Redes neuronales para la predicción de precios en el sector lácteo argentino
Realizar pronósticos sobre precios resulta muy importante no sólo para la toma de decisiones de un sector productivo, sino también para la elaboración de políticas públicas; ya que permite reducir la incertidumbre de los posibles escenarios a los que se puede enfrentar dicho sector. Los precios son...
| Autores: | , |
|---|---|
| Tipo de recurso: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2016 |
| País: | Argentina |
| Institución: | Consejo Nacional de Investigaciones Científicas y Técnicas |
| Repositorio: | CONICET Digital (CONICET) |
| Idioma: | español |
| OAI Identifier: | oai:ri.conicet.gov.ar:11336/67111 |
| Acceso en línea: | http://hdl.handle.net/11336/67111 |
| Access Level: | acceso abierto |
| Palabra clave: | Predicción Precios Redes Nuronales Sector Lácteo Argentino https://purl.org/becyt/ford/5.2 https://purl.org/becyt/ford/5 |
| Sumario: | Realizar pronósticos sobre precios resulta muy importante no sólo para la toma de decisiones de un sector productivo, sino también para la elaboración de políticas públicas; ya que permite reducir la incertidumbre de los posibles escenarios a los que se puede enfrentar dicho sector. Los precios son una variable clave en el análisis sectorial, y contar con estimaciones confiables de los mismos no es tarea fácil, mucho menos en países con alta volatilidad como lo es Argentina. A partir de una revisión de antecedentes, se ha encontrado que los métodos lineales multivariados han liderado en esta área de predicciones económicas. Sin embargo, trabajos recientes empiezan a implementar mecanismos no lineales que, mediante un diseño sencillo, han logrado una performance predictiva competentes a las primeras, al menos en el área económica. Dentro de estos mecanismos no lineales se encuentran las redes neuronales. El presente trabajo tiene como objetivo ajustar un modelo de red neuronal para realizar predicciones aplicadas al sector lácteo argentino, y comparar los resultados con las predicciones que arroja un modelo multivariado de series de tiempo. Sobre una base de datos mensual disponible para variables del sector desde 2000 a 2012, se logra obtener una red con tres capas, cuya capa interna tiene sólo dos nodos, para predecir los precios mensuales pagados a los productores tamberos. Los resultados obtenidos muestran que mediante una estructura sencilla y parsimoniosa de redes neuronales, pueden obtenerse mejores resultados predictivos respecto a alternativas más tradicionales de series de tiempo. |
|---|