Determinantes y predicción de la inflación de alimentos y bebidas en Estados Unidos: el papel de los factores externos, climáticos y de condiciones de mercado interno
Loading...
Date
2026
Authors
Director
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Javeriana Cali
Share
Abstract
La inflación de alimentos y bebidas en Estados Unidos ha adquirido una relevancia creciente tras el aumento sostenido de precios entre 2019 y 2023, con importantes implicaciones para el bienestar y la seguridad alimentaria. Esta tesis doctoral por compendio de artículos tiene dos objetivos: (i) analizar los determinantes de la inflación de alimentos y bebidas mediante un modelo VAR ampliado con factores extraídos de un modelo factorial cuantílico y (ii) evaluar el desempeño predictivo de modelos econométricos y de aprendizaje profundo. El primer estudio muestra que las presiones en las cadenas de suministro globales y los precios internacionales de materias primas dominan la dinámica inflacionaria, evidenciando la primacía de los factores externos frente a los internos. El segundo estudio incorpora la variabilidad climática y la productividad agrícola, encontrando efectos climáticos limitados y una contribución moderada de la productividad, mientras que las disrupciones globales continúan siendo determinantes clave. El tercer estudio evalúa el desempeño predictivo, evidenciando que los modelos factoriales, particularmente aquellos que incorporan factores cuantílicos, mejoran la precisión en contextos de alta inflación, mientras que los modelos de aprendizaje profundo no presentan ventajas en horizontes de corto plazo.
item.page.abstract.eng
Food and beverage inflation in the United States has gained increasing relevance following the sustained rise in prices between 2019 and 2023, with significant implications for welfare and food security. This doctoral thesis, composed of three essays, has two main objectives: (i) to analyze the determinants of food and beverage inflation using a VAR model augmented with factors extracted from a quantile factor model, and (ii) to evaluate the predictive performance of econometric and deep learning models. The first study shows that global supply chain pressures and international commodity prices dominate inflation dynamics, highlighting the primacy of external over domestic factors. The second study incorporates climate variability and agricultural productivity, finding limited climate effects and a moderate contribution of productivity, while global disruptions remain key drivers. The third study evaluates predictive performance, showing that factor models—particularly those incorporating quantile factors— improve accuracy in high-inflation regimes, whereas deep learning models do not outperform in short-term horizons.