Regla de Taylor sugeriría que la Reserva Federal debería fijar unos tipos de interés de los fondos federales del +0,75%.

¿Son necesarias subidas de los tipos de interés de los fondos federales para reducir la tasa de inflación actual y doblegar las expectativas de la inflación futura?

Para entender si los tipos de interés de la Reserva Federal están en el nivel correcto, los economistas suelen recurrir a una brújula matemática conocida como la Regla de Taylor. Al cruzar el tipo de interés efectivo de los fondos federales con sus variantes históricas —la regla original de 1993, la modificada de 1999 y la versión basada en la tasa de desempleo—, se revela una interesante radiografía de los aciertos y las lagunas de la política monetaria estadounidense durante las últimas dos décadas. Analizar la divergencia entre lo que la teoría matemática exigía y lo que la Fed ejecutó realmente nos permite entender por qué el banco central se encuentra hoy en una encrucijada tan compleja.

En los siguientes gráficos (hacer clic sobre los mismos para verlos más grandes) se muestra la evolución de la tasas de interés de fondos federales efectivos (línea roja) y las tasas de interés implícitas de la Regla de Taylor (el tipo de interés que se fijaría de seguirse la Regla de Taylor de la ecuación [b], línea azul) para el periodo 1954-2026 (último dato abril), y desde abril de 2016 hasta abril de 2026.

La historia de esta desconexión comenzó a gestarse mucho antes de la Gran Recesión. Tras el estallido de la burbuja tecnológica de las puntocom y los atentados del 11 de septiembre, la Fed redujo agresivamente el precio del dinero. Durante el periodo de 2001 a 2006, los tipos oficiales se mantuvieron sistemáticamente por debajo de lo que recomendaban todas las versiones de la Regla de Taylor, que sugerían tasas de entre el 3% y el 4% mientras la autoridad monetaria las congelaba cerca del 1%. Esta laxitud prolongada, bautizada por los críticos como la era del dinero "demasiado bajo por demasiado tiempo", terminó alimentando de forma pasiva las condiciones crediticias que dieron origen a la desastrosa burbuja inmobiliaria subprime.

Cuando la crisis financiera global estalló con toda su crudeza en 2007, la Fed se vio obligada a vaciar rápidamente su arsenal, recortando los tipos a velocidad récord hasta encallarlos en el suelo del 0% al 0,25%, el límite inferior cero. En ese instante, las Reglas de Taylor experimentaron una caída libre vertical sin precedentes históricos. Debido al desplome del PIB y al repunte masivo del desempleo, las fórmulas matemáticas exigían tipos de interés negativos extremos de hasta el -5%. Al ser físicamente imposible fijar tasas nominales negativas en la economía real, la profunda brecha que se abrió entre ambas líneas reflejó el nacimiento de una nueva era: la Fed se vio forzada a ignorar la regla tradicional y a inventar la flexibilización cuantitativa (QE) e inyecciones masivas de liquidez para compensar el estímulo que los tipos ordinarios ya no podían ofrecer.

Tras la tormenta llegó una de las divergencias más persistentes y debatidas de la historia moderna. Durante la lenta recuperación de 2010 a 2019, marcada por los temores al "estancamiento secular", la economía estadounidense comenzó a sanar gradualmente. Las Reglas de Taylor rebotaron con fuerza y ya para el periodo 2012-2014 exigían subidas de tipos generalizadas hacia la zona del 3% o 4%. Sin embargo, la Fed mantuvo las tasas en cero hasta finales de 2015 por pura cautela. Hubo una divergencia pasiva prolongada porque el banco central priorizó sanar el mercado laboral antes de atacar una inflación que aún no presionaba. Incluso cuando comenzaron las subidas en 2016, la Fed frenó en seco al llegar al 2,4% en 2018, desoyendo por completo a una Regla de Taylor que para entonces ya demandaba tasas cercanas al 5%.

Esta desconexión voluntaria palidece al compararse con el shock inflacionario del COVID-19 entre 2020 y 2023. Tras devolver los tipos al 0% por la pandemia, la reapertura económica y los cuellos de botella globales desataron una espiral de precios histórica. Las Reglas de Taylor reaccionaron de forma explosiva y vertical, llegando a exigir tipos de interés de entre el 9% y el 11% en 2022 para contener los precios. Al catalogar inicialmente la inflación como "transitoria", la Fed se quedó peligrosamente por detrás de la curva de la regla matemática. Aunque posteriormente aplicó la subida de tipos más rápida en décadas hasta el entorno del 5,3%, la brecha histórica evidenció que la Fed prefirió amortiguar el golpe económico en lugar de aplicar el durísimo castigo monetario que dictaba la teoría.

Finalmente, el ciclo actual nos traslada a la encrucijada del primer cuatrimestre de 2026. Tras iniciar una senda de normalización que redujo el tipo efectivo hacia el rango del 3,25% - 3,50% gracias a la moderación de los servicios y la vivienda, el estallido del conflicto geopolítico en Oriente Medio ha vuelto a sacudir las variables. El violento repunte en los precios del petróleo ha provocado que las variantes de la Regla de Taylor basadas en la inflación detengan su descenso y vuelvan a registrar una preocupante rigidez al alza. Este repunte matemático justifica a la perfección el giro prudente de la Fed en sus últimas reuniones de marzo y abril: mientras que indicadores como el empleo justificarían seguir bajando tipos, el shock petrolero introduce presiones en la fórmula que obligan al banco central a activar el freno de mano y prolongar su pausa, evitando a toda costa que la brecha con la Regla de Taylor se vuelva a ensanchar y descontrole las expectativas de inflación.

Con más detalle, la tasa efectiva de los fondos federales ha alcanzado en junio de  2026 el nivel del +3,64%, mientras que la tasa de interés implícita de los fondos federales derivada de la Regla de Taylor indica que la Reserva Federal  - en base a los datos del PIB real actual y de la inflación actual - debería situar los tipos de interés en nada menos que el +6,41,%. Una potencial alza de los tipos de 2,77 puntos porcentuales.

Esta encrucijada matemática y geopolítica no ha pasado desapercibida para los inversores. En las últimas semanas, el mercado de renta fija ha reaccionado con un movimiento contundente: un repunte vertical en las rentabilidades (yields) de los bonos del Tesoro a 10 y 30 años (véase el siguiente gráfico). Esta subida de los tipos de interés a largo plazo es el reflejo inequívoco de que el mercado está reajustando sus expectativas de inflación estructural. Los inversores exigen ahora una mayor prima por plazo ante el temor de que el binomio "aranceles continuos y tensiones petroleras" enquiste los precios durante el resto de la década.

