La base de datos del Global Trade Analysis Project (GTAP) y su proyección a futuro
Varias de las fuentes de datos que utilizamos han sido explicadas en el capítulo previo, cuando presentamos las barreras al comercio y a la inversión existentes entre Mercosur y España. Estas son claves para el impacto de las simulaciones (o escenarios) que estudiamos. En ese Capítulo, también describimos las diversas fuentes de datos utilizadas para reflejar el peso de las multinacionales en los sectores de servicios avanzados.
Ahora presentamos los datos que constituyen, por así decirlo, el armazón del modelo. La mayor parte de ellos provienen de la base de datos publicada en agosto de 2019 Global Trade Analysis Project GTAP10 (Aguiar, et al., 2019a) que suministra una muy detallada información sobre la economía mundial para cuatro años de referencia (2004, 2007, 2011 y 2014). The Economist comentaba que era la mejor base de datos disponible para esta metodología (The Economist, 2015). El mundo aparece dividido en un total de 20 regiones y 121 países, para cada una de las cuales se ofrecen 65 sectores de bienes y servicios. GTAP10 proporciona datos de producción, consumo intermedio y consumo final de bienes y servicios, así como, los patrones del comercio bilateral, los costes del transporte internacional de mercancías y los regímenes de protección arancelaria que vinculan a los diferentes sectores de las distintas regiones a nivel mundial. El investigador puede agregar todas estas regiones y sectores como desee utilizando paquetes de software como GEMPACK o GAMS.
El lector puede hacerse ahora una mejor idea de por qué los datos de GTAP disponibles públicamente en 2019 se refieren a la economía mundial en 2014. Cubrir tantos sectores para tan elevado número de países y regiones, con toda la riqueza de datos que posee la GTAP, conlleva un enorme esfuerzo de armonización. Téngase en cuenta la naturaleza del modelo que acabamos de describir. Los datos recogen, como hace el marco input-output, todos los costes que hay detrás de la producción y el destino de esta por el lado de la demanda. En el caso de la GTAP se cubren tanto inputs intermedios importados
136
como domésticos, provenientes, claro, de cada uno de los 65 sectores y que son usados en cada uno de los 65 sectores. Todos los sectores, además, incluyen el detalle de los factores utilizados en la producción. Y tanto para los factores como para los inputs intermedios conocemos los impuestos que se les cargan. En el caso de estos últimos, difieren según el sector de origen (por ejemplo, metal) y de destino (usado para coches o para la construcción).
Para todos los sectores conocemos la información disponible en el marco input-output, es decir, qué parte de la producción se destina a los flujos de exportación o a otros usos finales (consumo privado, público e inversión) o de inputs intermedios, para seguir siendo transformados en el proceso productivo (ver capítulo de escenarios y simulaciones).
Respecto a los flujos de importación conocemos también su peso en el consumo privado, público e inversión a nivel agregado (como vimos en el capítulo previo) o en los bienes intermedios. Así, de la suma de los datos sectoriales se obtiene el total desplegado en las contabilidades nacionales de los países.
La información referente al sector exterior es especialmente detallada. Tenemos datos de los aranceles y subsidios diferenciados según país de origen y destino y también a nivel de sector, junto con los costes de transporte y seguros que todos esos flujos tienen asociados. Para este trabajo hemos actualizado esos aranceles, como explicaremos en la siguiente sección. A ello hay que añadir, en el caso del presente modelo, las estimaciones de los distintos tipos de barreras que provienen de otras fuentes de datos, principalmente las medidas no arancelarias al comercio y a la Inversión Extranjera Directa, descritas en el Capítulo previo. GTAP también incluye información sobre el ahorro nacional, el stock de capital, la población y otros datos que no aparecen en el marco input-output. Todo ha de ser consistente. Por esta razón, el modelo ofrece el impacto que el incremento en los flujos comerciales y las operaciones de las multinacionales implica en muchas de las dimensiones de la economía.
