Predicción del precio por tonelada de cultivos de arroz en Colombia mediante el uso de series de tiempo no paramétricas
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...
- Autores:
-
López Olivera, Emilio
- Tipo de recurso:
- https://purl.org/coar/resource_type/c_7a1f
- Fecha de publicación:
- 2024
- Institución:
- Universidad El Bosque
- Repositorio:
- Repositorio U. El Bosque
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unbosque.edu.co:20.500.12495/13373
- Acceso en línea:
- https://hdl.handle.net/20.500.12495/13373
- Palabra clave:
- Modelos de series de tiempo
estadística no paramétrica
pronóstico
series de precios
arroz
519.5
Time series models
nonparametric statistics
forecasting
price series
rice
- Rights
- License
- Atribución-NoComercial-CompartirIgual 4.0 Internacional
| id |
UNBOSQUE2_4942dce4373d711a42d0b07de9e4a69b |
|---|---|
| oai_identifier_str |
oai:repositorio.unbosque.edu.co:20.500.12495/13373 |
| network_acronym_str |
UNBOSQUE2 |
| network_name_str |
Repositorio U. El Bosque |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Predicción del precio por tonelada de cultivos de arroz en Colombia mediante el uso de series de tiempo no paramétricas |
| dc.title.translated.none.fl_str_mv |
Predicting the price per ton of rice crops in Colombia using non-parametric time series |
| title |
Predicción del precio por tonelada de cultivos de arroz en Colombia mediante el uso de series de tiempo no paramétricas |
| spellingShingle |
Predicción del precio por tonelada de cultivos de arroz en Colombia mediante el uso de series de tiempo no paramétricas Modelos de series de tiempo estadística no paramétrica pronóstico series de precios arroz 519.5 Time series models nonparametric statistics forecasting price series rice |
| title_short |
Predicción del precio por tonelada de cultivos de arroz en Colombia mediante el uso de series de tiempo no paramétricas |
| title_full |
Predicción del precio por tonelada de cultivos de arroz en Colombia mediante el uso de series de tiempo no paramétricas |
| title_fullStr |
Predicción del precio por tonelada de cultivos de arroz en Colombia mediante el uso de series de tiempo no paramétricas |
| title_full_unstemmed |
Predicción del precio por tonelada de cultivos de arroz en Colombia mediante el uso de series de tiempo no paramétricas |
| title_sort |
Predicción del precio por tonelada de cultivos de arroz en Colombia mediante el uso de series de tiempo no paramétricas |
| dc.creator.fl_str_mv |
López Olivera, Emilio |
| dc.contributor.advisor.none.fl_str_mv |
Pacheco López, Mario José |
| dc.contributor.author.none.fl_str_mv |
López Olivera, Emilio |
| dc.subject.none.fl_str_mv |
Modelos de series de tiempo estadística no paramétrica pronóstico series de precios arroz |
| topic |
Modelos de series de tiempo estadística no paramétrica pronóstico series de precios arroz 519.5 Time series models nonparametric statistics forecasting price series rice |
| dc.subject.ddc.none.fl_str_mv |
519.5 |
| dc.subject.keywords.none.fl_str_mv |
Time series models nonparametric statistics forecasting price series rice |
| description |
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. |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2024-11-26T23:07:52Z |
| dc.date.available.none.fl_str_mv |
2024-11-26T23:07:52Z |
| dc.date.issued.none.fl_str_mv |
2024-11 |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.local.spa.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Pregrado |
| dc.type.coar.none.fl_str_mv |
https://purl.org/coar/resource_type/c_7a1f |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.coarversion.none.fl_str_mv |