Para la Reserva Federal, este comportamiento de los bonos se traduce en un arma de doble filo. Por un lado, la subida de los tipos a 10 y 30 años encarece automáticamente las hipotecas y el crédito corporativo, provocando un endurecimiento de las condiciones financieras reales; en la práctica, el mercado le está haciendo el "trabajo sucio" de restricción monetaria a la Fed. Por otro lado, valida los peores temores que la regla de Taylor lleva meses anticipando: que la inflación sigue viva en el horizonte. En definitiva, el repunte de las curvas de deuda soberana es la señal definitiva que justifica la extrema cautela del banco central. Con el mercado largo tensionándose solo, la Fed no necesita mover ficha: le basta con sentarse a esperar, vigilar los datos y confirmar si este repunte de los bonos es el freno definitivo que la economía necesita o el preludio de un ciclo de tipos altos mucho más largo de lo que nadie se atrevía a pronosticar.

Pero el verdadero efecto multiplicador de este movimiento se entiende al observar los tipos swap de interés a 5 y 10 años (USD 5 Years Interest Rate Swap y USD 10 Years Interest Rate Swap), que han repuntado en perfecta sintonía con la deuda pública (ver gráficos, datos desde ferbero de 2026 hasta la actualidad). [5] Si analizamos la trayectoria de ambas curvas, se observa un cambio de tendencia drástico y un repunte vertical a partir de los meses de febrero y marzo. Este movimiento no es casualidad: refleja el momento exacto en el que los mercados interbancarios comenzaron a descontar las graves tensiones geopolíticas en Oriente Medio, el recrudecimiento del conflicto y, muy especialmente, la amenaza de estrangulamiento logístico en el estrecho de Ormuz. Al ser una de las arterias energéticas más cruciales del planeta, el temor a un bloqueo prolongado disparó las expectativas de inflación por el lado de las materias primas, y los tipos swap reaccionaron de inmediato exigiendo mayores primas por plazo.

Mientras que los bonos del Tesoro marcan la "tasa libre de riesgo" del Estado, la curva de tipos swap de 5 y 10 años es la referencia real que utiliza la banca comercial e institucional para cubrir sus carteras y fijar el precio del dinero en el largo plazo. Su encarecimiento simultáneo en estos dos tramos clave, espoleado por la prima de riesgo geopolítico, genera un efecto de transmisión directa e inmediato: eleva drásticamente el coste de emisión de deuda para las corporaciones que buscan financiarse a medio y largo plazo, y dispara en paralelo los intereses de las nuevas hipotecas a tipo fijo.

Para la Reserva Federal, este comportamiento conjunto de bonos y swaps se traduce en una situación idónea para sus intereses. Al subir estos tipos en el mercado abierto por la pura fuerza de los acontecimientos internacionales, las condiciones financieras de la calle se endurecen de forma orgánica, enfriando el consumo y la inversión sin necesidad de que el Comité vote nuevas subidas en sus tipos oficiales. En la práctica, el mercado le está haciendo el "trabajo sucio" de restricción monetaria a la Fed. Esto valida por qué el banco central cuenta hoy con tanto margen para prolongar su pausa y aplicar una estrategia de "esperar y ver": con un mercado financiero que ya se está auto-regulando al alza ante los riesgos arancelarios y petroleros, la Fed puede permitirse el lujo de no mover ficha, dejando que la propia inercia de las curvas de tipos consolide el freno que la inflación necesita.

-------------

[1] Powell, J. (2020), “New Economic Challenges and the Fed’s Monetary Policy Review”, remarks at Navigating the Decade Ahead: Implications for Monetary Policy, a symposium sponsored by the Federal Reserve Bank of Kansas City, Jackson Hole, Wyoming, August 27.

[2]  Véase la discusión en Taylor, J.B. y Williams, J.C. (2011), "Simple and Robust Rules for Monetary Policy", en Benjamin M. Friedman y Michael Woodford, eds., Handbook of Monetary Economics , vol. 3B, (San Diego: Holanda Septentrional), 829-860.

[3] Taylor, J. B. (1999), “A Historical Analysis of Monetary Policy Rules”, in Monetary PolicyRules, University of Chicago Press, 319-348. Yellen, Janet (2012), “Perspectives on Monetary Policy”, speech at the Boston Economic Club Dinner, June 6.

[4] Taylor, J.B. (1993), "Discretion versus policy rules in Practice", Carnegie-Rochester Series on Public Policy 39, 195-214. Véase también el articulo del ex-presidente de la Fed de St. Louis, William Poole: William Poole, W. (1999), "Monetary policy rules?", Review, Federal Reserve Bank of St. Louis, issue Mars, 3-12.

[5] Los instrumentos referenciados corresponden a los contratos de permuta financiera de tipos de interés en dólares estadounidenses (USD Interest Rate Swaps). El Bono USD 5 Years Interest Rate Swap y el Bono USD 10 Years Interest Rate Swap (cuyas referencias estándar de mercado en terminales financieras son los índices USDSB3L5Y y USDSB3L10Y, respectivamente) determinan el tipo de interés fijo que las instituciones financieras acuerdan intercambiar por un tipo flotante —generalmente ligado a tasas de referencia interbancarias a 3 meses— para plazos de vencimiento a 5 y 10 años. En la práctica, actúan como el indicador real y el termómetro del coste del dinero a medio y largo plazo para el sector corporativo, el mercado hipotecario y el sistema bancario global.

_____________

Como citar esta entrada del Blog:

Vicente Esteve, "El mercado le hace el "trabajo sucio'" a la Fed: Regla de Taylor, tipos de la deuda pública, swaps y freno a los tipos de los fondos federales en 2026", Universidad de Valencia", Blog Viaje al Fondo de las Finanzas Internacionales, 22/5/2026,

https://vicenteesteve.blogspot.com/2026/05/el-mercado-le-hace-el-trabajo-sucio-la.html

Una anomalía del mercado laboral: más perceptores de prestaciones que parados en ocho provincias

 La "falsa" radiografía del paro: Por qué las estadísticas ya no reflejan la realidad laboral

El mercado laboral español ha entrado en una dimensión estadística desconocida. Los últimos datos publicados por el SEPE revelan una anomalía técnica que debería encender todas las alarmas: en ocho provincias españolas hay más personas cobrando el subsidio de desempleo que parados registrados oficialmente. ¿Cómo es posible que alguien cobre el paro sin estar, técnicamente, en el paro? La respuesta está en la "ingeniería estadística" que rodea a la figura del fijo discontinuo.

El "maquillaje" de las listas del SEPE

Desde la última reforma laboral, el contrato fijo discontinuo se ha erigido como el instrumento ideal para adelgazar artificialmente las listas del paro. Al finalizar su campaña, el trabajador se va a casa y desaparece de la estadística de "parados registrados" por el simple hecho de mantener un vínculo formal con la empresa. No trabaja, no cobra sueldo, pero la realidad estadística es surrealista: se le contabiliza como una "persona ocupada". Sin embargo, la economía no entiende de etiquetas administrativas; ese trabajador sigue necesitando ingresos y acude a la prestación por desempleo, generando esa anomalía donde hay más beneficiarios que parados oficiales.