Adicionalmente, hemos actualizado la información de GTAP10 referente al último año (2014) para tratar de reflejar la economía mundial en 2023. Más concretamente, esta actualización implica que se incluye en la base de datos el propio crecimiento esperado para las distintas regiones en el año 2022. El shock del Tratado tendría lugar, a comienzos de 2023. La actualización se basa en el crecimiento del PIB que se estima tiene lugar en cada una de las regiones del modelo, siguiendo las técnicas descritas en Böhringer et al.
(2009).
En nuestro modelo necesitamos actualizar los datos desde 2014 hasta el año de inicio de implementación del acuerdo, que pensamos podría ser en 2022, así como de la estimación de la tasa de desempleo para 2022. Como para 2014-2019 está clara la evolución experimentada por el PIB (IMF, 2020), nos centramos en las decisiones referentes al período 2019-2022. Para este último período, nuestras estimaciones de crecimiento del PIB y del desempleo para España y el resto de la UE, se han basado en la evolución de la pandemia en forma de W, prevista tanto por el Banco de España (2020) como por el Banco Central Europeo (BCE, 2020). Sus previsiones eran más negativas para España y el Resto de la UE que las estimaciones del Fondo Monetario Internacional (2020). Dadas
137
las fechas de realización de los estudios y el agravamiento de la pandemia en el cuarto trimestre de 2020, parecía prudente tomar como proyecciones las más negativas del Banco de España (2020) y el Banco Central Europeo (BCE, 2020), algo que podemos confirmar fue adecuado con los datos disponibles en marzo de 2021. Además, sus datos permitían llegar hasta el año 2022, que se presentaba como plausible para el inicio de la aplicación del acuerdo de Mercosur, a diferencia de las estimaciones de la OCDE (2020a, 2020b) que llegaban únicamente hasta 2021. Al menos la parte estrictamente comercial, que no ha de ser aprobada por todos los Parlamentos Europeos, como ocurre con las cláusulas más avanzadas del Tratado (Inversión Extranjera Directa, comercio de servicios, etc.), parece que podría ponerse en marcha en 2023. Una vez hayan tenido lugar elecciones en varios países europeos, en especial, tras las presidenciales francesas de mayo de 2022.
Ninguna de las instituciones analizadas, y hasta donde sabemos ninguna otra, ofrecía en el momento de introducir las proyecciones datos para el conjunto de la UE, pues la propia Comisión Europea los publicó en fechas posteriores. Por ello, aproximamos la evolución de la región UE26 de nuestro modelo (esto es, UE28 excluyendo Reino Unido y España) a través de los datos de la Zona Euro estimada por los organismos. La evolución de España fue omitida en la de la Zona euro, utilizando los pesos en el PIB y en el desempleo de la Zona Euro de los 19 (Eurostat, 2020), quedando así un agregado de Zona Euro excluyendo a España como “proxy” para la región UE26 de nuestro modelo. Nótese que según los datos de Eurostat (2020), la Zona Euro-19 supone en torno al 85% del PIB a precios reales de la UE de los 27.
Por otra parte, para la evolución de los cuatro países signatarios del Acuerdo UE-Mercosur y para la región del Resto del Mundo, hemos utilizado las estimaciones del Fondo Monetario Internacional (FMI, 2020) por ofrecer una fuente uniforme y comparable para todas ellas. La región del Resto del Mundo es aproximada por la evolución del agregado mundial que esta institución presenta, en la que se incluyen economías avanzadas y emergentes como ocurre en nuestra región del Resto del Mundo.
