VIDA ACADEMICA
UN BREVE RESUMEN DE MIS ACTIVIDADES ACADEMICAS
IFORS 2023 SANTIAGO - CHILE
Method based on machine learning for forecasting price volatility: case study of cherry price forecast
La fijación de precios de los productos de exportación es información crucial para todos los actores de la cadena de suministro, ya que facilita la negociación entre productores y exportadores. Los precios de exportación se caracterizan por su alta volatilidad y dependencia de factores externos como el tipo de cambio. Esta volatilidad genera incertidumbre para consumidores y productores, lo que genera riesgos de mercado. Por lo tanto, todos los miembros de la cadena de suministro, desde productores hasta exportadores, deben pronosticar manualmente los precios, lo que resulta en un proceso de evaluación costoso y poco fiable que depende de la experiencia y el conocimiento previos de los analistas. Una predicción precisa de los precios de la fruta de exportación es esencial para una toma de decisiones informada y rentable en la cadena de suministro, lo que puede mejorar significativamente la eficiencia y la competitividad de la industria. Por lo tanto, es necesario obtener proyecciones más precisas de esta variable crítica mediante modelos matemáticos validados. Esta investigación busca desarrollar un modelo matemático que pueda predecir los precios de la fruta de exportación, considerando factores como la fecha de exportación, el calibre, la categoría y la variedad, entre otros. Para ello, se seleccionaron los factores primarios mediante técnicas de regulación y, posteriormente, se descompusieron las series temporales mediante descomposición estacional y de tendencia utilizando loess (STL). Posteriormente, se probaron varias técnicas de predicción utilizando aprendizaje automático.
CLAIO 2022, BUENOS AIRES - ARGENTINA
ANÁLISIS COMPARATIVO DE TÉCNICAS DE MINERÍA DE DATOS PARA LA ESTIMACIÓN DE PRECIO DE FRUTA DE EXPORTACIÓN: CASO DE ESTUDIO EN UNA EMPRESA EXPOTADORA CHILENA
ELAVIO 2022 MONTERREY - MEXICO
A focus of Machine learning for the forecast of product price: A study case of cherry fruit in Chile:
Este trabajo propone un modelo basado en minería de datos para pronosticar los precios de dos productos. El modelo propuesto se aplica al estudio de las cerezas de exportación de Chile. Se comparan los resultados de diversos algoritmos. Se prueban diferentes configuraciones de redes neuronales utilizando una serie de datos de dos temporadas, utilizando el primer 20% de los datos para el entrenamiento. Los resultados preliminares de este trabajo muestran buenos resultados tanto en aprendizaje como en predicción.
OPTIMA 2022 TALCA-CHILE
Pronóstico de precio: un estudio de los enfoques y aplicaciones actuales
Este trabajo es una revisión sistemática de literatura de los métodos de pronóstico de precios orientados a distintos productos y servicios con el propósito de identificar los algoritmos y métricas de machine learning que tienen mayor potencia de éxito al ser utilizados para predecir el precio. El pronóstico de precio es importante debido a que permiten generar estrategias de maximización de beneficios para las empresas. Y la importancia de estos algoritmos viene dada debido a que permiten obtener patrones de forma automática.El análisis se construyó a partir de la clasificación de artículos desde el año 2012 a 2021. Los resultados muestran un aumento de publicaciones recientes, lo que significa que el pronóstico de precio es una temática que está ganado popularidad. Este aumento se da principalmente en las áreas de precio de carga eléctrica e indicadores financieros. También se observa que a nivel de algoritmos existe una tendencia en crear algoritmos híbridos con el propósito de obtener un mejor ajuste en problemas y temáticas puntuales. Los países con un mayor número de investigaciones en esta área son China, Estados Unidos, España e India. Una de las brechas que detecto este análisis fue la ausencia de algoritmos para predecir el precio de productos perecederos como la fruta fresca de exportación.
