MODELACIÓN ECONOMÉTRICA Y ESTOCÁSTICA EN LOS PRONÓSTICOS DE VENTAS DE JENGIBRE EN ECUADOR

Resumen

La modelación econométrica y estocástica son herramientas relevantes para la realización de pronósticos. Esta investigación tuvo como objetivo principal el estudio de la modelación econométrica y estocástica en los pronósticos de ventas de jengibre en Ecuador. Considerando variables endógenas y exógenas de carácter aleatorio continuo. Los datos financieros se registraron mensualmente por la empresa Nature Product Gingerdale Cía. Ltda., de la provincia de Santo Domingo de los Tsáchilas, Ecuador. Para los cuales se consideraron las variables econométricas como: precio/kg., Cantidad exportada/kg y niveles de ventas/miles de dólares. Particularmente, este estudio se enfocó en la dinámica financiera que han tenido estas cuentas desde el año 2016 hasta el año 2019. A partir de estos datos se realizó una proyección hasta el año 2021. Para el análisis matemático, estadístico y gráfico se utilizó las técnicas estadísticas de la regresión lineal simple y series de tiempo mediante el software SPSS versión 25. Los resultados muestran una alta covarianza, ejercida por el número el precio/kg cuya predicción se ajusta a un modelo ARIMA (0,1,0) (0,0,0), con respecto a la exportación/kg se ajusta ARIMA(2,0,0)(1,0,0) y en función a las ventas/miles de dólares a un modelo ARIMA(0,0,0)(0,0,0). En consecuencia, como conclusión, se obtuvo que el modelo estocástico representa un mejor pronóstico de las ventas, precio y kilogramos exportados de jengibre, al presentar los coeficientes significativos y menores errores de predicción y, por defecto, la simulación es alentadora para la
producción y exportación de jengibre para el Ecuador.

Palabras clave

Econometría, Estadísticas científicas, Previsión, Producción, Series temporales

Biografía del autor/a

Ángel Ramón Sabando García

Profesor Titular Auxiliar I de la Escuela de Ciencias Administrativas y Contables, Pontificia Universidad Católica del Ecuador, Sede Santo Domingo. Magíster en Estadística Aplicada por la Universidad Técnica de Manabí, UTM. Magister enGerencia Educativa por la Universidad Estatal del Sur de Manabí, UNESUM. Miembro del Grupo de investigación FINNOVAPLAN PUCESD.

Mikel Ugando Peñate

Profesor Titular Principal I-Investigador de la Escuela de Ciencias Administrativas y Contables, Pontificia Universidad Católica del Ecuador, Sede Santo Domingo. Director del Grupo de investigación FINNOVAPLAN PUCESD. Doctor en Economia por la Universidad de Santiago de Compostela, España. Diploma de Estudios Avanzados, Título Experto en Doctorado “Convergencia Internacional en Ámbito Financiero y Contable” por la UVIGO, España. Especialista Estadística e Investigación Operativa por la UVIGO, España. Master en Contabilidad por la Universidad De Oriente, Cuba. Especialista en Propiedad Intelectual, Academia WIPO, Suiza.

Reinaldo Armas Herrera

Docente-Investigador Ciencias Empresariales, Sección Finanzas y Gestión Bancaria Doctor en Economía por la ULPGC. Máster Oficial en Banca y Finanzas por la ULPGC. Director del grupo de investigación de finanzas y sistemas financieros (FINASIF). Profesor de la maestría en Finanzas de la UTPL y profesor de pregrado en Finanzas. Miembro del Grupo de investigación FINNOVAPLAN PUCESD. Consultor en temas medioambientales y financieros.

Ángel Alexander Higuerey Gómez

Docente investigador adscrito a carrera de Contabilidad y Auditoría, Departamento de Ciencias
Empresariales, UTPL, Loja, Ecuador. Doctor en Economía por la ULPGC, España. Magíster y Especialista en Derecho Tributario por la USM, Venezuela. Licenciado en Administración, por la UDO, Venezuela. Miembro del Grupo de investigación FINNOVAPLAN PUCESD. Investigador del Instituto Experimental de Investigaciones Humanísticas, Económicas y Sociales (IEXIHES), ULA, Venezuela.