Para la evolución del desempleo en la región del Resto del Mundo, dato que el FMI (2020) no proporciona ningún dato para el global del mundo, recurriremos al agregado estimado por la Organización Internacional de Trabajo (ILO, 2020). Aunque la Organización Internacional de Trabajo (ILO, 2020) afirma en su página de internet que ha actualizado los datos el 12 de octubre de 2020, no resulta del todo claro qué datos están actualizados y cuáles no. Por ello, parece apropiado tomar un estimador de la tasa de desempleo que denominan “Combined rate of unemployment and potential labour force (LU3)”, que comprende tanto el número de desempleados como la propia fuerza laboral resultando en un indicador más negativo para la evolución de la tasa de desempleo que el más habitual de “Unemployment rate by sex and age -- ILO modelled estimates, Nov. 2019 (%)”. Este último parece haber sido levemente revisado para 2020, ofreciendo hace un año un valor de 4,9% (ILO, 2019) para el mundo, mientras que en la actualidad la cifra es de 5,5%
(ILO, 2020). La cifra que ofrece el “Combined rate of unemployment and potential labour force (LU3)” para el mundo en 2020 es de 8,7%. No cabe esperar grandes variaciones en
138
los resultados del modelo por la elección de este último indicador. Con todo, nos inclinamos más bien al uso de este último, dado que parece indicar una revisión mayor por parte de ILO (2020) de las estimaciones con respecto a las que hizo hace un año (ILO, 2019).
Por otra parte, volviendo con la base de datos de Aguiar et al., (2019), en su documentación detallan las distintas fuentes utilizadas para la elaboración de GTAP10.
Entre ellas podríamos destacar las siguientes. La información correspondiente a la producción y consumo interno en cada país se adquiere a partir de tablas input-output de distinta procedencia que son complementadas con datos internacionales provenientes de otras bases de datos. Para los países europeos, es el servicio Eurostat quien suministra las mencionadas tablas input-output, lo que se asegura una fuente de información de confianza, en especial, para los datos de España y de la región del resto de la UE (esto es, la UE de los veintiocho excluyendo a España y Reino Unido). Estos indicadores para consumo interno parecen más apropiados que las fuentes citadas por Timini y Viani (2020, p. 22), que aproximan el comercio intra-nacional, que señalan es clave para sus resultados, como la diferencia del PIB (suministrado por los Indicadores de desarrollo Mundial del Banco Mundial) y el total de exportaciones suministradas por el FMI.
La información del comercio mundial de GTAP proviene de las Estadísticas de Comercio Internacional de las Naciones Unidas (UN-COMTRADE, por sus siglas en Ingles) mientras que las estimaciones de los márgenes o costes del transporte internacional de mercancías se basan en información de las importaciones estadounidenses de mercancías y datos de carga transfronteriza de América del Norte. Los datos comerciales de los países europeos y de Latinoamérica se obtienen de la base de datos de Eurostat y de la Asociación Latinoamérica de Integración, respectivamente. En la siguiente sección comentamos cómo los hemos actualizado para este trabajo.
Con respecto a los instrumentos de protección al comercio internacional, GTAP10 actualiza los datos de aranceles a partir de información proporcionada por el International Trade Center o de la European Commission’s Joint Research Centre para los aranceles de la UE. Como ya hemos dicho, para el presente análisis los hemos actualizado, tal y como detallaremos en breve. Los datos correspondientes al apoyo de la agricultura doméstica en los países de la Organisation for Economic Co-operation and Development y un grupo de países no miembros son recogidos de la base de datos Producer Support Estimates de la OECD. Por otra parte, los subsidios a la exportación de productos agrícolas han sido actualizados a partir de las notificaciones de la Organización Mundial de Comercio e informes de Fondo Europeo de Garantía Agraria.
GTAP10 también incluye actualizaciones en datos macroeconómicos a partir de los Indicadores de Desarrollo Mundial (World Development Indicators) del Banco Mundial, datos de ingresos e impuestos provenientes del Fondo Monetario Internacional y datos sobre energía de la Agencia Internacional de la Energía.
