Predicción del precio por tonelada de cultivos de arroz en Colombia mediante el uso de series de tiempo no paramétricas
Cargando...
Archivos
Fecha
2024-11
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
En este trabajo se realiza un ejercicio de pronóstico del precio por tonelada de arroz en Colombia, proyectando seis meses en adelante, mediante modelos de series de tiempo no paramétricos para dos tipos de productos: el arroz blanco en bulto y el arroz paddy verde. Los modelos empleados se basan en un ajuste a partir de una estimación kernel, con una selección óptima del coeficiente de $d$ de Markov y del ancho de banda, utilizando la métrica MELM (Métrica de Error de Longitud Media) para cada horizonte de predicción. Estos modelos demostraron ser más eficientes en comparación con los tradicionales modelos ARIMA paramétricos.
Los datos utilizados consisten en información histórica de precios obtenida del boletín SIPSA del DANE, abarcando el periodo desde enero de 2013 hasta junio de 2024, filtrados por modalidades de venta en los principales municipios productores del país. Se llevó a cabo un análisis descriptivo y se aplicaron técnicas de pronóstico no paramétricas, evaluando su rendimiento frente a los modelos ARIMA tradicionales.
Los resultados indican que los modelos no paramétricos superan a los paramétricos en términos de capacidad predictiva, especialmente en contextos donde los precios presentan fluctuaciones. Las métricas de evaluación, como el Error Medio, el Error Absoluto Medio y la estadística U de Theil, reflejan una mejor adaptación de los modelos no paramétricos a la variabilidad del mercado. Estos hallazgos sugieren que los modelos no paramétricos pueden ofrecer una herramienta más sólida para la toma de decisiones en la planificación de la producción y comercialización del arroz en Colombia.
Descripción
Abstract
This paper performs a forecasting exercise for the price per ton of rice in Colombia, projecting six months ahead, using non-parametric time series models for two types of products: white rice in bulk and green paddy rice. The models used are based on an adjustment from a kernel estimate, with an optimal selection of the Markov coefficient $d$ and the bandwidth, using the MELM metric (Mean Error Metric Length) for each prediction horizon. These models proved to be more efficient compared to traditional parametric ARIMA models.
The data used consists of historical price information obtained from DANE's SIPSA bulletin, covering the period from January 2013 to June 2024, filtered by sales methods in the main producing municipalities of the country. A descriptive analysis was carried out and non-parametric forecasting techniques were applied, evaluating their performance against traditional ARIMA models.
The results indicate that nonparametric models outperform parametric models in terms of predictive capacity, especially in contexts where prices fluctuate. Evaluation metrics, such as Mean Error, Mean Absolute Error, and Theil's U statistic, reflect a better adaptation of nonparametric models to market variability. These findings suggest that nonparametric models may offer a more robust tool for decision-making in rice production and marketing planning in Colombia.
Palabras clave
Modelos de series de tiempo, estadística no paramétrica, pronóstico, series de precios, arroz
Keywords
Time series models, nonparametric statistics, forecasting, price series, rice