Pronóstico de precios de aguacate Hass y papelillo en Colombia mediante métodos de series temporales

Abstract

En Colombia, la producción agropecuaria representa una parte importante del Producto Interno Bruto y muchas familias encuentran el sustento en las diversas actividades que la componen. Sin embargo, los precios de algunos productos suelen ser volátiles, como en productos perecederos tales como el aguacate, generando incertidumbre alrededor de cuándo es el mejor momento para vender y sobre la rentabilidad de la producción. En este trabajo, se aborda el caso específico del aguacate papelillo y aguacate Hass, con el objetivo de comparar diferentes técnicas de modelamiento para la predicción de los precios de estos productos, incluyendo técnicas de modelamiento estadístico o, en particular de Machine Learning, usando datos recolectados por el DANE sobre los precios nacionales semanales disponibles del aguacate Hass y el aguacate papelillo entre el 10 de noviembre de 2012 y el 27 de diciembre de 2024. Entre los principales resultados se observó que los modelos de Machine Learning, particularmente los modelos basados en árboles de decisión son más eficientes en estas predicciones, superando el rendimiento de los modelos estadísticos. En el caso del aguacate papelillo, el modelo Decision Tree, registró los menores errores, con un RMSE de 1 245.95, MAE de 1 221.45, y un MAPE de 14.09%. De forma similar, para el aguacate Hass este mismo modelo se destacó, obteniendo las menores métricas de error, con un RMSE de 942.43, MAE de 829.07 y MAPE de 15.50%.