https://purl.org/coar/version/c_ab4af688f83e57aa |
| format |
https://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12495/13373 |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad El Bosque |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Universidad El Bosque |
| dc.identifier.repourl.none.fl_str_mv |
repourl:https://repositorio.unbosque.edu.co |
| url |
https://hdl.handle.net/20.500.12495/13373 |
| identifier_str_mv |
instname:Universidad El Bosque reponame:Repositorio Institucional Universidad El Bosque repourl:https://repositorio.unbosque.edu.co |
| dc.language.iso.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.none.fl_str_mv |
Aneiros-Pérez, G. and Vieu, P. (2008). Nonparametric time series prediction: A semifunctional partial linear modeling. Journal of Multivariate Analysis, 99(5):834–857. Armstrong, J. S. (1978). Forecasting, long-range from crystal ball to computer. Collomb, G., H¨ardle, W., and Hassani, S. (1986). A note on prediction via estimation of the conditional mode function. Journal of Statistical Planning and Inference, 15:227–236. DANE (2022). Metodología general sistema de información de precios y abastecimiento del sector agropecuario - sipsap. Accedido en abril de 2023. Deshpande, J. V., Naik-Nimbalkar, U., and Dewan, I. (2017). Nonparametric statistics: theory and methods. World Scientific. FEDEARROZ (2014). Discurso instalación del xxxiv congreso nacional arrocero del doctor rafael hernández. Accedido en noviembre de 2023. H¨ardle, W. (1990). Applied nonparametric regression. Number 19. Cambridge university press. Hyndman, R. (2018). Forecasting: principles and practice. OTexts. Hyndman, R. J. and Koehler, A. B. (2006). Another look at measures of forecast accuracy. International Journal of Forecasting, 22(4):679–688. Kalman, R. E. (1960). A new approach to linear filtering and prediction problems. Luna, O. C. et al. (2021). Modelo de predicción de precios de productos agropecuarios como base para la priorización de proyectos integrales de desarrollo agropecuario y rural con enfoque territorial en colombia en el marco de los impactos producidos por la covid-19. Matzner-Løfber, E., Gannoun, A., and De Gooijer, J. G. (1998). Nonparametric forecasting: a comparison of three kernel-based methods. Communications in Statistics Theory and Methods, 27(7):1593–1617. Ministerio de Agricultura (2014). Agronet. Área, producción y rendimiento nacional por cultivo. Accedido en abril de 2023. Purohit, S. K., Panigrahi, S., Sethy, P. K., and Behera, S. K. (2021). Time series forecasting of price of agricultural products using hybrid methods. Applied Artificial Intelligence, 35(15):1388–1406. Rodríguez, N. and Siado, P. (2003). Un pronóstico no paramétrico de la inflación colombiana. Revista Colombiana de Estadística, 26(2):89–128. Tang, L., Risalat, H., Cao, R., Hu, Q., Pan, X., Hu, Y., and Zhang, G. (2022). Food security in china: A brief view of rice production in recent 20 years. foods 2022, 11, 3324. Wand, M. P. and Jones, M. C. (1994). Kernel smoothing. CRC press. Yoo, T.-W. and Oh, I.-S. (2020). Time series forecasting of agricultural products’ sales volumes based on seasonal long short-term memory. Applied sciences, 10(22):8169. Bolsa Mercantil de Colombia (2022). Análisis de producto-arroz. Accedido en octubre de 2023. Wei, W. W. (2006). Multivariate time series analysis and applications. John Wiley & Sons. |
| dc.rights.en.fl_str_mv |
Atribución-NoComercial-CompartirIgual 4.0 Internacional |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.none.fl_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ |
| dc.rights.local.spa.fl_str_mv |
Acceso abierto |
