Identificación de patrones de precios de la yerba mate en Paraguay utilizando red neuronal artificial.

Abstract

El estudio “Identificación de patrones de precios de la yerba mate en Paraguay utilizando redes neuronales artificiales” abordó las fluctuaciones de precios de la yerba mate, un producto de gran importancia económica y cultural en Paraguay. Debido a las variaciones de factores climáticos y económicos que impactan en el mercado, se emplearon modelos de redes neuronales (RNN y LSTM) para analizar y predecir estas fluctuaciones. Para el análisis se recopiló un dataset sólido que incluyó registros de los precios de la yerba mate desde el 2017 hasta el 2023, así como datos relacionados con la producción, exportación, consumo local y clima. La limpieza y transformación de estos datos fueron etapas esenciales para garantizar su precisión antes del análisis. Los modelos LSTM y RNN demostraron ser efectivos en la captura de patrones temporales complejos. El modelo RNN obtuvo una precisión del 91.33% en la predicción de tendencias de precios, mientras que el modelo LSTM alcanzó una precisión del 68.33 %. Estos resultados confirman la viabilidad de las RNA para analizar y predecir fluctuaciones en el mercado de la yerba mate, contribuyendo a una comprensión más profunda de los factores que impactan en su precio y proporcionando una base sólida para futuras investigaciones. Además, mediante la herramienta SHAP, regresión lineal, matriz de correlación, y grafico de dispersión se identificaron los factores con mayor influencia en los precios, destacándose la temperatura mínima como el factor climático más importante y el valor de producción como un factor económico relevante. Los resultados obtenidos confirman la utilidad de las redes neuronales en la identificación de patrones de precios, ofreciendo una herramienta que puede facilitar la toma de decisiones en el sector agrícola.