El resultado es una distorsión burocrática sin precedentes. Como muestra la tabla de la "Tasa de cobertura del total de beneficiarios", la administración reconoce el derecho a cobrar por no trabajar, pero se niega a contabilizar a esos ciudadanos como desempleados. En las provincias con elevado volumen de trabajadores fijos discontinuos la tasa de cobertura puede superar el 100% en los meses de fuera de temporada. [1] [2]

Las provincias donde la estadística pierde el sentido

Si observamos los datos adjuntos, la brecha entre la realidad de la calle y el registro oficial es flagrante:

• Illes Balears: El epicentro de la distorsión. Con una media anual del 274,6% y un pico surrealista del 360,2% en enero, Baleares es el ejemplo máximo de este fenómeno. Por cada parado oficial, hay casi tres personas cobrando una prestación. Es la prueba de que las listas de desempleo en las islas durante el invierno son, simplemente, una ficción contable.
• La barrera del 100%: Provincias como Girona (115,4%), Huesca (112,9%), Huelva (107,4%) o Jaén (105,3%) muestran tasas que desafían la lógica. En estos territorios, el fin de las campañas turísticas o agrícolas genera una masa de trabajadores en inactividad que "no existen" para la estadística del paro, pero que sí suponen un coste real para el sistema de prestaciones.

Un agujero en las arcas públicas y un espejismo de estabilidad

Este modelo no es inocuo; tiene consecuencias graves en dos frentes:

• El coste económico para el Estado: Mantener tasas de cobertura superiores al 100% supone un esfuerzo financiero inmenso. Se están destinando miles de millones de euros en prestaciones para sostener a una masa laboral que, oficialmente, "no está parada". Es un gasto estructural de desempleo camuflado, lo que dificulta una planificación económica real.
• La incertidumbre del trabajador: Para el empleado, es una precariedad intermitente. Aunque su contrato diga "indefinido", vive pendiente de una llamada que depende de la volatilidad del mercado, mientras consume una protección por desempleo que podría necesitar en el futuro.

Propuestas para una transparencia real: ¿Cómo arreglar el dato?

Para que las estadísticas vuelvan a ser una herramienta útil y no un arma de propaganda, son necesarios cambios técnicos urgentes:

1. Creación de una categoría de "Paro Efectivo": El SEPE debe publicar mensualmente una cifra que sume los parados registrados y los fijos discontinuos en periodo de inactividad que están cobrando prestación. Solo así conoceremos el volumen real de personas sin trabajo.
2. Sincronización de registros con la Seguridad Social: Cruzar en tiempo real los datos de cotización con los de demandantes de empleo. Si no hay cotización activa pero hay cobro de prestación, esa persona debe computar como desempleada a efectos estadísticos, independientemente de su tipo de contrato.
3. Transparencia por sectores: Desglosar la inactividad de los fijos discontinuos por CNAE (actividad económica) para identificar qué sectores están abusando de esta figura para cubrir puestos que deberían ser estructurales.

Conclusión

La tabla adjunta no solo muestra cifras de cobertura; muestra la pérdida de fiabilidad del dato público. Al no computar a los fijos discontinuos en periodos de inactividad como parados, se está hurtando al ciudadano una visión veraz del mercado de trabajo.

En definitiva, con este modelo estamos haciéndonos trampas al solitario. El éxito político de "bajar el paro" se basa más en un cambio de nomenclatura que en una creación real de empleo estable. Si hay más beneficiarios de prestaciones que parados, es que el sistema de medición está roto. La pregunta ya no es cuántos parados hay, sino cuántos trabajadores "inactivos" prefiere el sistema mantener ocultos bajo la etiqueta de "ocupado". Sin datos honestos, es imposible diseñar soluciones eficaces para los problemas reales de los trabajadores.

-------------------------------

[1] El indicador de la tasa de cobertura se calcula como: Total de beneficiarios de prestaciones por desempleo/(Paro registrado SISPE con experiencia laboral + Beneficiarios de subsidio de eventuales agrarios). Paro registrado SISPE con experiencia laboral = Total Paro registrado SISPE - Para registrado SISPE sin empleo anterior.

[2] El Paro Registrado SISPE es la estadística oficial del número de desempleados inscritos en las oficinas públicas de empleo (SEPE y servicios autonómicos) en España, gestionada a través del Sistema de información de los Servicios Públicos de Empleo (SISPE). Mide el volumen de personas desempleadas al último día de cada mes.

_______________________________________________________

Como citar esta entrada del Blog:

Vicente Esteve, "Una anomalía del mercado laboral: más perceptores de prestaciones que parados en ocho provincias", Universidad de Valencia", Blog Viaje al Fondo de las Finanzas Internacionales, 5/5/2026,

https://vicenteesteve.blogspot.com/2026/05/una-anomalia-del-mercado-laboral-mas.html

Guerra en Irán y rebajas fiscales: ¿Por qué la teoría económica y los antecedentes cuestionan los 20 céntimos de descuento del Gobierno de España?

 

Ante la escalada de los precios de la energía provocada por el conflicto en Irán, el Gobierno de España aprobó el Real Decreto-ley 7/2026 (20 de marzo), que moviliza 5.000 millones de euros en ayudas y rebajas fiscales. Entre las rebajas fiscales directas se incluye la reducción del IVA, con una caída del tipo impositivo para la gasolina, gasóleo, biocarburantes, gas natural, briquetas y "pellets" del 21% al 10%. 

A esta medida se sumó una reducción del tipo impositivo del Impuesto sobre Hidrocarburos en los productos más consumidos, como son el gasóleo y la gasolina sin plomo. La rebaja será hasta el nivel mínimo permitido por la directiva europea que regula la imposición de los productos energéticos. Algo que se extenderá al fuelóleo, el GLP, el gas natural y el queroseno usado como combustible.

Si bien las bajadas de impuestos cuentan con el respaldo social, los expertos y entidades como el FMI o la OCDE suelen rechazarlas. Los motivos principales son la falta de equidad, el daño ambiental y los riesgos económicos:

1. Impacto regresivo y falta de equidad

Las rebajas fiscales no distinguen entre niveles de riqueza, lo que genera las siguientes ineficiencias:

• Sin distinción de renta: Benefician por igual a propietarios de vehículos de lujo y de utilitarios sencillos.
• Premio al alto consumo: Quien más gasta (usualmente rentas altas) obtiene un ahorro total mayor que las familias con menos recursos.
• Inexistencia de foco: Es más efectivo otorgar ayudas directas a colectivos vulnerables que reducir impuestos de forma generalizada.

2. Ruptura del principio "quien contamina, paga"

• Estas medidas chocan directamente con los objetivos de sostenibilidad y transición ecológica:
• Estimulación del consumo: Al bajar el precio de forma artificial, se pierde el incentivo para ahorrar energía o buscar transporte limpio.
• Retroceso climático: Subvencionar combustibles fósiles contradice los compromisos globales de descarbonización.
• Costes ocultos: No se cubren las "externalidades", como los daños a la salud, el ruido o la contaminación urbana.