139
Actualización de datos de comercio de bienes, de aranceles y cuotas iniciales e identificación precisa de las reducciones negociadas en el acuerdo
En este trabajo hemos realizado un esfuerzo por determinar con precisión tres tipos de datos clave en el análisis, con el fin de actualizarlos, para así reemplazar los que aparecen en la base de datos inicial (Aguiar et al., 2019) y construir unas simulaciones bien fundamentadas. Estos datos hacen referencia, por una parte, a los propios flujos de comercio y, por otra, a los aranceles y cuotas iniciales que se asumen en la base de datos que alimenta al modelo9. Dado que la base de datos hace referencia a la economía mundial en 2014, era oportuno actualizarla. Adicionalmente, frente a los supuestos empleados en los New Quantative Trade Models (Timini y Viani, 2020; Sinabell, 2020) de que las reducciones en cuotas, aranceles y medidas no arancelarias replicarán las de otros tratados previos, en el presente estudio hemos identificado con precisión las reducciones en cuotas y aranceles que se han negociado en el acuerdo. Esta labor permite ofrecer los impactos más “finos” y mejor fundamentados que existen, hasta donde sabemos, para el Acuerdo.
Esto es así, pues en lo que se refiere a MEGAs, el trabajo de la LSE (2020) ofrece estimaciones para escenarios ambiciosos y modestos, que no reflejan lo realmente negociado. Por contraste, Carrico et al. (2020) incluyen en sus simulaciones lo negociado efectivamente, pero no parecen haber actualizado los datos de comercio ni de aranceles iniciales del modelo a los que aplican esas simulaciones más realistas.
A continuación, describimos el laborioso proceso seguido para mejorar los datos en los que se basan las simulaciones. La información sobre los flujos comerciales para los países de la UE y Mercosur fueron extraídos a nivel de 8 dígitos del HS de forma anual entre los años 2017 – 2019 para valores y, a nivel de 6 dígitos del HS de forma anual en el mismo período para toneladas, desde el International Trade Centre (2020). El promedio para período 2017 – 2019, solo se calcula incluyendo aquellos años en los efectivamente hay comercio, con la finalidad de que la media refleje el valor más cercano a la realidad más reciente. Los datos se basan en los flujos de importaciones.
Para los flujos de comercio de la UE (España y Resto de la UE) se descargó el comercio global de importaciones y exportaciones de los 27 Estados (sin Reino Unido) con los 4 Estados del Mercosur (International Trade Centre, 2020). Los datos se expresan de forma anual, en miles de euros y también en toneladas. Para los datos expresados en valores existe dentro de las opciones del TRADE MAP una forma de extraer datos a nombre de un bloque, en este caso UE y Mercosur, sin embargo, esta opción para el caso de la UE desde el punto de vista de importador solo permite descargar datos a nivel de 6 dígitos del HS, razón por la cual, se optó por extraer los datos país por país a 8 dígitos, pues como veremos lo negociado en el acuerdo está a 8 dígitos del sistema armonizado (“Harmonized System”). Para los datos expresados en toneladas, se permite la descarga a nivel de 6
9 Timini y Viani (2020, p. 24, nota al pie 40) señalan que: “Los datos sobre aranceles suelen estar dispersos y son difíciles de obtener. Nuestra muestra no es una excepción. Cuando insertamos los aranceles en la regresión, perdemos aproximadamente una cuarta parte de las observaciones totales.”
140
dígitos, sin estar disponibles a nivel de 8 dígitos del HS, y la descarga también ha de ser país por país.
Respecto a los datos de comercio del Mercosur, se descargó el comercio global de importaciones de los 4 Estados firmantes del acuerdo (Argentina, Brasil, Paraguay y Uruguay) con el bloque UE28, a los que se restaron las importaciones de Reino Unido (International Trade Centre, 2020). Los datos se expresan de forma anual, en miles de dólares de los Estados Unidos de América y también en toneladas. Para los valores, es posible descargar el flujo comercial a nivel de 8 dígitos del HS con el bloque de la UE.
Para las toneladas, se permite la descarga únicamente a nivel de 6 dígitos del HS.
