La industria del salmón es un componente esencial de la economía global de alimentos y, como cualquier mercado, está sujeta a fluctuaciones en los precios y la volatilidad.
El salmón es un commodity volátil, con un incremento de la demanda en las últimas décadas, lo que ha resultado en un aumento de los precios y un incremento en la volatilidad. La alta volatilidad de los precios representa un desafío para todos los participantes del mercado, incluido productores, procesadores, comerciantes e intermediarios.
Para los participantes en este mercado, la capacidad de prever con precisión estas fluctuaciones es crucial para tomar decisiones informadas y mitigar riesgos.
Un estudio elaborado por Mikaella Zitti, del Department of Economics and Resource Management de la Norwegian University of Life Sciences se ha centrado en la predicción de la volatilidad del mercado del salmón y ha explorado la eficacia de una técnica de aprendizaje profundo conocida como Redes de Memoria a Corto y Largo Plazo (Long Short-term Memory o LSTM).
Técnicas de aprendizaje profundo
Las técnicas de aprendizaje profundo, como las redes neuronales, han mostrado gran potencial para pronosticar datos financieros, incluidos los precios de las materias primas.
Entre estas técnicas, las Recurrent Neural Networks (RNNs) son particularmente adecuados para predecir las volatilidad financiera del mercado debido a su capacidad para aprender las dependencias temporales de datos de una serie de tiempo.
Específicamente, las redes Long Short-Term Memory (LSTM), un tipo de RNN, son capaces de capturar las dependencias de largo plazo, produciendo resultados prometedores en varias tareas de pronóstico.
Importancia de Prever la Volatilidad del Mercado del Salmón
La volatilidad del mercado del salmón es un fenómeno que puede afectar significativamente a los participantes de la industria, desde los productores y distribuidores hasta los inversores y consumidores. La variabilidad en los precios del salmón puede tener un impacto directo en la rentabilidad de las empresas y en la estabilidad de los mercados internacionales de alimentos.
Para abordar este desafío, el estudio en cuestión se propuso evaluar la capacidad de las LSTM, una técnica de aprendizaje profundo, para prever la volatilidad del mercado del salmón en múltiples pasos hacia adelante. Además, se comparó el rendimiento de las LSTM con el modelo Autoregressive Moving Average (ARMA), un enfoque tradicional en el análisis de series temporales, que se utiliza comúnmente como punto de referencia.
Resultados del Estudio: LSTM vs. ARMA
Los resultados del estudio indican que el modelo ARMA supera a las LSTM en la predicción de la volatilidad del mercado del salmón. Esto sugiere que, en este contexto específico, las LSTM pueden no ser capaces de explotar de manera efectiva patrones no lineales en la volatilidad del mercado del salmón. En otras palabras, los métodos de aprendizaje profundo pueden no ser necesariamente la mejor opción para este tipo de predicciones, al menos con la configuración y datos disponibles en el estudio.
Sin embargo, es importante destacar que tanto las LSTM como el modelo ARMA mostraron discrepancias significativas entre los valores de volatilidad reales y las predicciones obtenidas. Esto subraya la complejidad intrínseca de prever con precisión la volatilidad en el mercado del salmón y, posiblemente, en otros mercados de alimentos similares.
Implicaciones para la Industria del Salmón
Si bien las LSTM no superaron al modelo ARMA en este estudio, es esencial reconocer que cada mercado es único y puede requerir enfoques de modelado diferentes.
Los participantes de la industria del salmón pueden utilizar estos hallazgos como una señal de que deben considerar una variedad de enfoques para prever la volatilidad. No se debe descartar por completo el uso de técnicas de aprendizaje profundo, ya que su eficacia puede variar según los datos y las condiciones del mercado.
Además, la discrepancia entre las predicciones y los valores reales resalta la importancia de seguir investigando y mejorando los métodos de predicción en la industria del salmón. Las empresas pueden invertir en la recopilación y análisis de datos más precisos y en el desarrollo de modelos personalizados que se ajusten mejor a sus necesidades específicas.
Conclusión
En resumen, el estudio sobre la predicción de la volatilidad del mercado del salmón ofrece información valiosa para los participantes de la industria y destaca la importancia de ser flexibles en la elección de métodos de predicción.
La volatilidad de los mercados de alimentos es un desafío constante, y la investigación continua es esencial para mejorar la capacidad de anticipar y gestionar estos riesgos en la industria del salmón y más allá.
Contacto
Mikaella Zitti
Department of Economics and Resource Management
Norwegian University of Life Sciences
Ås, Norway
Email: mikzitti@gmail.com
Referencia (acceso libre)
Mikaella Zitti (2023) Forecasting salmon market volatility using long short-term memory (LSTM), Aquaculture Economics & Management, DOI: 10.1080/13657305.2023.2255346
