Inteligencia de negocios y predicción de precios de commodities agrícolas de alta volatilidad

Abstract

La volatilidad de los precios de los commodities agrícolas representa una problemática relevante para economías exportadoras, debido a la influencia de factores externos, climáticos y macroeconómicos que incrementan la incertidumbre en la toma de decisiones. El objetivo de este estudio fue analizar la contribución de la inteligencia de negocios en la predicción de precios de commodities agrícolas de alta volatilidad. Se empleó un enfoque cuantitativo con diseño no experimental y corte longitudinal, utilizando información secundaria de organismos nacionales e internacionales. Se aplicaron modelos ARIMA, redes neuronales LSTM y regresión múltiple. Los resultados evidencian fluctuaciones significativas en el índice de precios, con comportamiento diferenciado entre productos, destacando el cacao por su marcada tendencia alcista y mayor sensibilidad al mercado. Asimismo, se identificó que los modelos tradicionales capturan patrones temporales, pero presentan limitaciones frente a cambios abruptos, mientras que las redes LSTM mejoran la capacidad predictiva al modelar relaciones no lineales. Además, la inclusión de variables exógenas permite explicar con mayor precisión la dinámica de los precios. Estos hallazgos confirman que la integración de inteligencia de negocios con modelos híbridos optimiza la predicción y fortalece la toma de decisiones estratégicas en el sector agroproductivo.