3. Inflación y distorsión del mercado

• A nivel macroeconómico, las rebajas fiscales pueden ser contraproducentes por dos factores:
• Presión sobre los precios: Al mantener alta la demanda, los precios de mercado no bajan, alimentando la espiral inflacionista.
• Captura de márgenes: Existe el peligro de que las petroleras suban sus beneficios, absorbiendo la rebaja fiscal en lugar de trasladarla al ciudadano.

Expertos económicos y organismos internacionales sugieren medidas que resguarden a la población sin alterar los precios de mercado ni frenar los objetivos ambientales. Frente a las reducciones de impuestos para todos, se plantean estas vías:

1. Ayudas Directas y Segmentadas

• Transferencias por nivel de ingresos: Entregar cantidades fijas exclusivamente a familias con recursos limitados.
• Eficiencia del gasto: Se asegura que el apoyo llegue a quienes no cubren sus necesidades básicas, evitando subvencionar a ciudadanos con rentas altas.
• Conciencia de consumo: Al no bajar artificialmente el precio del combustible, se mantiene el interés por el ahorro energético mientras se alivia el bolsillo del usuario.

2. Ajustes Fiscales y Bonificaciones

• Desgravaciones en el IRPF: Implementar deducciones fiscales específicas para trabajadores de bajos ingresos que enfrentan altos costes energéticos.
• Refuerzo de bonos sociales: Evolucionar los bonos eléctricos y térmicos para incluir ayudas de movilidad para los colectivos más vulnerables.

3. Impulso a la Movilidad Sostenible

• Subsidios al transporte público: Priorizar la inversión en trenes y autobuses gratuitos o a bajo coste en lugar de abaratar los combustibles fósiles.
• Optimización de redes: Mejorar rutas y frecuencias para que el transporte colectivo sea una opción viable frente al vehículo privado, disminuyendo la dependencia energética.

4. Tributación sobre Ganancias Extraordinarias

• Impuestos a beneficios "caídos del cielo": Gravar las ganancias excepcionales de las empresas energéticas derivadas de crisis geopolíticas.
• Financiación redistributiva: Destinar lo recaudado a sufragar ayudas para ciudadanos y sectores profesionales (como transportistas) sin generar déficit.

Durante la crisis energética de 2022 por la guerra en Ucrania, la implementación de estas medidas generó resultados diversos y un profundo análisis crítico. Esta experiencia previa es la que sustenta el escepticismo actual de muchos economistas sobre su validez.

En concreto, estas fueron los efectos encontrados en los estudios empíricos para el caso de España:

1. Impacto en Precios y Márgenes

• Alivio inicial: La subvención de 20 céntimos logró reducir el coste en el surtidor de manera inmediata tras su aprobación.
• Apropiación de beneficios: Informes de entidades como Esade o Funcas revelaron que las petroleras absorbieron entre el 20% y el 25% de la ayuda, impidiendo que el descuento llegara íntegramente al usuario.
• Escalada de costes: Debido a la volatilidad internacional, el diésel subió un 32%, neutralizando la percepción de ahorro para el consumidor a pesar del esfuerzo fiscal.

2. Repercusión en la Inflación

• Contención pasajera: Junto a la "excepción ibérica", la rebaja fiscal ayudó a que la inflación española se moderara antes que la de sus vecinos europeos en 2022.
• Repunte posterior: Al eliminarse la bonificación general en 2023, los precios subieron de golpe, evidenciando que la medida solo ocultaba el problema de forma temporal sin atacar la raíz.

3. Análisis de Equidad Social

• Medida regresiva: Se comprobó que las rentas altas recibieron hasta el triple de subvención que las bajas, debido a su mayor consumo de combustible y uso de vehículos potentes.
• Gasto público ineficiente: El coste ascendió a unos 6.000 millones de euros. Los expertos sostienen que esos recursos habrían sido más útiles mediante transferencias directas a los hogares más necesitados.

Desde el punto de vista de la teoría macroeconómica es indiscutible la demanda de carburantes se considera inelástica en relación a los cambios en los precios, especialmente en el corto plazo. 

Las petroleras trasladan rápidamente a los precios de venta al público de los combustibles los incrementos de las cotizaciones del crudo y de sus derivados y, cuando estos descienden, su traslado es muy lento e incompleto.

Pero esta posible estrategia asimétrica de las petroleras se solapa a una característica microeconómica de los combustible. En concreto, los combustibles son bienes con una elasticidad precio muy baja (la demanda es inelástica o rígida), por lo que su demanda cambia muy poco cuando cambian los precios. [2]

Aunque las medidas analizadas son nacionales, el comportamiento del consumidor es universal. Para ilustrar esta rigidez de la demanda, observemos el mercado más documentado del mundo: el de EE.UU.

En el primer gráfico se puede observar la evolución temporal de las ventas de gasolina en las estaciones de servicio y del precio del petróleo de referencia en EE.UU., el West Texas Intermediate (datos mensuales).

Como se puede observar en el gráfico ambas series se mueven en la serie histórica de manera sincronizada.

En el segundo gráfico se representa la evolución de las tasas de crecimiento anual de las ventas de gasolina y de las tasas de crecimiento anual de los precios de la gasolina (datos mensuales).

La sincronía de las dos series es ahora todavía más alta, ya que las tasas de variación están en casi todo el periodo en valores muy cercanos, tanto cuando suben como cuando bajan los precios de la gasolina. Ello implica que las ventas de gasolina responden muy poco a los cambios en los precios de la gasolina. En definitiva, la demanda de gasolina en los EE.UU. es muy inelástica en relación a los cambios en los precios de la gasolina. [1]

--------

[1] Una estimación de la elasticidad-precio media de la demanda de gasolina en EE.UU. puede verse en el trabajo de Espey, M. (1996): "Explaining the Variation in Elasticity Estimates of Gasoline Demand in the United States: A Meta-Analysis", The Energy Journal, Vol. 17, No. 3, pp. 49-60. En el estudio se estima una elasticidad-precio media de la demanda de la gasolina a corto plazo (horizonte temporal de 1 año o menos) del -0,26, es decir, un aumento del 10% en el precio de la gasolina provoca que disminuya la cantidad demandada en un 2,6%. En el largo plazo (horizonte temporal de más de 1 año), la elasticidad-precio media de la demanda sube hasta el -0,58, es decir, un aumento del 10% del precio de la gasolina provoca que la cantidad demandada disminuya en un 5,8%.

[2] Para entender la "pérdida irrecuperable de eficiencia" y por qué los subsidios a bienes de demanda inelástica (gasolina) generan distorsiones, véase Pindyck, R. S., & Rubinfeld, D. L. (2018). Microeconomía (9ª ed.). Pearson Educación. Capítulo clave: Capítulo 9, "El análisis de los mercados competitivos".

