La inteligencia artificial puede elevar 300% la capacidad predictiva en los mercados de commodities agrícolas.

Las commodities son productos en estado bruto o con un bajo grado de transformación. En los últimos años, se ha intensificado enormemente el interés por el análisis de este tipo de mercados (Belousova y Dorfleitner, 2012). Su comercio se estructura en varias etapas, desde los productores hasta que llegan a los consumidores finales, en las que intervienen diversos agentes y los que facilitan la financiación.

La comercialización de commodities se caracteriza por la elevada incertidumbre de los precios de mercado; por este motivo, investigar las variables determinantes de los períodos de alza y de baja en los precios de commodities, así como su volatilidad (Deaton y Laroque, 1992), es crucial para numerosos colectivos intervinientes en este mercado, entre los que merece la pena destacar los propios productores, inversionistas, comerciantes y agentes políticos (Karali y Power, 2009). La predicción de los precios permite tomar las mejores decisiones sobre el momento de comprar o vender y, consecuentemente, controlar mejor los riesgos.

Los mercados de commodities pueden clasificarse en cinco categorías (London Stock Exchange, 2018): agrícolas (trigo, maíz, soja, entre otros); ganado (bovino, porcino…); metales preciosos (oro, plata); metales industriales (aluminio, cobre o zinc) y energías (gas natural, petróleo o electricidad).

Partiendo de los fundamentos de la teoría económica, los precios de commodities son analizados con diferentes propósitos: fijar precios futuros, analizar su volatilidad, validar la eficiencia del mercado o el valor en riesgo. Por otro lado, otros autores se centran en el estudio del comportamiento estadístico interno de la serie (Coronado Ramírez, Ramírez Grajeda y Celso Arellano, 2012).

Este es un extracto del artículo sobre Inteligencia Artificial y agricultura de Algoritmolandia, de los autores: Julia M. Nunez Tabales, Jose M. Caridad y Ocerin, y Maria B. Garcia-Moreno.

Para descargar el artículo completo haga click aquí: https://publications.iadb.org/handle/11319/9080