Estimación de la producción mundial del café y el precio diario del café suave colombiano utilizando redes neuronales artificiales y modelos autoregresivo integrado de promedio móvil y variables exógenas (ARIMAX)

Abstract

La producción y precio del café a nivel internacional muestran significativas variaciones producidas por factores externos que repercuten en los ingresos de las personas que se dedican a esta actividad. Encontrar un patrón que describa el comportamiento del mercado del café y que prediga su precio con aceptable precisión, se convierte en un instrumento de apoyo relevante para la toma de decisiones en el diseño de políticas públicas dirigidas a esta actividad. Teniendo en cuenta lo expuesto anteriormente, en el presente trabajo de investigación se emplearon redes neuronales estáticas, dinámicas y los modelos autorregresivos integrados de promedios móviles con variables exógenas (ARIMAX), para estimar la producción mundial de café y el precio diario del café suave colombiano en el mercado de Nueva York. Asimismo, evaluar el tipo de modelo que predice con mayor exactitud dichas variables. Las entradas de los modelos neuronales para pronosticar la producción y precio del café fueron 41 y 31 variables respectivamente. Los modelos neuronales contaban con una sola capa oculta en su estructura. Los modelos autoregresivos integrados de promedio móviles con variables explicativas (ARIMAX) se construyeron con la misma variable a explicar, pero con sus valores retrasados y con las variables seleccionadas después de utilizar una matriz de correlación y la metodología propuesta por Olden y Jackson (2002). Los resultados muestran que la red neuronal estática logró un mejor desempeño que la red neuronal dinámica y los modelos ARIMAX, teniendo en cuenta los resultados de los estadísticos de bondad de ajuste como son el coeficiente de determinación (R2), el error cuadrático medio (MSE), el error medio absoluto, (MAE) Y la eficiencia del modelo (EF).