Los investigadores Carlos Mario García Díaz Docente y Claudia Lizarazo Rengifo Egresada de la Universidad Piloto de Colombia, participaron en el XVII International Finance Conference desarrollado en la ciudad de Santiago, Chile en septiembre de 2017 con la ponencia que se describe a continuación:
PONENCIA. Comportamiento Precio Papa Industrial Diacol Capiro, a partir del mejor pronóstico entre un SARIMA y una RNA.
RESEÑA.
La necesidad de cubrirse ante significativas variaciones del precio de un producto agrícola de alta importancia, como la papa, relevante en la canasta familiar y en la industria, hace necesario avanzar en modelos de predicción del comportamiento del precio de mercado de la misma, que sirvan de referencia para la planeación de cosechas y la creación de una cobertura financiera que asegure a futuro un precio justo para el productor.
Dado lo anterior, a partir de la serie de precios de la papa Diacol Capiro y de un conjunto de variables meteorológicas, como: la temperatura, la humedad, la precipitación, el punto de rocío, el brillo solar y el índice del fenómeno del niño y la niña, que inciden en la formación del precio de mercado de diversos productos agrícolas, se estimaron los siguientes modelos de predicción: Dada la estacionalidad de la serie, se estimó un modelo estacional autorregresivo de promedio móvil integrado – SARIMA, que incluye rezagos de la variable dependiente e incorpora el comportamiento estacional de la serie; y dadas las relaciones no lineales que existen entre la variable original y las series meteorológicas, se estimaron diversos modelos de redes neuronales artificiales -RNA, con rezagos de ambos tipos de variables; el mejor pronóstico obtenido después de comparar los resultados, es la RNA con función de activación no lineal tangente sigmoidea con una capa oculta.
El pronóstico obtenido por RNA, se utiliza para estimar la volatilidad con la que se construye una estrategia de inversión/negociación de una cosecha de papa, en el corto plazo, basada en una opción financiera bajo la metodología de árbol binomial.
La existencia de un sinnúmero de variables explicativas conllevo a reducir dicho conjunto, creando variables sintéticas representativas de las series meteorológicas originales por el método de Análisis de Componentes Principales -ACP.
El mejor desempeño, entre los modelos estimados, se determinó a partir del estadístico de error de pronóstico, RMSE, y del test de Diebol & Mariano, para un horizonte de tiempo de un periodo; en este caso, se encontró que las RNA presentan un menor RMSE fuera de muestra y estadísticamente tienen una mejor capacidad predictiva respecto al SARIMA.
Contacto.
Carlos Mario García.
carlos-garcia@unipiloto.edu.co
