González Gómez, Daniel EnriquePalacios Córdoba, Leonardo AndrésMunevar Quiroga, Nidia Beatriz2024-06-082024-06-082024https://vitela.javerianacali.edu.co/handle/11522/2086El proyecto aplicado realizado es la modelación del precio para la compra y venta de aceite de soya empleando metodologías de series de tiempo basadas en técnicas clásicas y en modelos de machine learning que se plantea ante una necesidad de los actores que requieren mejorar sus decisiones y de esta forma su rentabilidad. Los precios de las materias primas afectan directamente al mercado y a los precios de los bienes producidos a partir de estas materias, es decir, los valores terminan impactando al comprador final, por lo que se requiere mejorar los métodos de pronósticos empleados incorporando herramientas de ciencia de datos y de esta manera integrar otros elementos del mercado que afectan los precios y su dinámica. El objetivo fue desarrollar un modelo de series de tiempo basado en técnicas de machine learning capaz de estimar y ajustar el precio del aceite de soya incorporando factores inflacionarios, políticos, de demanda, histórico de ventas y la cotización del precio del aceite de soya en el mercado de futuros. A partir de la construcción de modelos de ciencias de datos que permitan pronosticar el precio del aceite de soya bajo las restricciones del mercado de futuros, se evalúan los diferentes modelos construidos y selecciona el modelo que ofreció los mejores resultados, con el modelo seleccionado se visualizan los resultados obtenidos mediante una aplicación web que permite a los decisores actuar de manera eficiente y hacer seguimiento al comportamiento de los precios en tiempo real. Como resultado se obtuvo un modelo de pronóstico de precios de compra y venta de materia prima, el dataset resultante del preprocesamiento realizado para obtener el pronóstico, el documento resultante con la descripción de la metodología empleada y el dashboard que permite el monitoreo de precios y visualización del pronóstico de compra y venta de materias primas. Finalmente, la metodología empleada puede ser escalada a otros productos con el propósito de ser utilizada en el pronóstico de otras materias primas agrícolas. Tras la construcción y evaluación de varios modelos multivariados, el modelo Convolucional fue seleccionado por ofrecer los mejores resultados en términos de precisión, capturando eficazmente la dinámica del mercado. Los resultados obtenidos se visualizan a través de una aplicación web diseñada para facilitar a los decisores una actuación eficiente y un seguimiento en tiempo real del comportamiento de los precios. Como resultado final, se obtuvo un modelo robusto para el pronóstico de precios de compra y venta de aceite de soya, un dataset procesado para el ronóstico, una documentación detallada de la metodología utilizada y un dashboard para el monitoreo y visualización de precios. Esta metodología, tiene el potencial de ser aplicada a la predicción de precios de otras materias primas agrícolas, ampliando su utilidad en diversos sectores del mercado.53 p.application/pdfspaPronósticoAceite de soyaCiencia de datosMachine learninghttp://purl.org/coar/resource_type/c_bdcchttps://creativecommons.org/licenses/by-nc-nd/4.0/http://purl.org/coar/access_right/c_abf2