Application of ARIMA Model to Forecast Corn Prices in Mexico

Leo Guzmán-Anaya

doi:10.55965/setp.4.08.a3

Autores/as

Leo Guzmán-Anaya Titular Research Professor at Centro Universitario de Ciencias Económico-Administrativas (CUCEA), Universidad de Guadalajara, Guadalajara, Jalisco, México https://orcid.org/0000-0002-5682-3175

DOI:

https://doi.org/10.55965/setp.4.08.a3

Palabras clave:

modelo ARIMA, pronósticos de precios, precios del maíz, precios agrícolas, México

Resumen

El maíz es un grano esencial en el patrimonio culinario, cultural y social mexicano. Sin embargo, la volatilidad de los precios del maíz genera incertidumbre entre los agricultores y ha provocado un aumento de las importaciones del grano de otros países. El propósito de este estudio es utilizar modelos de series de tiempo aplicados regularmente en finanzas a un producto agrícola y pronosticar los precios del maíz en México. El estudio emplea modelos autorregresivos integrados de medias móviles (ARIMA) para pronosticar precios en 2024 y 2025 utilizando datos sobre los precios rurales promedio del maíz en grano del período 1980 a 2023. Los resultados contribuyen a una discusión teórica sobre el empleo de herramientas estadísticas para reducir la incertidumbre del mercado de productos agrícolas y proporcionar Resultados prácticos empíricos sobre los precios del maíz para la toma de decisiones. Los resultados son innovadores al utilizar la herramienta estadística ARIMA para analizar un producto específico (maíz) en un mercado específico (México). Las conclusiones del estudio sugieren una tendencia al alza en los precios del maíz para 2024 y 2025, sin embargo, se observa estancamiento de precios e incertidumbre. Aunque las políticas gubernamentales han introducido garantías de precios para el maíz en México, sólo cubren menos del 3% de la producción total. Estudios futuros deberían analizar la divergencia de precios por regiones o estados de México.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Leo Guzmán-Anaya, Titular Research Professor at Centro Universitario de Ciencias Económico-Administrativas (CUCEA), Universidad de Guadalajara, Guadalajara, Jalisco, México

El Dr. Leo Guzmán-Anaya es profesor investigador en el Centro Universitario de Ciencias Económico-Administrativas de la Universidad de Guadalajara. Se graduó a nivel de licenciatura en Negocios Internacionales en la Universidad de Guadalajara, obtuvo una maestría en Economía en la Universidad Internacional de Tokio, Japón, y un doctorado en Ciencias Económicas y Administrativas con especialización en Economía Aplicada en la Universidad de Guadalajara.

Es miembro del Sistema Nacional de Investigadores (Nivel 1). Sus intereses de investigación se orientan hacia la Economía Internacional, con un interés particular en los efectos de derrame interindustriales y los determinantes de localización de la inversión extranjera directa japonesa.

Durante su carrera académica, ha participado en 9 proyectos de investigación a nivel intra e interinstitucional, ha publicado un libro, 11 capítulos de libro y 17 artículos de investigación original. Ha presentado resultados de investigación en 30 congresos internacionales y ha organizado 11 seminarios internacionales. Además, ha sido invitado a realizar estancias académicas en la Universidad de Sofía y la Universidad de Seijo en Japón. Asimismo, ha sido invitado y consultado sobre temas relacionados con la inversión japonesa en México por organismos gubernamentales como JICA (Japón) y el Congreso del Estado de Jalisco, así como por centros de investigación, entre ellos The Brookings Institution (EE.UU.).

Citas

Agbo, H.M.S. (2023). Forecasting agricultural price volatility of some export crops in Egypt using ARIMA/GARCH model. Review of Economics and Political Science, 8(2),123-133. https://doi.org/10.1108/REPS-06-2022-0035 DOI: https://doi.org/10.1108/REPS-06-2022-0035

Banco Mundial (2024). PIB, UMN a precios constantes - Mexico. Retrieved February 18, 2024, from: https://datos.bancomundial.org/indicator/NY.GDP.MKTP.KN?locations=MX

Box, G. E. P., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2015). Time Series Analysis Forecasting and Control (5th ed.). Wiley. DOI:10.1111/jtsa.12194 DOI: https://doi.org/10.1111/jtsa.12194

Bezabih, G., Wale, M., Satheesh, N, Fanta, S. W. and Atlabachew, M. (2023). Forecasting cereal crops production using time series analysis in Ethiopia. Journal of the Saudi Society of Agricultural Sciences, 22(2), 546-559.

https://doi.org/10.1016/j.jssas.2023.07.001 DOI: https://doi.org/10.1016/j.jssas.2023.07.001

Diario Oficial de la Federación (DOF, 2019). Plan Nacional de Desarrollo. Retrieved July 12 2024, from:

https://www.dof.gob.mx/nota_detalle.php?codigo=5565599&fecha=12/07/2019#gsc.tab=0

Dickey, D. A., & Fuller, W. A. (1979). Distribution of the estimators for autoregressive time series with a unit root. Journal of the American Statistical Association, 74(366a), 427–431. https://doi.org/10.2307/2286348 DOI: https://doi.org/10.1080/01621459.1979.10482531

Food and Agriculture Organization (FAO, 2021). OECD-FAO Agricultural Outlook

-2030. OECD and Food and Agriculture Organization of the United Nations. https://doi.org/10.1787/19428846-en DOI: https://doi.org/10.1787/19428846-en