Grace Margarita Espín Estrella

Ingeniera Comercial por la Escuela de Ciencias Administrativas y Contables, Pontificia Universidad Católica del Ecuador, Sede Santo Domingo. Colaboradora del Grupo de investigación FINNOVAPLAN PUCESD. Sus investigaciones se orientan al análisis de pronósticos y niveles de producción y ventas del jengibre a nivel de Pymes exportadoras en Ecuador.

Antonio Villalón Peñate

Magister en Finanzas con mención en Gestión Financiera Internacional, por la Pontificia
Universidad Católica del Ecuador, Sede Santo Domingo, Ecuador. Licenciado en Contabilidad y
Finanzas por la Universidad de Oriente, Cuba. Profesor Auxiliar Ocasional Investigador de la Escuela de Ciencias Administrativas y Contables, Pontificia Universidad Católica del Ecuador, Sede Santo Domingo. Miembro del Grupo de investigación FINNOVAPLAN PUCESD. Sus investigaciones se orientan a los procesos de planeación a corto plazo y estrategias financieras entorno a la modelación aplicada.

Referencias

• A.R. Sabando, M. Ugando, E. Cueva, A. Villalón, G. Mendoza & A. Arias (2020) “Modelación productiva y pronósticos de las ventas del cultivo de la pitahaya en Ecuador”, Revista Sinapsis, vol. 12, no.1, pp. 106-121. https://dialnet.unirioja.es/servlet/articulo?codigo=7571141
• J. Rueda Galvis & M. Rueda Galvis (2017) “Modelo econométrico de gestión exitosa para la empresa familiar colombiana”, Revista Finanzas Y Política Económica, vol. 9, no. 2, pp.319–344. https://doi.org/10.14718/revfinanzpolitecon.2017.9.2.6 DOI: https://doi.org/10.14718/revfinanzpolitecon.2017.9.2.6
• G. Garbanzo, G. Chavarría y E. Vega (2019) “Correlaciones alométricas en Hylocereus costaricensis y H. monocanthus (pitahaya): una herramienta para cuantificar el crecimiento”, Agronomía Mesoamericana, vol. 30, núm. 2, Universidad de Costa Rica. https://www.redalyc.org/jatsRepo/437/43759027008/html/index.html
• K. Lucero (2020) “Pitahaya: la fruta exótica más exportada del Ecuador”, Revista Gestión Digital, Multiplica Ediciones. https://www.revistagestion.ec/economia-y-finanzas-analisis/pitahaya-la-frutaexotica-mas-exportada-del-ecuador
• El productor “Resumen del mercado global del jengibre”. Periódico del campo, [online], 2020.https://elproductor.com/resumen-del-mercadoglobal-del-jengibre-4/
• R. Acevedo Rueda & J.A. Pimentel (2014) “Modelo econométrico para el pronóstico de demanda eléctrica máxima diaria”. Universidad, Ciencia y Tecnología, vol. 18 (70), pp. 4-11. http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S1316-48212014000100001&lng=es&tlng=es
• T. Guerrero, G. Amaris y H. Ávila (2017) “Aplicación de modelo ARIMA para el análisis de series de volúmenes anuales en el río Magdalena”, Tecnura, vol. 21 (52), pp. 88-101. ISSN: 0123-921X. Disponible en: https://www.redalyc.org/articulo.oa?id=257051186008 DOI: https://doi.org/10.14483/10.14483/udistrital.jour.tecnura.2017.2.a07
• A. Muñoz-Santiago, J. Urquijo-Vanstrahlengs, J., A. Castro& J. Lombana (2017) “Pronóstico del precio de la energía en Colombia utilizando modelos ARIMA con IGARCH”, Revista de Economía del
• Rosario, vol.20, no. 1, pp. 127-161. DOI: https://doi.org/10.12804/revistas.urosario.edu.co/economia/a.6152 DOI: https://doi.org/10.12804/revistas.urosario.edu.co/economia/a.6152
• A. Lama More & S. Huamaní (2012) “Un modelo econométrico de proyección de la demanda futura del flujo vehicular en las concesiones en transporte”, Pensamiento Crítico, vol. 17, no. 2, pp.035-049. https://doi.org/10.15381/pc.v17i2.8933 DOI: https://doi.org/10.15381/pc.v17i2.8933
