Pronóstico univariado del precio del cordero patagónico: Un enfoque dinámico bajo aprendizaje estadístico
Palavras-chave:
series de tiempo, validación cruzada, modelización univariadaResumo
Este trabajo propone una metodología de pronóstico aplicada al precio del cordero patagónico, integrando modelos univariados tradicionales (ARIMA, ETS) y Prophet, algoritmo asociado al maching learning. Sobre los datos del INTA (2014 - 2023), se aplicó una validación cruzada para datos temporales que permitió evaluar la robustez y adaptabilidad de los modelos en distintos contextos temporales. El ARIMA(1,1,0)(1,1,0)[12] mostró el mejor desempeño promedio, aunque no de forma constante. Este hallazgo evidencia una superioridad condicional, según la cual ningún modelo es óptimo en diferentes horizontes de tiempo y subraya la necesidad de una validación dinámica. Algunas limitaciones fueron: el tamaño reducido de la muestra, la no inclusión de variables exógenas y una aplicación circunscrita al mercado del cordero patagónico. La singularidad de este estudio es proponer una metodología con una evaluación rigurosa de desempeño temporal que aporte herramientas prácticas para precios con estacionalidad.
Downloads
Referências
Albertoli, F. S. (2015). Sustentabilidad de sistemas ganaderos extensivos ovinos en zonas áridas y semiáridas en Patagonia [Tesis de grado, Universidad Nacional del Sur]. Repositorio Digital UNS. https://repositoriodigital.uns.edu.ar/handle/123456789/3165
Bergmair, C., & Benítez, J. (2012). On the use of cross-validation for time series predictor evaluation. Information Sciences, 191, 192-213. https://doi.org/10.1016/j.ins.2011.12.028
Chan, W. N. (2020). Stock Market Prediction for Myanmar Stock Price: A Comparative Study of ARIMA and PROPHET Model. Journal of Computer Applications and Research, 1(1), 75-79. https://www.ucstgi.edu.mm/storage/2020/10/JCAR2020_75_80.pdf
Cleveland, R. B., Cleveland, W. S., McRae, J. E., & Terpenning, I. (1990). STL: A Seasonal-Trend Decomposition Procedure Based on Loess. Journal of Official Statistics, 6(1), 3-33. https://www.math.unm.edu/~lil/Stat581/STL.pdf
Consejo Federal de Inversiones. (2024). Estrategia Logística Patagonia. Cadena Carne Ovina. https://cfi.org.ar/assets/docs/estrategias_logisticas/PAT-Carne-ovina-CFI.pdf
Cowpertwait, P. S.P., & Metcalfe, A. V. (2009). Introductory Time Series with R. Springer New York.
Dancho, M. (2024). Modeltime: The tidymodels extension for time series modeling (Versión 1.3.0) [Software de computación]. GitHub. https://github.com/business-science/modeltime
Fernández Lavalle, N. (s.f.). Reservas, deuda externa y precio de commodities: pronósticos para el caso argentino [Tesis de maestría, Universidad de San Andrés]. Repositorio UdeSA. https://repositorio.udesa.edu.ar/jspui/bitstream/10908/18464/1/%5bP%5d%5bW%5d%20T.M.%20Eco.%20Fern%c3%a1ndez%20Lavalle%2c%20Nicol%c3%a1s.pdf
Gujarati, D. N. (2010). ECONOMETRIA. McGraw-Hill Interamericana de España S.L.
Haique, A. K. (2024). Una metodología de pronóstico de precios aplicada al mercado del cordero patagónico en contexto de aprendizaje estadístico [Tesis de grado, Universidad Nacional del Comahue]. Repositorio Digital Institucional UNCo. https://rdi.uncoma.edu.ar/handle/uncomaid/18203
Hyndman, R. J., & Athanasopoulos, G. (2021). Forecasting: Principles and practice (3a ed.). OTexts. https://otexts.com/fpp3/
Instituto Nacional de Tecnología Agropecuaria (2023). Informe de precios de carne y ganado de la Patagonia [Diciembre 2023]. http://hdl.handle.net/20.500.12123/16690
Menculini, L., Marini, A., Proietti, M., Garinei, A., Bozza, A., Moretti, C., & Marconi, M. (2021). Comparing Prophet and Deep Learning to ARIMA in Forecasting Wholesale Food Prices. https://doi.org/10.48550/arXiv.2107.12770
Peralta, T., & Darwin, J. (2019). Pronósticos financieros como herramienta para la toma de decisiones en proyectos de inversión de empresas de producción. En Memorias del Congreso UTMACH. Editorial UTMACH. http://repositorio.utmachala.edu.ec/handle/48000/14985
R Foundation for Statistical Computing. (2023). R version 4.2.1: A Language and Environment for Statistical Computing. In R Core Team (R version 4.2.1). Vienna, Austria. https://www.R-project.org/
Rojas, S. L., García Sánchez, R. C., García Mata, R., Arana Coronado, O. A., & Ramírez Valverde, B. (2022). Modelo de intervención y pronóstico de precios pagados al productor de la miel de abeja (Apis mellifera L.) en México. Agrociencia, 56(3), 638-668. https://agrociencia-colpos.org/index.php/agrociencia/issue/view/196/27
Ruiz Hernández, J. A., Barrios Puente, G., & Gómez Gómez, A. A. (2019). Análisis del precio de la manzana mediante un modelo SARIMA. Revista mexicana de ciencias agrícolas, 10(2), 225 - 237. https://doi.org/10.29312/remexca.v10i2.509
Taylor, S., & Letham, B. (2018). Forecasting at scale. The American Statistician, 72(1), 37--45. 10.7287/peerj.preprints.3190v2
Zielińska-Sitkiewicz, M., & Chrzanowska, M. (2021). Prediction of pork meat prices by selected methods as an element supporting the decision-making process. Operations Research and Decisions, 31(3), 163–182. https://www.google.com/search?q=https://doi.org/10.37190/ord210307
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Cuadernos de Investigación Serie Administración
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
