Documentos de Académico
Documentos de Profesional
Documentos de Cultura
174 472 1 PB PDF
174 472 1 PB PDF
Primavera 2014
Resumen
En el noreste argentino se encuentra el polo forestal de mayor importancia del pas, concentrado en las provincias de Misiones y
Corrientes, siendo Pinus spp. L. la de mayor produccin, las cuales abastecen a gran nmero de actividades industriales. Esto evidencia la necesidad de aplicar herramientas de gestin forestal para tomar mejores decisiones de inversin y manejo de los montes. Los
modelos de gestin forestal suelen utilizar distintas tcnicas, entre ellas simulacin, basadas en investigacin operativa, y economtricas. Generalmente, las tcnicas economtricas suelen ser utilizadas para proyecciones de precios y retornos. Una clase importante
de modelos con datos longitudinales es la familia de los modelos autorregresivos de media mvil, conocidos como ARIMA, por sus
siglas en ingls, generalmente aplicados para describir tendencias y generar predicciones a partir de valores pasados de las series. En
particular, la variacin de precios forestales es una de las principales fuentes de incertidumbre en la planificacin forestal. Sin embargo, es escasa an la aplicacin de tcnicas y modelos de prediccin en el rea forestal, especialmente a nivel sudamericano. Los
modelos ARIMA exhiben buen desempeo predictivo en el corto plazo, aunque pierden capacidad de pronstico en horizontes alejados
y presentan algunos otros inconvenientes. Se propone un modelo autorregresivo de media mvil (ARIMA) basado en la metodologa
de Box-Jenkins para predecir los precios de cuatro productos de Pinus spp. para el noreste argentino. Para ello se utilizan series temporales de precios correspondientes al periodo julio 2002-septiembre 2013. Los modelos propuestos predicen precios futuros con
errores de prediccin entre 0,9% y 1,8%.
Palabras claves: Media mvil, modelos autorregresivos, multiproducto forestal, prediccin de precios.
Abstract
Northeastern Argentina is the forest area of greater importance in the country, concentrated in the provinces of Misiones and Corrientes, with Pinus spp. L., the species with higher production, which supplies raw materials to a large number of industrial activities. This
highlights the need to implement forest management tools to make better decisions in investment and management of forests. Forest
management models often use different techniques, including simulation, based on operational research, and econometric tools. Usually,
the econometric techniques tend to be used for projections of prices and returns. An important class of models with longitudinal data is
the family of Autoregressive moving average models, known as ARIMA, by its acronym in English, usually applied to describe trends and
generate predictions from values passed from the series. In particular, the variation of prices of forest products is one of the main sources
of uncertainty in forest planning. Nevertheless, the application of techniques and prediction models in the forestry area, especially at the
South American region is still low. ARIMA Models exhibit good predictive short-term performance, although they lose ability to forecast
in distant horizons and have some other disadvantages. Various autoregressive moving average models (ARIMA) based on Box-Jenkins
methodology are proposed to predict future prices of four products for Pinus spp manufactured in Northeast Argentina. Estimations
were carried out with time series of prices of the four products covering the period July 2002-September 2013. The proposed models
predict future prices with forecast errors between 0,9% and 1,8%.
Key words: Moving average, autoregressive models, multi-forest, price forecasts.
37
Broz y Viego. Prediccin de precios de productos de Pinus spp. con modelos arima
Introduccin
ARIMA
exhi-
I: integrado,
2009).
MA:
(Brooks, 2008).
En particular, la variacin de precios forestales es
Objetivo
estructurales.
cano.
Las estimaciones de modelos
ARIMA
cuentan con
Materiales y mtodos
Datos y fuentes
38
Madera y Bosques
Primavera 2014
(Colegio de Ingenieros
y var(ut) = 2 , luego:
COIFORM
registros del
COIFORM .
! = +
!
!!!
! !!! + !
Mtodo
modo, E(yt) = .
rales.
F igura 1. Evolucin de precios ($AR) por clase de producto. Julio 2002-septiembre 2013.
39
Broz y Viego. Prediccin de precios de productos de Pinus spp. con modelos arima
! = +
!
!!!
! !!! + !
! = !!! + !
cionariedad de un modelo
de orden p se visualiza en
AR
MA)
AR ,
como de
(! ) = 1 !!! + !
ARIMA
Madera y Bosques
Primavera 2014
decir.
Davis, 2002).
FAC )
ARIMA
cin del modelo. En particular, los procesos autorregresivos de orden p suelen exhibir una
de aspecto
complementada con la
FACP
FACP,
FAC
0,5
tamao muestral).
el valor de la FAC .