| dc.rights.accessrights.none.fl_str_mv |
http:/purl.org/coar/access_right/c_abf2/ |
| rights_invalid_str_mv |
Atribución-NoComercial-CompartirIgual 4.0 Internacional http://creativecommons.org/licenses/by-nc-sa/4.0/ Acceso abierto http:/purl.org/coar/access_right/c_abf2/ http://purl.org/coar/access_right/c_abf2 |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.program.spa.fl_str_mv |
Estadística |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad El Bosque |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ciencias |
| institution |
Universidad El Bosque |
| bitstream.url.fl_str_mv |
https://repositorio.unbosque.edu.co/bitstreams/20df95a7-d91a-42ea-a1da-6c6ccf30acb6/download https://repositorio.unbosque.edu.co/bitstreams/52976975-4f90-487c-9fbd-52aa8ff27be8/download https://repositorio.unbosque.edu.co/bitstreams/89f75fc6-99b2-425f-9046-43a10f62451e/download https://repositorio.unbosque.edu.co/bitstreams/8bef18bb-23b6-42d5-8757-841898136dd9/download https://repositorio.unbosque.edu.co/bitstreams/3781ad17-3808-4c41-875d-19cbd81c0296/download https://repositorio.unbosque.edu.co/bitstreams/9f86ce0a-d7ce-450e-877f-28de11101c0b/download https://repositorio.unbosque.edu.co/bitstreams/e9298c38-b2ce-4c2c-bcc3-8a8faf02dad1/download |
| bitstream.checksum.fl_str_mv |
f3f3d3cefb9d35324cd0bbdd3ac6eb6d 17cc15b951e7cc6b3728a574117320f9 79c5232e413e4c36bbfd39364ac9c439 aff2c1b347b17bfb0ce40d4518a7303c 313ea3fe4cd627df823c57a0f12776e5 48098bf157329ac2583dd8b3fbf97b5b 84ee17a5e704c8261373eb70451f7dc9 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad El Bosque |
| repository.mail.fl_str_mv |
bibliotecas@biteca.com |
| _version_ |
1828164452952834048 |
| spelling |
Pacheco López, Mario JoséLópez Olivera, Emilio2024-11-26T23:07:52Z2024-11-26T23:07:52Z2024-11https://hdl.handle.net/20.500.12495/13373instname:Universidad El Bosquereponame:Repositorio Institucional Universidad El Bosquerepourl:https://repositorio.unbosque.edu.coEn 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.EstadísticoPregradoThis 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.application/pdfAtribución-NoComercial-CompartirIgual 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-sa/4.0/Acceso abiertohttp:/purl.org/coar/access_right/c_abf2/http://purl.org/coar/access_right/c_abf2Modelos de series de tiempoestadística no paramétricapronósticoseries de preciosarroz519.5Time series modelsnonparametric statisticsforecastingprice seriesricePredicción del precio por tonelada de cultivos de arroz en Colombia mediante el uso de series de tiempo no paramétricasPredicting the price per ton of rice crops in Colombia using non-parametric time seriesEstadísticaUniversidad El BosqueFacultad de CienciasTesis/Trabajo de grado - Monografía - Pregradohttps://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesishttps://purl.org/coar/version/c_ab4af688f83e57aaAneiros-Pérez, G. and Vieu, P. (2008). Nonparametric time series prediction: A semifunctional partial linear modeling. Journal of Multivariate Analysis, 99(5):834–857.Armstrong, J. S. (1978). Forecasting, long-range from crystal ball to computer.Collomb, G., H¨ardle, W., and Hassani, S. (1986). A note on prediction via estimation of the conditional mode function. Journal of Statistical Planning and Inference, 15:227–236.DANE (2022). Metodología general sistema de información de precios y abastecimiento del sector agropecuario - sipsap. Accedido en abril de 2023.Deshpande, J. V., Naik-Nimbalkar, U., and Dewan, I. (2017). Nonparametric statistics: theory and methods. World Scientific.FEDEARROZ (2014). Discurso instalación del xxxiv congreso nacional arrocero del doctor