Predictor de precios de maíz en México.

Abstract

Los mercados de futuros, entre sus funciones, proporcionan previsiones de precios de commmodities (productos agrícolas y materias primas), lo que permite a los productores ajustar por anticipado su oferta. En México, los usuarios de coberturas de precios recurren, en su mayoría, a las bolsas de valores en los Estados Unidos, como la Bolsa de Futuros de Chicago (CBOT). No obstante, estos mercados podrían proporcionar previsiones inadecuadas de precios al comercializarse coberturas de productos estandarizados. El objetivo de este trabajo es construir un modelo predictor del precio esperado de maíz que respresente una alternativa de previsión de precios para la toma de decisiones por parte de productores y comercializadores de maíz blanco en México. Para el estudio se construyen predictores, bajo la metodología de series de tiempo, tales como los modelos ARIMA, VAR y VCE que son comparados y discriminados estadísticamente a fin de determinar el mejor predictor que cumpla con la función de previsión de precios. Los resultados indican que los modelos VAR y VCE proporcionan mejores predicciones frente a los modelos ARIMA que resultan subóptimos al no incluir información de Estados Unidos. _______________ CORN PRICE PREDICTOR IN MÉXICO. ABSTRACT: Futures markets, among its functions, provide forecasts of commodity prices, allowing producers to adjust their offer in advance. In Mexico, users resort to price hedging securities exchanges, mostly, to the stock exchanges in the United States, as the Chicago Futures Exchange (CBOT). However, these markets could provide inadequate forecasts coverage price of standardized products marketed. The objective of this work is to construct a predictive model of the expected price of corn that represent an alternative of forecasting prices for the decision making by the producers and traders of white corn in Mexico. For the study predictors are built, under the methodology of time series, such as ARIMA, VAR and VCE models are compared and discriminated statistically to determine the optimal predictor that meets the price forecast function.The results indicate that the VAR and VCE models produce better predictions compared to ARIMA models which are sub-optimal because not include information from the United States.