• G.E. Box, G.M. Jenkings & G.C. Reinsell (1994) “Time Series Analysis: Forecasting and Control”, 3ª edition, Englewood Cliffs – Prentice-Hall.
• R.H. Shumway & D.S. Stoffer (2017)“Time Series Analysis and Its Applications: With R Examples” (Springer Texts in Statistics) 4th edition. DOI: https://doi.org/10.1007/978-3-319-52452-8
• M. Ugando, A. Villalón, A.R. Sabando, F.S. Pilay & B. Sabando “Pronóstico y modelación financiera aplicada en ventas de las pymes cash. De Santo Domingo, Ecuador 2019”, Red Académica en Finanzas (REDAFIN 2019), VI Encuentro de Investigaciones en Finanzas, 2019. Disponible en: http://redafin.com.co/redafin/
• S. Makridakis & M. Hibon (1997) “ARMA Models and the Box -Jenkins Methodology INSEAD”, France Journal of Forecasting, vol. 16, pp.147 - 163. DOI: https://doi.org/10.1002/(SICI)1099-131X(199705)16:3<147::AID-FOR652>3.0.CO;2-X
• R. Adhikari & R.K. Agrawal (2013) “An Introductory Study on Time Series Modeling and Forecasting”, LAP Lambert Academic Publishing.
• M. Pepió (2001) “Series temporales”, vol.1, Ediciones Univeritat Politecnica de Catalunya, S.L.,Barcelona.
• J. F. Moreno Trujillo (2018) “Modelo estocástico para el precio de activos en alta frecuencia basado en procesos de ramificación aleatoriamente indexados”, ODEON. (14), pp. 163–181. https://doi. DOI: https://doi.org/10.18601/17941113.n14.07
• org/10.18601/17941113.n14.07
• R. Adhikari & R.K. Agrawal (2002) “An Introductory Study on Time Series Modeling and Forecasting”.
• A.M. Díaz-Salas & E. Guevara (2016) “Modelación estocástica de los caudales medios anuales en la cuenca del río Santa, Perú”, Revista INGENIERÍA UC, vol. 23, no. 2, pp.172-185. ISSN: 1316-6832. Disponible en: https://www.redalyc.org/articulo.oa?id=70746634009
• M. Ugando, A. Villalón, A.R. Sabando, D.M. Celi, F.S. Pilay & A. del P. Racines (2021) “Modelización financiera aplicada en empresas del sector manufacturero en la ciudad de Santo Domingo de los Tsáchilas, Ecuador”, Revista De La Universidad Del Zulia, vol. 12, no. 34, pp. 8-28. DOI: https://doi.org/10.46925//rdluz.34.02 DOI: https://doi.org/10.46925//rdluz.34.02
• D. Heras (2018) “Factores Determinantes y Proyección de Exportación de Pitahaya en el Ecuador, una Estimación Arima y de Mínimos Cuadrados Ordinarios”, Proyecto de Investigación previo a la obtención del Título de Economista, Universidad Técnica de Ambato. Facultad de Contabilidad y Auditoría. Carrera de Economía. Ambato, Ecuador. Disponible en: https://repositorio.uta.edu.ec/bitstream/123456789/28304/1/T4311e.pdf
• H. Muñoz-Krieger, E. Guzmán, M.T. De la Garza y J.P. González (2017) Análisis econométrico de las ventas de pulpa de mango de Frozen Pulps de México SA de CV”, Pistas Educativas, vol. 38, no. 124, pp. 195-207. México. http://itcelaya.edu.mx/ojs/index.php/pistas
• A. Carrasquilla, A. Chacón, K. Núñez, O. Gómez, J. Valverde & M. Guerrero (2016) “Regresión lineal simple y múltiple: aplicación en la predicción de variables naturales relacionadas con el crecimiento
• microalgal”, Revista Tecnología en Marcha, vol.29, no.8, pp. 33-45. DOI: https://doi.org/10.18845/tm.v29i8.2983 DOI: https://doi.org/10.18845/tm.v29i8.2983
• J.M. Astorga-Gómez (2014) “Aplicación de modelos de regresión lineal para determinar las armónicas de tensión y corriente”, Ingeniería Energética, vol. 35, no.3, pp. 234-241, [online] ISSN 1815-5901. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1815-59012014000300008
• L. Martínez, J. Linares, R. Martínez & H. Oliva (2015) “Modelos de regresión para la predicción de propiedades de compuestos de PVC considerando el efecto de la dosis de aditivos”, Revista Técnica de la Facultad de Ingeniería Universidad del Zulia, vol. 38, no. 3, pp. 266-274, Maracaibo. Disponible en: http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S0254-07702015000300010