Para la estimación de las cuotas o tratamientos específicos de ciertos regímenes negociados es necesario considerar la información en volumen expresado en toneladas, tanto de España, como de la Unión Europea (26) y los 4 países de Mercosur, con la finalidad de identificar los pesos expresados en el texto negociado para cada régimen. Sin embargo, lo anterior no fue posible para el régimen denotado con el identificador “15V”
de la Oferta del Mercosur, porque las cuotas en este sector han sido negociadas en
“unidades” por cada país del Mercosur. Esto presenta el inconveniente de que la información de flujos comerciales normalmente no se expresa en unidades físicas. A pesar de esta dificultad, conociendo que el régimen “15V” lo componen 3 grandes grupos de vehículos (tractores, coches normales livianos y vehículos para el transporte de mercancías), ha sido posible efectuar una conversión aproximada de la información expresada en toneladas a unidades. Para el caso de los coches livianos existe un peso promedio estándar de aproximadamente 1.8 toneladas (Vehicle History, 2020), conversión que es una práctica bastante usual. Mayor dificultad ofrecía la conversión para tractores y vehículos para el transporte de mercancías, si bien hemos utilizado las conversiones disponibles en la literatura.
En lo referente a los aranceles Ad-Valorem Equivalent (AVE) expresados en porcentaje, que corresponden al arancel de nación más favorecida (“MFN, Most Favoured Nation”) aplicado para el comercio a todos los países, que es el vigente cuando no existen acuerdos comerciales entre las partes, tomamos su último valor disponible que es de 2019. Esta información fue extraída a nivel de 6 dígitos del HS del ITC opción Market Access MAP (MACMAP). Es importante mencionar que el AVE expresa tanto el porcentaje ad-valorem de un arancel específico (ej: 1€/kg), así como el de un arancel compuesto (ad-valorem y específico).
De los 4 Estados del Mercosur, los aranceles AVE en el período 2017-2019 son iguales para Argentina, Brasil y Uruguay. Sin embargo, Paraguay se benefició hasta finales de 2018 del Sistema Generalizado de Preferencias (SGP+), por lo que su evolución hasta 2018 es diferente.
La liberalización de aranceles y cuotas que se ha negociado afecta aproximadamente al 90 y 92% del comercio entre ambos bloques. La oferta de la Unión Europea (UE) y Mercosur, es decir, la liberalización de cuotas y aranceles acordada está recogida en el Anexo I del “capítulo de comercio de bienes” del Acuerdo. Sin embargo, dicho anexo
141
no consta entre los documentos referentes al tratado de la página de la European Commission (2019). La oferta se encuentra en la página del Ministerio de Relaciones Exteriores del Uruguay (2019). Adicionalmente, hemos cotejado y asegurado que corresponde con la que se nos ha facilitado desde la Secretaría de Estado de Comercio, como efectivamente ocurre. Coincide también con lo publicado por los Gobiernos de la Argentina a través del Ministerio de Relaciones Exteriores, Comercio Internacional y Culto (2019) y Paraguay a través del Ministerio de Relaciones Exteriores (2019).
La “oferta” se encuentran en la versión H4, de las sucesivas que se han ido creando del Harmonized System, que fue implementada en 2012. Por este motivo, para poder cruzar los aranceles acordados con los datos actualizados de comercio de los años 2017-2019 se realizó la actualización a la versión H5 implementada en 2017, de manera que los códigos que se utilizaban para los aranceles fueran los mismos que los de los flujos de comercio.
Los archivos de la oferta de ambas partes se encuentran a nivel de 8 dígitos del Sistema Armonizado (Harmonized System, HS) porque a este nivel la nomenclatura es común a nivel de regiones del mundo. Es decir, a 8 dígitos se utiliza la misma codificación en los distintos Estados de la UE y en los Estados de Mercosur.
En la oferta de la UE se negociaron 9132 códigos HS8 en versión H4, que pasaron a ser
En la oferta de la UE se negociaron 9132 códigos HS8 en versión H4, que pasaron a ser