rafael hernández. Accedido en noviembre de 2023.H¨ardle, W. (1990). Applied nonparametric regression. Number 19. Cambridge university press.Hyndman, R. (2018). Forecasting: principles and practice. OTexts.Hyndman, R. J. and Koehler, A. B. (2006). Another look at measures of forecast accuracy. International Journal of Forecasting, 22(4):679–688.Kalman, R. E. (1960). A new approach to linear filtering and prediction problems.Luna, O. C. et al. (2021). Modelo de predicción de precios de productos agropecuarios como base para la priorización de proyectos integrales de desarrollo agropecuario y rural con enfoque territorial en colombia en el marco de los impactos producidos por la covid-19.Matzner-Løfber, E., Gannoun, A., and De Gooijer, J. G. (1998). Nonparametric forecasting: a comparison of three kernel-based methods. Communications in Statistics Theory and Methods, 27(7):1593–1617.Ministerio de Agricultura (2014). Agronet. Área, producción y rendimiento nacional por cultivo. Accedido en abril de 2023.Purohit, S. K., Panigrahi, S., Sethy, P. K., and Behera, S. K. (2021). Time series forecasting of price of agricultural products using hybrid methods. Applied Artificial Intelligence, 35(15):1388–1406.Rodríguez, N. and Siado, P. (2003). Un pronóstico no paramétrico de la inflación colombiana. Revista Colombiana de Estadística, 26(2):89–128.Tang, L., Risalat, H., Cao, R., Hu, Q., Pan, X., Hu, Y., and Zhang, G. (2022). Food security in china: A brief view of rice production in recent 20 years. foods 2022, 11, 3324.Wand, M. P. and Jones, M. C. (1994). Kernel smoothing. CRC press.Yoo, T.-W. and Oh, I.-S. (2020). Time series forecasting of agricultural products’ sales volumes based on seasonal long short-term memory. Applied sciences, 10(22):8169.Bolsa Mercantil de Colombia (2022). Análisis de producto-arroz. Accedido en octubre de 2023.Wei, W. W. (2006). Multivariate time series analysis and applications. John Wiley & Sons.spaORIGINALTrabajo de grado.pdfTrabajo de grado.pdfapplication/pdf678855https://repositorio.unbosque.edu.co/bitstreams/20df95a7-d91a-42ea-a1da-6c6ccf30acb6/downloadf3f3d3cefb9d35324cd0bbdd3ac6eb6dMD53LICENSElicense.txtlicense.txttext/plain; charset=utf-82000https://repositorio.unbosque.edu.co/bitstreams/52976975-4f90-487c-9fbd-52aa8ff27be8/download17cc15b951e7cc6b3728a574117320f9MD54Anexo 1 Acta de aprobacion.pdfapplication/pdf278702https://repositorio.unbosque.edu.co/bitstreams/89f75fc6-99b2-425f-9046-43a10f62451e/download79c5232e413e4c36bbfd39364ac9c439MD56Carta de autorización.pdfapplication/pdf229173https://repositorio.unbosque.edu.co/bitstreams/8bef18bb-23b6-42d5-8757-841898136dd9/downloadaff2c1b347b17bfb0ce40d4518a7303cMD57CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81019https://repositorio.unbosque.edu.co/bitstreams/3781ad17-3808-4c41-875d-19cbd81c0296/download313ea3fe4cd627df823c57a0f12776e5MD55TEXTTrabajo de grado.pdf.txtTrabajo de grado.pdf.txtExtracted texttext/plain84073https://repositorio.unbosque.edu.co/bitstreams/9f86ce0a-d7ce-450e-877f-28de11101c0b/download48098bf157329ac2583dd8b3fbf97b5bMD58THUMBNAILTrabajo de grado.pdf.jpgTrabajo de grado.pdf.jpgGenerated Thumbnailimage/jpeg3187https://repositorio.unbosque.edu.co/bitstreams/e9298c38-b2ce-4c2c-bcc3-8a8faf02dad1/download84ee17a5e704c8261373eb70451f7dc9MD5920.500.12495/13373oai:repositorio.unbosque.edu.co:20.500.12495/133732024-11-27 03:03:25.182http://creativecommons.org/licenses/by-nc-sa/4.0/Atribución-NoComercial-CompartirIgual 4.0 Internacionalopen.accesshttps://repositorio.unbosque.edu.coRepositorio Institucional Universidad El Bosquebibliotecas@biteca.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 |