-------

Referencias Bibliográficas

Black, S., Liu, A., Parry, I., & Vernon, N. (2023). IMF Fossil Fuel Subsidies Data: 2023 Update. International Monetary Fund. https://www.imf.org/en/publications/wp/issues/2023/08/22/imf-fossil-fuel-subsidies-data-2023-update-537281

Hidalgo, M., Roldán, T., & Martínez, J. (2022). ¿Cómo ha afectado el descuento de los combustibles al precio en las estaciones de servicio? EsadeEcPol - Center for Economic Policy. 

International Energy Agency. (2023). Fossil Fuels Consumption Subsidies 2022. IEA Analysis. https://www.iea.org/reports/fossil-fuels-consumption-subsidies-2022Moral, M. J. (2022). La subvención de 20 céntimos por litro de combustible a debate. Funcas, Documentos de Trabajo (Nº 232/2022). 

OECD. (2023). The OECD Energy Support Measures Tracker: Looking back to move ahead. OECD Economics Department. https://oecdecoscope.blog/2023/06/21/the-oecd-energy-support-measures-tracker-looking-back-to-move-ahead/

OECD. (2025). OECD Inventory of Support Measures for Fossil Fuels: Policy Trends up to 2025. OECD Publishing. oecd.org

Raymond, J. L. (2022). Medidas para frenar la inflación en 2022: impacto fiscal y sobre los precios. Cuadernos de Información Económica, (291), 1-10.

Roldán, T., & Martínez, J. (2023). Un repaso a las medidas de emergencia del gobierno: ¿cómo mejorarlas? EsadeEcPol - Center for Economic Policy.

World Bank. (2023). Global Landscape of Fuel Subsidies and Price Controls. World Bank Publications. https://openknowledge.worldbank.org/entities/publication/d6830ebf-f584-4734-8369-756b0593cedf

_____________________________________________

Como citar esta entrada del Blog:

Vicente Esteve, "Guerra en Irán y rebajas fiscales: ¿Por qué la teoría económica y los antecedentes cuestionan los 20 céntimos de descuento del Gobierno de España?", Universidad de Valencia", Blog Viaje al Fondo de las Finanzas Internacionales, 23/4/2026,

https://vicenteesteve.blogspot.com/2026/04/guerra-en-iran-y-rebajas-fiscales-por.html

Vídeo de una entrevista reciente al macroeconomista Olivier Blanchard: propuesta de creación de un mercado de eurobonos "azules" para Europa

 

Olivier Blanchard es en la actualidad senior fellow en el Peterson Institute for International Economics y catedrático emérito de Economía en el Massachusetts Institute of Technology (MIT), EE. UU.. Después de obtener su doctorado en economía en el MIT en 1977, enseñó en la Universidad de Harvard y regresó al MIT en 1982.

En 2008, se tomó una excedencia en el MIT para ocupar un puesto como consejero económico y director del Departamento de Investigación del Fondo Monetario Internacional, donde permaneció hasta 2015.

Blanchard ha trabajado en un amplio conjunto de cuestiones macroeconómicas, incluido el papel de la política monetaria y fiscal, las burbujas especulativas, el mercado laboral y los determinantes del desempleo, la transición económica en los antiguos países comunistas y la naturaleza de la crisis financiera mundial. 

Blanchard es autor de numerosos libros y artículos, incluidos dos libros de texto sobre macroeconomía, uno de nivel de posgrado con Stanley Fischer y el otro de nivel de pregrado. Fue editor del Quarterly Journal of Economics y del NBER Macroeconomics Annual y editor fundador de American Economic Journal: Macroeconomics. 

El Peterson Institute for International Economics (PIIE) con sede en Washington, DC, EE. UU., es una organización de investigación independiente, sin fines de lucro y no partidista, dedicada a fortalecer la prosperidad y el bienestar humano en la economía global a través de análisis expertos y soluciones políticas prácticas.

En este video se puede ver una reciente entrevista a Olivier Blanchard donde analiza la postura de Europa respecto a la propuesta de eurobonos que él y Ángel Ubide presentaron el año pasado, las perspectivas para la región y las razones por las que sigue siendo optimista sobre el futuro de Europa.

Aquí tienen también el enlace de un breve artículo donde Blanchard plantea la propuesta de creación de un mercado de eurobonos "azules" para Europa. [1]

Disfruten y practiquen el inglés americano (de un ciudadano americano de origen francés):

En el video pueden poner subtítulos en inglés.

-----------------------

[1] Una crítica a la propuesta de eurobonos "azules" de Blanchard y Ubide puede verse en este artículo reciente "Why Eurobonds won't work" de Hanno Lustig (2026): 

https://thetwocents.substack.com/p/why-eurobonds-wont-work

_____________________________________________

Como citar esta entrada del Blog:

Vicente Esteve, "Vídeo de una entrevista reciente al macroeconomista Olivier Blanchard: propuesta de creación de un mercado de eurobonos "azules" para Europa", Universidad de Valencia", Blog Viaje al Fondo de las Finanzas Internacionales, 15/4/2026,

https://vicenteesteve.blogspot.com/2026/04/video-de-una-entrevista-reciente-al.html

Liderazgo en investigación de la Facultad de Economía de la UV: primera de España en Negocios, Gestión y Contabilidad y segunda en Economía según el ranking SCImago 2026

La Facultad de Economía de la Universitat de València (UV) ha reafirmado su posición como referente académico al alcanzar resultados históricos en la edición 2026 del SCImago Institutions Rankings (SIR). Este prestigioso monitor, que evalúa el impacto y la calidad de la producción científica a nivel internacional, sitúa a nuestro centro en la vanguardia de la investigación en España.

Liderazgo nacional en áreas clave

Los datos de esta última edición consolidan la trayectoria de excelencia de la Facultad en dos ámbitos fundamentales:

• Negocios, Gestión y Contabilidad: La Facultad se posiciona como la número 1 de España, destacando por su volumen de publicaciones y el impacto de sus investigaciones en el entorno empresarial y académico. A nivel global, ocupa el puesto 112 entre más de 2.700 universidades.
• Economía, Econometría y Finanzas: Alcanza la 2ª posición a nivel nacional, reforzando su papel como motor de conocimiento económico en el país y situándose en el puesto 164 del ranking mundial.

Ranking SCImago 2026: Mejores Universidades de España en investigación

Pos.	Gestión / Contab.	Econ. / Finanzas
1º	U. València (UV)	U. Barcelona
2º	U. Barcelona	U. València (UV)
3º	U. Autònoma BCN	U. Autònoma BCN
4º	U. Granada	U. Complutense
5º	U. Sevilla	U. Granada
6º	U. Complutense	U. Castilla-LM
7º	U. Zaragoza	U. Sevilla
8º	U. Carlos III	U. Zaragoza
9º	U. Castilla-LM	U. Carlos III
10º	U. Murcia	U. Murcia

Por qué los rankings de investigación importan al estudiante

La relevancia de estos indicadores trasciende el ámbito académico, convirtiéndose en un factor determinante para los futuros alumnos al elegir su centro de estudios. Optar por una facultad situada en la élite científica garantiza un entorno de aprendizaje donde el conocimiento es actualizado, riguroso y está alineado con las últimas tendencias globales.

