Qué es la regla de Taylor y por qué importa hoy
La regla de Taylor es una guía sencilla para estimar dónde debería ubicarse el tipo de interés de política monetaria, dados dos desvíos clave: la inflación respecto a su objetivo y la posición del ciclo (brecha de producto). No es un una fórmula que marque un dogma, pero sí funciona como una brújula para disciplinar la conversación entre economistas, bancos centrales y mercados.
De manera intuitiva, si la inflación se acelera por encima de la meta y/o la economía opera por encima de su capacidad (brecha positiva), la tasa “recomendada” debería subir. Si ocurre lo contrario, debería bajar. Así de simple… y así de potente para ordenar debates.
En uno de mis análisis, tenía que elegir países de Sudamérica. En este caso, comparé México y Chile (2022–2025) usando una versión estándar de la regla. Tenía dos objetivos: (1) comprobar si explicaba la postura restrictiva que vimos en 2022–2023 y (2) evaluar cuándo sugería empezar a recortar. Aquí, la regla ayudó a entender México 2023 muy bien, y en Chile la versión con inflación subyacente pedía empezar a recortar antes que la que usa inflación total.
Principio de Taylor y lectura intuitiva
La idea de fondo es reaccionar más que proporcionalmente a desviaciones de inflación para anclar expectativas. Esto se traduce en un parámetro clave, φπ, mayor que 1. Si la inflación supera la meta en 1 punto, la tasa debería subir en más de 1 punto, de manera que la tasa real (tasa nominal – inflación) se endurezca. A la vez, la economía real importa: una brecha de producto positiva sugiere que hay presión de demanda; por eso entra φy como “peso” del ciclo.
Fórmula paso a paso y parámetros (φπ, φy, r*)
La versión canónica dice:
iₜ = r* + πₜ + φπ (πₜ − π*) + φy · gapₜ
donde:
- iₜ es la tasa nominal “recomendada”.
- r* es la tasa neutral real (la que no acelera ni frena la economía a medio plazo).
- πₜ es la inflación observada (o su variante).
- π* es la meta de inflación (p. ej. 3% si ese es el objetivo).
- gapₜ es la brecha de producto (porcentaje que el PIB actual está por encima/por debajo de su nivel potencial).
- φπ, φy son los pesos (típicos en manual son φπ≈1,5 y φy≈0,5, pero tú puedes calibrarlos).
Cómo lo opero en una hoja de cálculo:
Fijo π* (meta oficial) y uso estimaciones oficiales de r*: México 2,7% real (banda 1,8%-3,6%) y, para Chile, TPM neutral nominal = 4% (rango 3,5%-4,5%). Si necesito r* real para Chile, resto la ma de 3% (aproximadamente 1% real).
Elijo πₜ: headline (total) o core (subyacente). Mido gapₜ con una aproximación reproducible (ver siguiente sección). Calibro φπ y φy dentro de rangos razonables y hago sensibilidad. Comparo iₜ con la tasa efectiva del banco central para entender la postura (expansiva, neutral, restrictiva).
En mi caso, cuando probé México y Chile, comprobé que cambiar de headline a subyacente alteraba la señal de giro. Con choques de energía, la fórmula con headline “se iba arriba” más de la cuenta. Con core obtenía recomendaciones más estables.
Cómo estimar r* con datos públicos
No necesitas un modelo DSGE para tener una aproximación útil:
Para México, toma 2,7% real /banda 1,8%-3,6%. Para Chile, usa TPM neutral nominal 4% (3,5%-4,5%) y, si necesitas r* real, resta la meta de 3%, como dijimos antes.
Filtro macro simple: media móvil de tasas reales ex-ante en periodos “tranquilos” (inflación cerca de meta, brecha cercana a cero).
Cuando haya, usa rangos publicados por el banco central o papers locales (como input, no como verdad absoluta).
Yo trabajé con un r* “razonable” para cada país y corrí un panel de reglas para no atarme a un solo número. Ese panel me permitió narrar el rango de posturas en vez de un punto único.
Calcular una brecha de producto “sencilla” sin morir en el intento
Opciones reproducibles:
- Filtro HP o HP-lite sobre el PIB trimestral (sí, tiene limitaciones en tiempo real; úsalo con cautela y revisa).
- Proxies alta frecuencia: si necesitas señales mensuales, mezcla IGAE/IMACEC, ventas minoristas, industria y empleo en un índice estandarizado; normaliza y resta la tendencia.
- Regla del pulgar: si la tasa de desempleo está consistentemente por debajo de su NAIRU estimada, asume gap positivo (y viceversa).
Cuando apliqué la regla a Chile, una brecha normalizada (basada en actividad mensual) + inflación subyacente me dio prescripciones de recorte antes que la versión con inflación total, algo que luego vi reflejado —con prudencia— en la trayectoria hacia niveles cercanos al neutral en 2025.
Inflación: ¿total o subyacente? Lo que cambia la prescripción
Elegir el indicador de inflación no es trivial. Con choques de energía o alimentos, la headline puede dispararse y sobre-recomendar subidas agresivas. La subyacente filtra esos componentes volátiles y suele mejorar la señal para política.
Si trabajas con headline en medio de shocks, documenta el contexto y suaviza (medias móviles, ventanas trimestrales). Con subyacente, la recomendación tiende a ser más estable y coherente con el horizonte de política (4–8 trimestres).
