Predicción de precios mediante modelización multivariada de series de tiempo. Una aplicación al sector lácteo argentino

Abstract

Realizar pronósticos sobre el comportamiento de precios es de suma relevancia en un sector productivo, ya que permite a los agentes tomar decisiones con menor incertidumbre y realizar una planificación más seria sobre sus actividades. Sin embargo, no siempre es fácil contar con una metodología a tal fin, sobre todo en el sector agrícola ganadero por estar a sujeto múltiples improvistos, tanto de tipo climáticos como políticos, que hacen difícil su proyección. El sector lácteo argentino está compuesto por distintos niveles, a saber, primario, industrial y de comercialización. Estos niveles están coordinados por un sistema de precios, los cuales son objeto de constantes conflictos debido a los niveles los precios recibidos por cada uno ellos. En particular, los productores primarios son el eslabón con menor poder de negociación y con problemas para obtener información sobre dichos precios, motivos por los cuales, la presente tesis está centrada en comparar metodologías para predicciones confiables de los precios al productor primario lácteo. Con tal objetivo, se aborda el problema de la modelización multivariada de series de tiempo para la predicción, con el propósito de comparar la capacidad predictiva dos metodologías distintas, utilizando para ello información del sector. Por un lado, una más tradicional y generalmente usada en la el área de economía, los VECM; y por otro lado, una más innovadora en esta área, como son las ANN. En primer lugar, se modeliza con cada metodología, buscando para ello un diseño par-simonioso, y que estuviese fundamentado dentro de cada uno de los métodos. En el pro-ceso de búsqueda del VECM se sigue la metodología de Johansen; y en el de la ANN, un diseño a priori sencillo y coherente con la teoría económica. Luego, se realiza predicciones sobre el último año disponible a partir de dos procedi-mientos distintos, lográndose proyecciones de tipo estáticas y dinámicas. Finalmente se procede a comparar la capacidad predictiva de ambos modelos (para cada tipo de pronóstico) para predecir los precios pagados a los productores primarios de leche cru-da, y poder seleccionar el modelo es el más adecuado a dicho propósito.