PRILABSA
NRA
Megasupply
AQUAINTECH
CARGILL_Empyreal
CARGILL

Predicción del precio del camarón de exportación de Vietnam al mercado estadounidense mediante machine learning

Megasupply
PRILABSA
NRA
AQUA_IN_TECH_INT_SUP
CARGILL_Empyreal
CARGILL

En Vietnam, la industria pesquera es un sector económico clave que desempeña un papel importante en el desarrollo rural, la generación de ingresos y la mejora de los medios de vida. Una predicción precisa de los precios permitirá el desarrollo de estas industrias exportadoras y generará más beneficios para la pesca vietnamita.

El camarón es el principal producto del mar en términos de alimentación diaria, y representa el 15.5% del valor total de los productos del mar en el mundo. Vietnam es el segundo proveedor global, con un 9% del valor total de las exportaciones de camarón en el mercado internacional.

Según la Oficina General de Estadísticas de Vietnam (GSO, por sus siglas en inglés) en 2018, la región del Delta del Mekong de Vietnam (VMD, por su siglas en inglés) tuvo la mayor actividad acuícola de camarones en el país, representando más del 70% de la producción nacional, donde la mayor parte (entre el 70% y el 80%) de los productos de camarones cultivados se exportan.

“En 2017, el valor de las exportaciones de camarones de Vietnam fue de 3,850 millones de dólares, lo que significó el 44% del total de las exportaciones nacionales.”

Los principales mercados de destino de los productos camaroneros vietnamitas son naciones con un alto nivel de vida, como Estados Unidos, Japón y Europa, los cuales cuentan con estrictos requisitos de trazabilidad y exigen certificados de garantía de calidad para los productos del mar importados, actuando además como barreras comerciales para proteger su propia producción nacional de mariscos.

Cabe destacar que el precio de los productos de camarón vietnamitas exportados a estos países es un 20% más alto que el precio de exportación a otras latitudes (Figura 1).

Por ello, los productores vietnamitas deben buscar formas para mejorar su ventaja competitiva, con la finalidad de evitar que otros exportadores puedan ofrecer un mejor precio, quitándoles parte del mercado.

Desde que Vietnam ingresó en la Organización Mundial del Comercio (OMC) en enero de 2007, tiene acceso a oportunidades de exportación. En consecuencia, la calidad de la producción camaronera vietnamita ha mejorado, permitiéndole competir con otros países.

“Este es un factor importante que ha afectado el precio de exportación de los camarones y ha promovido el desarrollo de su cría en Vietnam.”

Para lograrlo, es esencial prever e identificar con precisión los factores que influyen en el precio de los productos vietnamitas en los mercados de exportación. Además, es necesario comprender la fluctuación de las tendencias del mercado para determinar cómo los productores vietnamitas pueden superar los retos y desarrollar estrategias para aumentar la exportación de productos pesqueros.

El Aprendizaje automático (Machine learning) se ha utilizado en la economía pesquera para predecir el crecimiento del camarón en entornos comerciales. En este estudio, una serie temporal ambiental fue el principal factor que se combinó con un algoritmo de Machine Learning para sugerir soluciones.

Muchos estudios lo han aplicado a la pesca, la acuicultura y los análisis económicos. Sin embargo, no se había utilizado para predecir la fluctuación de los precios de la acuicultura vietnamita.

Conjunto de datos

Los datos de los precios mensuales de las importaciones de productos de camarones congelados vietnamitas a los EE.UU. y los de sus competidores (por ejemplo, Chile, Ecuador, China, India y Tailandia) desde mayo de 1995 hasta mayo de 2019 se recolectaron del Departamento de Agricultura de los EE.UU (USDA).

Los datos de los demás factores que influyen en el precio de importación de los productos de camarón congelados de Vietnam se obtuvieron de la FAO, la Organización Mundial de Comercio (OMC) y el Fondo Monetario Internacional (FMI).

“Se incluyeron en el modelo los precios de camarón importado desde otros países a EE.UU., para examinar sus efectos en el precio de camarón vietnamita importados a este país.”

La expedición de la certificación de seguridad y garantía de calidad para los productos camaroneros vietnamitas no solo sirve de pasaporte para su aceptación por parte de EE.UU. y los mercados mundiales, sino que también aumenta el precio a largo plazo.

Por ello, en este estudio se han añadido variables ficticias al modelo para comprobar los efectos de estos requisitos de seguridad en el precio de los productos camaroneros vietnamitas importados a EE UU.

Se estima que los factores relacionados con la producción, incluidas enfermedades y aplicación de nuevas tecnologías a la producción de camarones en Vietnam, han afectado la producción en el país, incidiendo en el costo local de los insumos, lo que a su vez impactará en su precio en los mercados mundiales.

Además, en el modelo se incorporaron la influencia de las estaciones como impulsores de la oferta y la demanda de los productos del camarón vietnamita.

Algoritmo de Machine Learning

Se aplicaron los algoritmos Random Forest y Gradient Boosting Tree para predecir el precio en los periodos base seleccionados. El precio del camarón vietnamita en el mes siguiente se predijo a partir de datos pasados en cuatro periodos base:

  1. 2 meses anteriores,
  2. 3 meses anteriores,
  3. 6 meses anteriores y
  4. 12 meses anteriores.

Las cuatro predicciones se utilizaron para indicar la tendencia del precio del camarón vietnamita a corto y largo plazo, lo que permitió determinar en qué medida el precio se vería afectado por factores no arancelarios, como los certificados económicos y los precios en otros países.

Para seleccionar el subconjunto más relacionado con la respuesta de la producción, se empleó la puntuación del Criterio de Información de Akaike (AIC) para identificar las variables potencialmente informativas.

