Evaluación de programación de compras de commodities agrícolas basada en modelos de predicción de precios

Abstract

En el mundo financiero, el precio de los commodities suele ser difícil de predecir debido a que se ven afectados por diversos factores, existiendo numerosas investigaciones gracias a la cantidad de información disponible. Sin embargo, la mayoría usa información perfecta para sus predicciones, constituyendo este trabajo un aporte, pues para predecir se usó información que hubiera estado disponible en la realidad, agregando un fin práctico al estudio. El trabajo se realizó en la empresa IANSA, dentro la Gerencia de desarrollo estratégico, estudiando las compras realizadas por las áreas de Nutrición animal y Mascotas, pertenecientes a la unidad de negocios llamada Nutrición animal. Se tiene como fin el buscar establecer estrategias de compras factibles que permitan reducir los costos de compra de materias primas agrícolas y poder desarrollar ventajas competitivas frente a otros actores del mercado, abarcándose en este estudio, el afrechillo, triticale, maíz, y soya. Estos últimos representaron el 23% del costo de producción de la unidad en 2015 (15 MM USD), y sumándole el resto de materias primas, el 63% (42 MM USD). En primer lugar, se realizó un estudio del mercado del trigo, maíz, y soya, para comprender su cadena de comercialización y variables que deben ser tomadas en cuenta, complementando estas últimas con las identificadas en la revisión bibliográfica, y agrupándose finalmente en mercado chileno, mercado internacional, macroeconomía, productos relacionados, y clima. Siguiendo la bibliografía consultada, se usaron series de tiempo multivariadas, y adicionalmente regresiones lineales para facilitar el uso diario. Para la calibración se usó información entre 2006 y 2014, y para la evaluación, información entre 2015 y 2016, realizando predicciones a 1, 3, y 6 meses, cuyo MAPE fue menor a 10% en el caso del VECM en todos los períodos, mostrando un buen nivel de ajuste, y diferencias muy pequeñas respecto de la regresión. En base a las predicciones se generaron estrategias de compras a 3 y 6 meses, que se compararon con la estrategia de IANSA, estrategia de compra mensual sin ninguna anticipación, y simulaciones del comportamiento de IANSA, todas durante el período 2015 y 2016. Se tuvo como resultado que siempre fue más conveniente la estrategia a 6 meses, con el maíz en Mascotas como principal fuente de ahorros, con 73 MM CLP (0,11 MMUSD) entre 2015 y 2016 frente a compras del área, equivaliendo a un 2% de ese costo (3.830 MM CLP o 5,89 MMUSD).