Formarse en una institución líder en producción científica asegura, además, que el alumnado contará con docentes que no solo transmiten teoría, sino que generan activamente el saber que transformará el futuro de la economía y la gestión empresarial.

Metodología y alcance global (SIR 2026)

El ranking SCImago utiliza indicadores objetivos de rendimiento para evaluar a universidades y otras instituciones relacionadas con la investigación mediante una métrica combinada de tres dimensiones:

1. Investigación (50%): Volumen, impacto (citas), especialización y colaboración internacional.
2. Innovación (30%): Patentes solicitadas y citas de conocimiento en el ámbito tecnológico.
3. Impacto Social (20%): Visibilidad web y conversación en entornos digitales.

Este hito se suma a otros reconocimientos en rankings globales, consolidando a la Facultad de Economía de la UV como un destino preferente para la formación y la investigación de alto nivel.

_____________________________________________

Como citar esta entrada del Blog:

Vicente Esteve, "Liderazgo en investigación de la Facultad de Economía de la UV: primera de España en Negocios, Gestión y Contabilidad y segunda en Economía según el ranking SCImago 2026", Universidad de Valencia", Blog Viaje al Fondo de las Finanzas Internacionales, 3/4/2026,

https://vicenteesteve.blogspot.com/2026/04/liderazgo-en-investigacion-de-la.html

¿Está el IPC subestimando la inflación real? El impacto de los costes de la vivienda en EE. UU.

La medición de la inflación es, probablemente, el dato económico más vigilado del mundo. Sin embargo, ¿qué pasaría si la métrica que utilizan los bancos centrales para fijar los tipos de interés estuviera "ciega" ante una parte fundamental del coste de vida?

En economía, lo que no se mide no existe, pero lo que se mide mal puede ser aún más peligroso. Un reciente y revelador artículo de Bolotnyy, Kousky y Walters (2025) pone el dedo en la llaga sobre un problema metodológico crítico: la forma en que el Índice de Precios al Consumo (IPC) en EE. UU. contabiliza los costes de la vivienda, poniendo cifras a una sospecha que millones de hogares estadounidenses comparten. [1]

El dilema estadístico: ¿servicio o inversión?

Para medir el coste de la vivienda de quienes viven en su propia casa, los estadísticos se enfrentan a un dilema: ¿Cómo mides el "gasto" de alguien que no paga alquiler? Aquí es donde aparecen las dos metodologías enfrentadas en el estudio:

1. OER: El método del IPC oficial

El Alquiler Equivalente del Propietario (OER) es el método utilizado actualmente por la Bureau of Labor Statistics. La idea es sencilla: se pregunta a los propietarios cuánto creen que podrían cobrar si alquilaran su vivienda.

Ventaja: Trata la vivienda como un servicio de consumo y no como un activo financiero, evitando la volatilidad del mercado inmobiliario.

Limitación: Tiende a moverse con un retraso enorme respecto al ciclo real, porque los alquileres reaccionan mucho más despacio que los precios de venta o los tipos de interés.

2. User Cost: La aproximación del coste real

El método del User Cost parte de una premisa distinta: el coste de consumir vivienda es el coste económico total de poseer una casa. Este enfoque incluye componentes críticos que el OER ignora: tipos de interés hipotecarios, impuestos, mantenimiento y expectativas de revalorización. Es una visión mucho más fiel al esfuerzo financiero real de los hogares, aunque a costa de una mayor volatilidad estadística.

En el siguiente gráfico, los autores comparan el IPC oficial (línea azul) con su medida alternativa de User Cost (línea amarilla).

El resultado es demoledor. Al incluir los costes de financiación que el IPC oficial ignora, los autores descubren que la inflación no alcanzó un techo del 9% en 2022, sino que llegó a un estratosférico 18% en noviembre de ese año (los picos del gráfico).

Lo más preocupante es que esta divergencia no ha desaparecido: en noviembre de 2023, mientras el dato oficial celebraba una bajada hasta el 3%, la inflación real corregida seguía anclada por encima del 8%. Esta brecha explica por qué el sentimiento del consumidor ha tocado mínimos históricos: la gente no vive en la línea azul de las estadísticas; vive en la línea amarilla de las hipotecas.

Implicaciones para la FED: Una política monetaria que "echó gasolina" al fuego

Los hallazgos de este estudio tienen consecuencias sísmicas para la credibilidad de la Reserva Federal (FED). Si aceptamos que la inflación real fue del 18% y no del 9%, la conclusión es inevitable: los tipos de interés reales fueron profundamente negativos durante mucho más tiempo del que los modelos de la FED sugerían.

Esto implica que la política monetaria no solo fue lenta, sino que fue involuntariamente hiper-expansiva en pleno incendio inflacionario. El banco central estaba calibrando su estrategia basándose en un termómetro roto que marcaba la mitad de la temperatura real. El gráfico sugiere que la FED estuvo combatiendo la inflación de 2023 basándose en un "espejismo" de moderación, ignorando que los costes de endeudamiento seguían devorando la renta disponible.

Al final del día, si la vivienda se mide mal, la política monetaria se diseña a ciegas, y el riesgo de un error de política ("policy error") deja de ser una posibilidad para convertirse en una certeza estadística.

El reto pendiente: ¿Qué nos diría un "User Cost CPI" en España?

Tras analizar los hallazgos de Bolotnyy, Kousky y Walters (2025) es inevitable preguntarse: ¿Cuál sería la inflación real en España si aplicáramos esta misma metodología? En un país con una tasa de propiedad superior al 75% y un mercado hipotecario históricamente ligado al Euríbor, el sesgo del IPC oficial podría ser incluso más dramático que el estadounidense. Mientras el índice oficial se centraba en la moderación de los alquileres y la energía, millones de hogares españoles veían cómo sus cuotas hipotecarias se disparaban un 40% o 50% en apenas un año. Realizar un estudio que reconstruya nuestra inflación bajo el prisma del Coste de Uso no es solo un ejercicio de rigor académico; es una necesidad urgente para entender el verdadero empobrecimiento de las familias y evaluar si las decisiones del BCE han pecado de la misma "ceguera estadística" que las de la FED. 

¿Quién se atreve a recoger el guante y calcular nuestra la inflación real para España con esta metodología? Un trabajo interesante para un Trafico de Fin de Master (TFM) de Economía o de Finanzas.

---------------

[1] Bolhuis, M.A., Cramer, J.N.L., Schulz, K.O, and Summers, L.H. (2026): "The cost of money is part of the cost of living", Economics Letters, Volume 259, 112728.