Random Forest

El Random Forest construye múltiples árboles de decisión y los fusiona para obtener una predicción precisa y estable. Este algoritmo selecciona muestras al azar y utiliza características para construir múltiples árboles de decisión.

El resultado final se obtiene mediante la votación por mayoría de los árboles de decisión y, por tanto, el Random Forest es más flexible que un árbol de decisión. Además, puede evitar el sobreajuste porque crea pequeños subárboles y, luego, los combina mediante un proceso óptimo.

Este algoritmo se basa en una técnica de bagging que entrena muchos modelos individuales en paralelo, con cada modelo entrenado por un subconjunto aleatorio de los datos.

Gradient Boosting Tree

El Gradient Boosting Tree es una de las técnicas de Machine Learning más potentes para construir modelos predictivos y también se basa en el concepto de un algoritmo de árbol de decisión. Crea un árbol de decisión en el que cada muestra tiene el mismo peso.

La combinación entre el primer y el segundo árbol generará un nuevo modelo, y este nuevo modelo puede utilizarse para construir el siguiente modelo mediante el mismo proceso hasta alcanzar el número especificado de iteraciones.

La predicción del modelo final es la suma de las predicciones de los modelos de árbol anteriores.

Resultados y discusión

Se calculó el porcentaje de error de cada algoritmo en cada caso de prueba. El precio medio del conjunto de datos fue de 11.9 USD. A partir del conjunto de datos, el precio del camarón vietnamita exportada se distribuyó principalmente en torno a los 10.00-12.50 USD (Figura 2).

El precio cambiaba con frecuencia bajo la influencia de factores como las políticas económicas impuestas por los gobiernos y los precios competitivos de otros países.

La predicción fue ligeramente menos precisa cuando se utilizó el periodo base de 6 meses y tuvo la menor precisión de predicción para el periodo base de 12 meses. Esto se debe probablemente a que las predicciones basadas en pruebas a largo plazo proyectan condiciones históricas que ya no son válidas para la situación actual.

“El periodo base de 12 meses era el más largo en el que los cambios en los factores relevantes (certificados económicos, requisitos de seguridad alimentaria, leyes comerciales y competencia de otros países) podrían afectar al precio de exportación.”

Todos estos factores tenían un fuerte impacto, pero este disminuía a lo largo de periodos de tiempo largos, lo que conducía a una baja precisión de la predicción. Del mismo modo, la predicción basada en el periodo base de 6 meses también era lo suficientemente larga como para verse afectada por la fluctuación de los factores asociados.

Esta fue la principal razón por la que el modelo tuvo una baja precisión de predicción. Para superar cualquier escenario de producción difícil, los vietnamitas quieren aumentar el precio de exportación y aumentar la cantidad de productos de camarón que entra en el mercado estadounidense.

El Gradient Forest Tree obtuvo mejores resultados de predicción para períodos base de menos de 6 meses, mientras que el Random Forest superó al Gradient Forest Tree para períodos base de más de 6 meses.

“En este estudio, cada algoritmo pudo aplicarse de forma fiable a subconjuntos formados por variables significativas.”

Los algoritmos ignoraron las variables débiles que contribuían poco, como indica la diferencia trivial de precisión entre las predicciones realizadas con todas las variables y los subconjuntos seleccionados. El Random Forest fue capaz de resolver problemas a largo plazo, mientras que el Gradient Boosting Tree fue más robusto a corto plazo.

El mecanismo de cada algoritmo determinó la forma en que se realizaron las predicciones, siendo el Random Forest el que creó múltiples submodelos al mismo tiempo y logró los mejores resultados.

Conclusión

Unas predicciones precisas permitirán a Vietnam planificar importantes acciones para reducir el efecto de los factores económicos negativos, la competencia y el dumping de precios. En Vietnam se ha considerado el desarrollo de una industria de cría intensiva de camarones para mejorar la calidad y aumentar la cantidad de productos de camarón, ya que la calidad puede controlarse fácilmente.

Este estudio podría ampliarse para predecir las tendencias de los mercados internacionales de otros productos del mar. Vietnam tiene muchos productos acuícolas y pesqueros potenciales para la exportación, como el bagre, los peces marinos, los moluscos, el marisco congelado y el marisco seco.

“También existe el potencial de desarrollar otros artículos de exportación, como el atún, las almejas y algunas otras especialidades marinas.”

El desarrollo de la acuicultura podría resolver muchos problemas sociales, especialmente la pobreza y la educación. Cuanto más producto del mar se exporte, más se beneficiará la industria pesquera.

Esto ha motivado a los productores vietnamitas a desarrollar e investigar la aplicación de la tecnología a la cría de camarones. El éxito de las exportaciones de productos del mar fomentará el establecimiento de una marca comercial vietnamita para su uso en los mercados internacionales.

Esta es una versión resumida desarrollada por el equipo editorial de Panorama Acuícola Magazine del artículo “PREDICTING THE PRICE OF VIETNAMESE SHRIMP PRODUCTS EXPORTED TO THE US MARKET USING MACHINE LEARNING” escrito por NGUYEN MINH KHIEM, YUKI TAKAHASHI, KHUU THI PHUONG DONG, HIROKI YASUMA, NOBUO KIMURA.
La versión original fue publicada en ABRIL de 2021 a través FISHERIES SCIENCE.
Se puede acceder a la versión completa a través de https://doi.org/10.1007/s12562-
021-01498-6
.

PRILABSA
Megasupply
NRA
CARGILL_Empyreal

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Una idea sobre “Predicción del precio del camarón de exportación de Vietnam al mercado estadounidense mediante machine learning”