Modelos de serie de tiempo para predecir el precio de los ingredientes del almuerzo corriente en la ciudad de Bogotá
Cargando...
Fecha
2025-05
Autores
Título de la revista
Publicado en
Publicado por
URL de la fuente
Enlace a contenidos multimedia
ISSN de la revista
Título del volumen
Resumen
Este trabajo se centra en modelar la variación de los precios de alimentos utilizados en la preparación del almuerzo corriente en Bogotá. Para ello, se utilizaron datos de precios por kilogramo de nueve productos seleccionados y obtenidos del Sistema de Información de Precios del Sector Agropecuario (SIPSA). Se aplicaron distintos modelos de series de tiempo, incluyendo ARIMA, VAR, LSTM y GARCH. La selección del modelo predictivo más adecuado se realizó con base en criterios de información y métricas de evaluación como el error absoluto medio (MAE) y el error absoluto porcentual medio (MAPE). Los resultados indicaron que el modelo LSTM obtuvo el mejor desempeñó en términos de precisión, la utilidad del estudio está en relación con los objetivos propuestos, generando una herramienta para apoyar la toma de decisiones en la planificación de la comercialización y el abastecimiento por parte de los vendedores en Bogotá.
Descripción
Abstract
This paper focuses on modeling the variation of food prices used in the preparation of a regular lunch in Bogota. For this purpose, price data per kilogram of nine selected products obtained from the Agricultural Sector Price Information System (SIPSA) were used. Different time series models were applied, including ARIMA, VAR, LSTM, and GARCH. The selection of the most appropriate predictive model was made based on information criteria and evaluation metrics such as mean absolute error (MAE) and mean absolute percentage error (MAPE). The results indicated that the LSTM model obtained the best performance in terms of accuracy. the usefulness of the study is in relation to the proposed objectives of generating a tool to support decision-making in marketing and supply planning by sellers in Bogota.
Palabras clave
Series de tiempo predicción del precio de alimentos, Predicción del precio de alimentos, ARIMA, VAR, GARCH, LSTM
Keywords
Time series, Food price prediction, ARIMA, VAR, GARCH, LSTM