_____________________________________________

Como citar esta entrada del Blog:

Vicente Esteve, "¿Está el IPC subestimando la inflación real? El impacto de los costes la de vivienda en EE. UU.", Universidad de Valencia", Blog Viaje al Fondo de las Finanzas Internacionales, 9/3/2026,

https://vicenteesteve.blogspot.com/2026/03/esta-el-ipc-subestimando-la-inflacion.html

La muerte del "graduado estándar": lo que la crisis del empleo joven en EE. UU. nos enseña sobre la IA generativa y la sustituibilidad

La inteligencia artificial (IA) es un concepto amplio que hace referencia al desarrollo de sistemas capaces de imitar determinadas capacidades humanas. Abarca tecnologías tan diversas como los asistentes virtuales, los chatbots y los generadores de imágenes, así como dispositivos autónomos como las aspiradoras robóticas y los vehículos sin conductor, entre otros.

La inteligencia artificial generativa (IA generativa, GenAI) es una rama de la IA orientada a la creación de nuevos contenidos e ideas, tales como textos conversacionales, relatos, imágenes, vídeos o música. Este tipo de tecnología puede aprender y procesar conocimiento en ámbitos muy diversos, incluyendo el lenguaje humano, los lenguajes de programación, el arte y distintas disciplinas científicas como la química o la biología. A partir de la información adquirida, la IA generativa es capaz de reutilizar y combinar conocimientos para abordar problemas nuevos. Por ejemplo, puede aprender vocabulario en inglés y emplearlo para componer un poema. En el ámbito organizacional, la IA generativa puede aplicarse a múltiples usos, entre ellos el desarrollo de chatbots, la generación de contenidos multimedia, el diseño y la creación de productos, entre otros.

Durante décadas, el sistema educativo y el mercado laboral de EE. UU. operaron bajo una premisa sencilla: la formación era un seguro de vida. Si no podías ser el número uno de tu promoción en una universidad de élite, bastaba con ser un "graduado estándar". Un profesional solvente, formado en una universidad media, capaz de redactar informes, analizar datos básicos y aprender las dinámicas de la empresa desde abajo. Ese era el corazón de la clase media profesional.

La irrupción de la GenAI no ha traído una competencia por el talento, sino una auditoría técnica de la sustituibilidad. Hoy, la GenIA no está "obsesionada" con desplazar a los mejores —aquellos cuyos roles dependen del juicio crítico, la intuición compleja o redes de contactos de alto nivel—. Tampoco busca eliminar los puestos de menor coste, que siguen siendo necesarios por su flexibilidad operativa.

La IA ha puesto su objetivo en el centro: en todas esas tareas que los graduados de nivel medio solían usar como "derecho de entrada" al mundo laboral.

En esta entrada analizamos por qué ser un profesional "promedio" se ha convertido en la posición más arriesgada de la economía moderna. Exploramos cómo el primer escalón de la carrera profesional se está evaporando y por qué, en la era de los algoritmos, el peligro no es ser el peor, sino ser el más fácil de replicar en una línea de código.

En un reciente trabajo de Lichtinger y  Hosseini (2025) de la Universidad de Harvard se estudia si la GenAI generativa constituye un cambio tecnológico con sesgo de antigüedad, que afecta desproporcionadamente a los trabajadores jóvenes ("juniors") en comparación con los trabajadores de mayor edad ("seniors"). [1]

El estudio se basa en datos de currículums estadounidenses que abarcan 62 millones de trabajadores y 285.000 empresas en el período 2015–2025, lo que permite rastrear el empleo por nivel de antigüedad a escala empresarial. La adopción de GenAI se detecta mediante técnicas de análisis textual aplicadas a las ofertas de empleo, identificando la demanda de perfiles especializados en integración de GenAI como indicador de su implementación activa.

En la siguiente Figura 1representa el cambio porcentual en el número promedio de trabajadores de nivel junior y senior en las empresas de nuestra muestra a lo largo del tiempo. Los valores están normalizados a cero para enero de 2015. Junior se refiere a los niveles iniciales en el puesto de trabajo, mientras que senior se refiere a los niveles de trabajo en escalas intermedias y superiores. La línea vertical representa la fecha de lanzamiento del ChatGPT.

La evidencia gráfica indica que, durante el periodo 2015-2022, la evolución del empleo mostró una trayectoria paralela en ambos colectivos, con la única excepción del retroceso transitorio sufrido por el sector joven durante la crisis sanitaria. No obstante, a partir del segundo semestre de 2022 surge un cambio de tendencia estructural: mientras la ocupación de los mayores mantiene su inercia expansiva, el empleo juvenil entra en una fase de estancamiento que deriva en una contracción neta a partir de mediados de 2023.

Como se observa en el siguiente Figura 2, la adopción de GenAI pasó de ser testimonial (30 empresas/mes antes de 2023) a masiva tras la irrupción de ChatGPT. El ritmo de incorporación escaló hasta las 456 empresas en agosto de 2023, estabilizándose posteriormente en una meseta de 400 usuarios mensuales durante 2024. A comienzos de 2025, el proceso de adopción entró en una nueva fase de aceleración, alcanzando las 574 empresas en marzo. Este dinamismo ha permitido que la cifra acumulada de empresas que han integrado GenAI cruce la barrera de las 10.000 al finalizar el periodo analizado.

El análisis comparativo del empleo revela patrones contrapuestos entre los trabajadores jóvenes y sénior tras la integración de la GenAI. Según se observa en la siguiente Figura 3a (izquierda), el empleo juvenil en las firmas que incorporaron la GenAI y en las empresas no usuarias mantuvo una trayectoria paralela desde 2018 hasta el cierre de 2022. 

No obstante, a partir de esa fecha se produce una divergencia significativa: mientras las firmas que no incorporaron la tecnología conservaron niveles de ocupación estables, aquellas que integraron GenAI registraron una contracción sensible en la ocupación de jóvenes. Por el contrario, la Figura 3b (derecha) muestra que el empleo sénior fue notablemente más resiliente; ambos grupos de empresas crecieron a un ritmo equiparable desde 2018, sin que la irrupción de esta innovación en 2023 alterara sustancialmente su tendencia expansiva. 

Figure 3: Employment Patterns by Adoption and Seniority

La adopción de la GenAI está transformando el acceso al empleo joven al automatizar las tareas cognitivas de menor valor añadido, propias de los puestos de entrada. Este ajuste no se manifiesta vía despidos, sino mediante una caída en la contratación, lo que evidencia una compresión de los roles iniciales. Al delegar funciones como la revisión de documentos o la generación de borradores en la IA, el volumen de trabajo 'apto' para perfiles junior disminuye drásticamente. Como resultado, se debilita el ecosistema de aprendizaje remunerado y se genera un cuello de botella en la transición profesional de los jóvenes.