Guimond-Ramos, J.C., Borbon-Morales, C.G., & Mejia-Trejo, J. (2023). Variations in the

expenditure of Mexican households on foods with a high energy content, 2016-2020. Scientia et PRAXIS, 3(05), 1-25.

https://doi.org/10.55965/setp.3.coed1.a1 DOI: https://doi.org/10.55965/setp.3.coed1.a1

Instituto Nacional de Geografía y Estadistica (INEGI, 2024). Banco de Información Económica

Bank. Retrieved March 17, 2024, from:

https://www.inegi.org.mx/app/indicadores/?tm=0#bodydataExplorer

Jadhav, V., Chinnappa-Reddy, B. V., & Gaddi, G. M. (2017). Application of ARIMA Model for Forecasting Agricultural Prices. Journal of Agricultural Science and Technology, 19, 981-992.

http://jast.modares.ac.ir/article-23-2638-en.html

López-García, M.R., Martínez-Damián, M. A., & Arana-Coronado, J. J. (2021). Predicción del Maíz en México. Agrociencia, 55(8), 733-746.

https://doi.org/10.47163/agrociencia.v55i8.2665 DOI: https://doi.org/10.47163/agrociencia.v55i8.2665

Lobell, D. B., Schlenker, W., & Costa-Roberts, J. (2011). Climate Trends and Global Crop Production Since 1980. Science, 333(6042), 616-620.

DOI: 10.1126/science.1204531 DOI: https://doi.org/10.1126/science.1204531

Maiga, Y. (2024). Temporal Forecast of Maize Production in Tanzania: An Autoregressive

Integrated Moving Average Approach. Journal of Agricultural Studies, 12(2), 118-131. https://doi.org/10.5296/jas.v12i2.21679 DOI: https://doi.org/10.5296/jas.v12i2.21679

Martínez-Damián, M.A. & Brambila-Paz, J.J. (2023). Modeling of nominal vs real price

predictors applied to corn, wheat, and barley in Mexico. Revista Mexicana de Ciencias Agrícolas, 14(2), 295-301.

https://doi.org/10.29312/remexca.v14i2.2933 DOI: https://doi.org/10.29312/remexca.v14i2.2933

Morales, R. (2023, February 7). Mexico increases dependence on imported corn. El Economista. Retrieved April 11, 2024 from:

https://www.eleconomista.com.mx/empresas/Mexico-bate-record-en-importaciones-de-maiz-a-pesar-de-arancel-y-decreto-20231002-0134.html

Pardey, P. G., Alston, J. M., & Chan-Kang, C. (2013). Public Agricultural R&D over the past half-century: An emerging new world order. Agricultural Economics, 44(s1), 103-113. https://doi.org/10.1111/agec.12055 DOI: https://doi.org/10.1111/agec.12055

Secretaría de Agricultura y Desarrollo Rural (SADER, 2021). Agri-food Regions of

Mexico. Retrieved February 28, 2024, from:

https://www.gob.mx/agricultura/articulos/regiones-agroalimentarias-de-mexico?idiom=es

Seguridad Alimentaria Mexicana (SAM, 2022). Guaranteed prices program for basic food products. Retrieved March 13, 2024, from:

https://www.cmdrs.gob.mx/sites/default/files/cmdrs/sesion/2021/12/06/2682/materiales/programa-precios-garantia-2021-maiz.pdf

Sistema de Información Agroalimentaria de Consulta (SIACON, 2024). Servicio de Información Agroalimentaria y Pesquera. Retrieved February 8, 2024, from:

https://www.gob.mx/siap/documentos/siacon-ng-161430

Thistleton, W. y Sadigov, T. (2023). Practical Time Series Analysis. Coursera.

https://www.coursera.org/learn/practical-time-series-analysis

U.S. Department of Agriculture (USDA, 2023). World Agricultural Supply and Demand

Estimates. Retrieved August 8, 2024, from:

https://ipad.fas.usda.gov/cropexplorer/cropview/comm_chartview.aspx?cropid=0440000&regionid=us&nationalGraph=False&cntryid=USA&sel_year=2022&startRow=1&fctypeid=19&fcattributeid=10

United Nations (UN, 2015). Transforming our world: The 2030 agenda for sustainable

development. Retrieved August 18, 204, from: https://sustainabledevelopment.un.org/post2015/transformingourworld

Valdez-Galvez, M.J., Coronado-Gonzalez, Y.U.K. & Camarena-Gomez, B.O. (2023).

Environmental degradation and sustainability in areas with intensive agricultural practices of Sonora, Mexico. Scientia et PRAXIS, 3(05), 26-50. https://doi.org/10.55965/setp.3.coed1.a2 DOI: https://doi.org/10.55965/setp.3.coed1.a2

Yadav, S., Mishra, P., Kumari, B., Shah, I.A., Karakaya, K., Shrivastri, S., Fatih, C., Ray, S. & Khatib, A.M.G.A. (2022). Modelling and Forecasting of Maize Production in South Asian Countries. Economic Affairs, 67(04), 519-531.

DOI: 10.46852/0424-2513.4.2022.18 DOI: https://doi.org/10.46852/0424-2513.4.2022.18

Yasmin, S., & Moniruzzaman, Md. (2024). Forecasting of area, production, and yield of jute in

Bangladesh using Box-Jenkins ARIMA model. Journal of Agriculture and Food Research, 16, 1-14.

https://doi.org/10.1016/j.jafr.2024.101203 DOI: https://doi.org/10.1016/j.jafr.2024.101203