C1
C2
C3
C4
-0,4082
-1,4745
-0,4594
-,4552
(0,9864)
(0,8336)
(0,9843)
(0,9845)
1,9071
,9241
2,2872
2,4294
(0,9998)
(0,9956)
(0,9999)
(0,9999)
3,6515
3,7307
3,6477
3,9544
(0,9999)
(0,9999)
(0,9999)
(0,9999)
-11,363
-11,0161
-5,4307
-5,3129
(<0,01)
(<0,01)
(<0,01)
(<0,01)
41
Broz y Viego. Prediccin de precios de productos de Pinus spp. con modelos arima
EMC)
EMA).
res
EMC
EMA
EMA
que el
EMC
dad predictiva).
ARIMA)
es
primeras diferencias.
(es decir, estacionarias) permite identificar algunas especificaciones posibles para la estimacin de variantes ARIMA.
En el caso de C1, las
FAC
y las
FACP
son significativas en
Resultados
combinaciones de
ARIMA
Modelo inicial
C1
C2
C3
C4
ARIMA(5,11,15; 1; 5, 11,15)
ARIMA(2;1;2)
ARIMA (2,6; 1; 2, 4)
Slo resulta
Slo resulta
Slo resultan
trmino MA(15)
significativo el
significativo el
significativos los
trmino MA(8)
trmino MA(2)
trminos AR(2) y
MA(4)
ARIMA(0; 1; 8, 18)
ARIMA (0;1;2)
ARIMA (2;1;4)
inicial*
Residuos son ruido blanco?
* la mejor variante se define como aquella que cumple con las condiciones de estacionariedad e invertibilidad (races dentro del crculo unitario), con todos los parmetros
del modelo significativos y con menor criterio de informacin.
42
Madera y Bosques
Primavera 2014
C2
C3
C4
Especificacin escogida
ARIMA(5;1; 11,15)
ARIMA(0; 1; 8, 18)
ARIMA(0; 1; 2)
ARIMA(2; 1; 4)
2,8729
3,6183
4,6025
4,3522
1,2871
2,1242
2,2613
2,3141
2,2985
2,5067
1,9187
1,7154
0,0230
0,0165
0,0167
0,0138
Proporcin de sesgo, %
0,0014
0,0024
0,0049
0,0045
Proporcin de varianza, %
0,0144
0,0197
0,0446
0,0330
Proporcin de covarianza, %
0,9842
0,9779
0,9505
0,9625
Periodo
C2
C3
C4
Obs.
Pred.
Dif. %
Obs.
Pred.
Dif. %
Obs.
Pred.
Dif. %
Obs.
Pred.
Dif. %
ene. 2013
114
113,9
0,13%
165
166,7
-1,0%
216
216,9
-0,43%
242
242,8
-0,35%
feb. 2013
118
113,4
3,87%
172
166,4
3,3%
225
216,9
3,58%
252
242,9
3,61%
mar. 2013
118
120,4
-1,99%
172
173,0
-0,6%
225
225,9
-0,42%
252
252,9
-0,34%
abr. 2013
118
118,5
-0,41%
172
173,3
-0,7%
225
228,2
-1,43%
252
255,4
-1,35%
may. 2013
118
117,7
0,28%
181
174,7
3,5%
236
225,9
4,26%
280
252,9
9,69%
jun. 2013
130
117,7
9,47%
181
182,1
-0,6%
236
236,9
-0,40%
280
282,6
-0,94%
jul. 2013
130
131,9
-1,44%
196
182,3
7,0%
272
239,7
11,86%
297
288,0
3,02%
ago. 2013
130
130,2
-0,13%
196
198,2
-1,1%
272
272,9
-0,35%
297
297,4
-0,14%
sept. 2013
130
131,7
-1,28%
200
197,4
1,3%
281
282,1
-0,38%
308
307,2
0,25%
EMC
y el
EMA
un
retardo 2 y
modelo
FAC
y la
ARIMA
FACP
FACP
ARIMA
43
Broz y Viego. Prediccin de precios de productos de Pinus spp. con modelos arima
ARIMA
ARIMA ,
res-
C1
ARIMA
propuestos para
C2
C4
exhibe un
temtica.
C3
Discusin
meses.
C1
AR
C1
o
y
C2 .
MA
C2
La
44
Madera y Bosques
Primavera 2014
Conclusiones
205-214.
575 p.
EUA .
648 p.
439 pp.
precios de
C1
C2
30(3):429-438.
49(4):1057-1072.
tos y actividades. Por ello, resulta de suma importancia establecer polticas de registro sistemtico y oportuno de precios,
por su valor potencial como herramienta predictiva.
Referencias
aet.org.es/congresos/ix/Lleida22.pdf
45
Broz y Viego. Prediccin de precios de productos de Pinus spp. con modelos arima
5(3):413-439.
294.
SIFIP
XXVI
ARIMA-ANN
tina.
23(1):53-58.
46