• D.F. Cardona, J.L. González, M. Rivera & E.H. Cárdenas (2014) “Aplicación de la regresión lineal en un problema de pobreza”, Interacción, 12, pp.73–84. DOI: https://doi.org/10.18041/1657-7531/interaccion.0.2315 DOI: https://doi.org/10.18041/1657-7531/interaccion.0.2315
• A.F. Martínez (2018) “Modelos Econométricos para determinar el comportamiento de la cartera comercial de los bancos privados grandes ecuatorianos en el periodo 2007-2015”, Universidad Andina Simón Bolívar, Sede Ecuador, Maestría en Finanzas y Gestión de Riesgos, Quito. Disponible en: https://repositorio.uasb.edu.ec/bitstream/10644/6050/1/T2542-MFGR-Martinez-Modelos.pdf
• J. García-Regalado, C. Freire-Quintero, & H. Moscoso-Miranda (2015) “Modelo Econométrico del sector de la construcción en Ecuador”, Revista Ciencia Unemi, vol. 8, no 14, pp.37-47. Disponible en: https://www.redalyc.org/articulo.oa?id=582663828006 DOI: https://doi.org/10.29076/issn.2528-7737vol8iss14.2015pp37-47p
• J.J. Cruz-Acosta, L.J. Cartuche-Nagua, L.A. León-Serrano (2021) “Modelo econométrico: Análisis del impacto de las exportaciones en el crecimiento económico del Ecuador, 2009-2019”. Polo del Conocimiento, vol. 6, no. 9, pp. 2076- 2095. ISSN 2550-682X. Disponible en: https://polodelconocimiento.com/ojs/index.php/es/
• article/view/3156/6950
• R. Vila, M. Torrado & M. Reguant (2019) “Análisi de regressió lineal múltiple amb SPSS: un exemple práctic”, REIRE Revista d’Innovació I Recerca En Educació, vol. 12, no. 2, pp. 1–10. DOI:https://doi.org/10.1344/reire2019.12.222704 DOI: https://doi.org/10.1344/reire2019.12.222704
• W. Hopp & M. Spearman (2008) “Factory Physics”, 3rd ed. McGraw-Hill Ed. New York.
• A. J. Boada & D. de Vasconcelos (2013) “Modelo estadístico de regresión múltiple, columna vertebral para predecir en empresas multinacionales con estilo de venta por catálogo: A base to predict in catalog selling multinational companies” Revista Lasallista de Investigación, vol. 10, no.1, pp. 112-127, [online]. Disponible en: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S1794-
• &lng=en&tlng=es
• C.A. Valladares, K.V. Sánchez, M. Ugando, M., A.R. Sabando & A. Villalón (2021) “Gestión de capital de trabajo y su efecto en la rentabilidad para el grupo de empresas del sector manufacturero ecuatoriano”, South Florida Journal of Development, vol. 2, no. 2,
• pp.2082-2101. ISSN 2675-5459. DOI: https://doi.org/10.46932/sfjdv2n2-075 DOI: https://doi.org/10.46932/sfjdv2n2-075
• https://southfloridapublishing.com/ojs/index.php/jdev/issue/view/13
• J.A. Gallego-Nicasio, A. Rodríguez, A., J. Mínguez & F. Jiménez (2018) “Modelos ARIMA para la predicción del gasto conjunto de oxígeno de vuelo y otros gases en el Ejército del Aire”, Sanid. Mil, vol.74, no.4
• pp.223-229, [online]. Disponible en: http://dx.doi.org/10.4321/s1887-85712018000400002.
• A. Alonso & J. Rojo (2005) “Modelos de estimación de ingresos en empresas de internet”, Investigaciones Europeas de Dirección y Economía de la Empresa, vol. 11, no. 2, pp. 27-43. Academia Europea de Dirección y Economía de la Empresa. Vigo, España. Disponible en: http://www.redalyc.org/pdf/2741/274120419002.pdf
• R.A. Cuervo-Cruz, J. Martínez-Bernal & J.A. Orjuela (2021) “Modelos logísticos estocásticos aplicados a la cadena de suministro: una revisión de la literatura, INGENIERÍA, vol. 26, no. 3, pp. 334-366.
• DOI: https://doi.org/10.14483/23448393.16357 DOI: https://doi.org/10.14483/23448393.16357