Tal cual lo viví: al usar headline en 2022, la prescripción salía “muy alta”. Al pasar a core, la historia encajó mejor con los recortes graduales que siguieron, especialmente en Chile.
Qué hacer con choques de energía y alimentos
Anota el shock: tamaño, duración esperada y reversión probable.
Prueba ambas: calcula la regla con headline y con core; si divergen mucho, explica por qué y qué horizonte priorizas.
Panel de reglas: reporta un rango (p. ej. percentiles 25–75) y narra la incertidumbre. Es más honesto y útil para la gestión.
Panel de reglas: variantes y cómo no casarte con una sola
Hay muchas “Taylors” posibles: distinta π (headline/core), diferentes φπ/φy, distintos r* y varias definiciones de gap. En vez de elegir una, construye un panel:
- Define 3 opciones de r* (bajo, central, alto).
- Usa π headline y core.
- Prueba dos φπ (1,5 y 2,0) y un φy (0,5).
- Calcula 12–18 combinaciones y reporta mediana y rango. Chequeo de coherencia, contrastado la mediana con los niveles oficiales recientes.
En mi panel para México, la mediana de la regla en 2023 explicaba bien la postura restrictiva y quedaba cerca de la tasa efectiva durante el pico de desinflación. No necesito un “clavo de oro”; necesito una banda razonable para discutir postura.
Cuándo ajustar pesos y horizontes (ej. media móvil)
Si la inflación es muy volátil, aplica media móvil (3–6 meses) a πₜ. Si el ciclo es incierto, baja φy (0,25–0,5) para que la regla no “sobre-lee” ruido. Si las expectativas se desanclan, considera φπ más alto temporalmente (documenta el porqué).
Caso aplicado — México (2022–2025)
Datos usados, r* y gap
Para México utilicé:
Inflación total y subyacente (para contraste). Meta de inflación π* en línea con el objetivo oficial. r* razonable (banda) y brecha de producto sencilla con indicadores de actividad.
Prescripción vs tasa efectiva: lo que aprendí
En 2023, la regla —especialmente con core— justificaba una postura restrictiva y quedaba próxima a la trayectoria de la tasa efectiva, consistente con el máximo de 11,5% decidido el 30 de marzo de 2023. Yo destaco dos lecciones:
Con headline, la prescripción pudo sobre-endurecer por choques transitorios de energía. Con core, la lectura fue más limpia y útil para explicar el fin del ciclo de alzas y el tránsito hacia estabilidad.
En mi tesis dejé una frase que mantengo: “En México, la regla se pegó bastante a la tasa efectiva en 2023; como brújula, funcionó”.
Caso aplicado — Chile (2022–2025)
Por qué la subyacente adelantó el giro
Para Chile, la regla con subyacente sugería empezar a recortar antes que la versión con total, coherente con la reversión de shocks y la normalización del ciclo. El resultado operativo fue una senda de recortes prudente hacia niveles cercanos al neutral en 2025.
De 11,25% a ~neutral: prudencia y señales
El pico de la TPM en 11,25% se alcanzó en octubre de 2022. Desde ahí, la convergencia culmina en mi muestra con 4,75% el 29 de julio de 2025. La lectura de mi panel fue clara: reportar rango > reportar punto. Con ese rango, podía explicar por qué, partiendo de un pico de 11,25% y conforme la core cedía, la recomendación de la regla convergía gradualmente. No digo que la regla “acertó” cada reunión; digo que ordenó la narrativa y redujo sesgos de confirmación.
Errores comunes y buenas prácticas
Errores que veo a menudo
Usar headline en pleno shock y sacar conclusiones literalistas. Calibrar r* como un número rígido, sin sensibilidad. Medir gap sin revisar revisiones de datos (tiempo real vs datos finales). Reportar una única “tasa Taylor” sin intervalos ni contexto.
Buenas prácticas
Trabaja con paneles (mediana + banda). Documenta supuestos (π usada, r*, φπ/φy). Usa core como referencia operativa y headline como stress test. Explica la diferencia entre nivel de la tasa y postura (real/neutral).
Límites de la regla: brújula, no piloto automático
La regla no “ve” todo: condiciones financieras globales, primas de riesgo, canal de crédito, choques de oferta persistentes, coordinación fiscal-monetaria… Por eso, siempre insisto: brújula, no piloto automático. Úsala para enmarcar la discusión, no para sustituir el juicio de política.
Mini-tabla práctica: headline vs subyacente
| Elección de π | Ventaja | Riesgo | Cuándo usar |
|---|---|---|---|
| Headline | Captura todo el coste de vida | Sobre-reacciona a shocks transitorios | Como stress test y para narrativa pública |
| Subyacente (core) | Señal más estable para política | Puede “tardar” en captar giros de alimentos/energía | Como referencia operativa y en paneles |
Conclusión
La regla de Taylor es una forma simple y transparente de mapear datos macro a decisiones de tasa. En mi trabajo con México y Chile (2022–2025) aprendí que elegir bien π (core vs headline) y reportar paneles cambia la conversación: menos dogma, más rango y contexto. Cuando la usas así, la regla explica posturas y te ayuda a comunicar prudencia en los giros.
Con r* ancladae estimaciones oficiales y la core como referencia operativa, la regla gana poder explicativo sin ser un dogma. Por tanto, la Regla es útil para orientarse, pero peligrosa como piloto automático.