Hosseini y Lichtinger (2025) también destacan un canal intertemporal para los impactos laborales. Esta evidencia sugiere que la adopción de GenAI estaría desplazando las tareas de nivel inicial, provocando un vaciamiento de los estratos inferiores en las jerarquías profesionales. Al eliminar estos puestos de base, se interrumpe el proceso crítico de formación en el puesto de trabajo ("on-the-job training"), esencial para la acumulación de capital humano en las etapas tempranas. Dado que la experiencia inicial es el motor del crecimiento salarial a largo plazo, esta pérdida de aprendizaje práctico podría tener implicaciones sistémicas, limitando la movilidad ascendente de las nuevas cohortes, y generando una desigualdad estructural persistente en el mercado de trabajo en contra de los jovenes.

¿Qué perfiles de recién graduados universitarios en EE. UU. muestran una mayor vulnerabilidad? 

Al clasificar las instituciones académicas en cinco niveles por su prestigio, el estudio revela que los graduados de universidades de rango intermedio experimentaron un deterioro en su empleabilidad significativamente mayor que sus homólogos en los extremos superior e inferior. Los autores plantean la hipótesis de que las empresas priorizan la retención del talento de élite por su valor estratégico y habilidades especializadas, mientras mantienen a los perfiles de niveles básicos por su competitividad en costes. Bajo esta lógica, los profesionales de nivel medio quedarían atrapados en un "segmento de riesgo", siendo los más susceptibles de ser desplazados por la IA.

¿Cuáles son las diferencias entre EE. UU. y España?

Si miramos hacia EE. UU., el fenómeno es ya una realidad estadística. En el mercado laboral más flexible del mundo, la GenAI ha actuado como un catalizador de la polarización: las empresas de Silicon Valley o Wall Street están rediseñando sus jerarquías para eliminar lo que consideran "ruido operativo". El resultado es un mercado de trabajo con forma de reloj de arena, donde los puestos de entrada para graduados medios —el histórico motor de la clase media estadounidense— están siendo absorbidos por algoritmos capaces de procesar en segundos lo que a un junior le tomaba semanas aprender.

En España, el escenario es igual de crítico, pero con un matiz más doloroso.

Mientras que en EE. UU. la preocupación es la sustitución, en España el riesgo es la cronificación del estancamiento juvenil. Nuestro mercado laboral, históricamente castigado por la dualidad y la sobrecualificación, se enfrenta ahora a un nuevo cuello de botella. Aquí, el graduado estándar de una universidad media no solo compite con otros candidatos; ahora compite con una tecnología que no requiere seguridad social, no comete errores de bulto en tareas rutinarias y no necesita un periodo de formación medio de dos años en las empresas.

La diferencia es clara:

• En EE. UU., el graduado medio ve cómo desaparece el peldaño de entrada hacia salarios altos.
• En España, el graduado medio corre el riesgo de quedar atrapado permanentemente en el sector servicios o en puestos de baja cualificación, al evaporarse esos "empleos puente" en oficinas y departamentos técnicos que antes servían para iniciar una carrera profesional sólida.

Ambos países comparten la misma advertencia: la GenAI no ha venido a por el trabajo físico, sino a por la clase media intelectual. Si tu valor diferencial es "hacer lo que hace todo el mundo pero con un título universitario", la IA en EE. UU. ya te ha descartado, y en España, está a punto de dejarte sin escalera para subir.

Supervivencia en el mercado post-IA: ¿Cómo evitar la "zona de sustitución" en España? Me voy a atrever a dar unos consejos a mis estudiantes y a otros recién graduados de otras universidades españolas.

Si eres un graduado de nivel medio en España, el panorama puede parecer desalentador, pero la clave no es competir contra la máquina, sino diferenciarse de ella. En un mercado que tiende a la polarización, la solución no es solo "estudiar más", sino estudiar de forma estratégica.

Esta podría ser tu hoja de ruta para dejar de ser un "perfil sustituible":

1. Sal del "Centro de la Pirámide".

En España, la sobrecualificación ha hecho que miles de graduados hagan tareas que una IA realiza casi a coste cerio (resúmenes, PowerPoints básicos, Excel rutinario). El objetivo debe ser moverte hacia los extremos:

• O la hiper-especialización técnica (manejar lo que la IA no entiende todavía).
• O la gestión del factor humano (negociación, empatía real y resolución de conflictos), áreas donde las empresas españolas, muy basadas en las relaciones personales, siguen valorando el talento humano por encima de todo.

2. Convierte la GenAI en tu "Becario", no en tu reemplazo.

No esperes a que tu primera empresa te enseñe a usar la IA. El graduado que sobrevive en España es aquel que llega al puesto junior sabiendo cómo usar Claude, ChatGPT o Copilot para hacer el trabajo de tres personas. Si demuestras que tu productividad es exponencial gracias a la IA, dejas de ser un "coste" para convertirte en una inversión de alto rendimiento.

3. Apuesta por la "Movilidad de Habilidades" ("Upskilling").

El título universitario en España tiene una "fecha de caducidad" cada vez más corta. La formación continua ya no es un extra, es el mantenimiento básico. Enfócate en habilidades híbridas: un abogado que sabe de análisis de datos, o un economista que entiende de programación ética. Estos "perfiles puente" son los que reconstruirán los peldaños de la escala profesional que la IA está borrando.

4. Reclama el "Aprendizaje en el Terreno".

Dado que las empresas están eliminando las tareas junior para ahorrar costes, los nuevos graduados deben ser proactivos en buscar mentorías y proyectos transversales dentro de las organizaciones. No te limites a cumplir tu tarea; busca entender el negocio completo. La IA puede redactar el contrato, pero no puede entender por qué ese cliente específico es vital para la estrategia de la empresa.

La muerte del "graduado estándar" no es el fin del empleo joven, sino el fin de la pasividad académica. En EE. UU., el mercado ya está expulsando a quienes no aportan un valor diferencial claro. En España, todavía estamos a tiempo de reaccionar.

El futuro no pertenece a quienes tienen un diploma colgado en la pared, sino a quienes son capaces de navegar la incertidumbre, dominar las herramientas de su tiempo y, sobre todo, aportar ese gramo de juicio humano que ninguna línea de código podrá replicar.

Fuente: Elaboración propia

------------------

[1] Lichtinger, G. and Hosseini, S.M. (2025): "Generative AI as Seniority-Biased Technological Change: Evidence from U.S. Résumé and Job Posting Data", Harvard University. Available at SSRN: https://ssrn.com/abstract=5425555 or http://dx.doi.org/10.2139/ssrn.5425555

_____________________________________________

Como citar esta entrada del Blog:

Vicente Esteve, "La muerte del "graduado estándar": lo que la crisis del empleo joven en EE. UU. nos enseña sobre la IA generativa y la sustituibilidad", Universidad de Valencia", Blog Viaje al Fondo de las Finanzas Internacionales, 10/2/2026,

https://vicenteesteve.blogspot.com/2026/02/la-muerte-del-graduado-estandar-lo-que.html