Análisis multivariado de los factores que inciden en el precio del trigo en Chile y a nivel internacional, incorporando redes neuronales en los modelos

Abstract

Entre 2018 y 2024, los precios internacionales del trigo se vieron afectados por shocks geopolíticos, energéticos y climáticos. Esta tesis cuantifica tanto el efecto de dichos shocks sobre la cotización del contrato ZW de la bolsa CBOT como la velocidad con que ese impacto se transmitió a los precios de productos basados en trigo en el mercado chileno. El análisis se sustenta en dos enfoques complementarios. En primer lugar, se estima un VAR–X semanal que incorpora las series internacionales de precio (ZW y los FOB de Argentina y Brasil), los referenciales energéticos (WTI y TTF), el tipo de cambio USD/CLP y una variable dicotómica asociada a la guerra Rusia–Ucrania; cuando las series resultan cointegradas, el modelo se reformula como VECM. La robustez estadística se verifica para la estabilidad, autocorrelación y heterocedasticidad. En segundo lugar, se entrenan redes neuronales feed-forward en dos configuraciones: un modelo completo que incluye todas las variables exógenas de precio y clima y un modelo reducido que retiene únicamente los determinantes internacionales esenciales. La capacidad predictiva de ambos enfoques se contrasta con la del VAR mediante el error medio absoluto (MAE) en pronósticos a doce semanas para 2025. Se puede observar que el conflicto Rusia - Ucrania impacta en la serie de cotización ZW, ello mediante un análisis econométrico considerando múltiples variables. Por su parte, las anomalías de temperatura y precipitación en Estados Unidos y Canadá mostraron un poder explicativo limitado frente a los factores macrofinancieros. El VAR(3) muestra una transmisión diferenciada de precios: el pan depende casi exclusivamente de su propio rezago inmediato y del trigo Paraná con tres semanas de desfase. El precio del trigo argentino, en cambio, responde principalmente al shock bélico y a su propio rezago de tres semanas; la influencia del pan es marginal. Paraná es la serie más reactiva: ajusta con rapidez a los movimientos del pan (rezagos 1 y 2) y del precio del trigo argentino (rezago 2), además de exhibir persistencia propia. En términos predictivos, el VAR alcanzó un MAE = 0,156 para los precios locales, superando al modelo de red neuronal reducido (MAE = 0,170) y al modelo neuronal completo (MAE = 0,327), lo que confirma su mayor precisión en este contexto.