Cuando el precio no se puede predecir, el riesgo sí
Pronosticar a cinco meses el precio mayorista de la papa Yungay en Lima. Tras enfrentar quince modelos —clásicos, de deep learning y fundacionales— bajo un protocolo estricto, ninguno supera de forma robusta a un ARIMA: la serie se comporta casi como una caminata aleatoria. En lugar de seguir persiguiendo el número exacto, el proyecto replantea el entregable: una banda de cuantiles calibrada y una alarma de precios no rentables que sí ayudan a decidir a un productor o comprador.
Actividad Final de Graduación en equipo · Magíster en Ciencia de Datos, UC Chile · julio 2026
El proyecto, en tres pasos
Integrar, competir, y replantear.
Panel multifuente
Precio mayorista de la papa Yungay en EMMSA-Lima (2000–2026) cruzado con ocho fuentes: clima ERA5-Land, NDVI MODIS, ENSO, tipo de cambio, inflación e indicadores del Banco Mundial, cada una con su rezago de publicación para no filtrar información del futuro.
Bake-off riguroso
Quince modelos —ARIMA, SARIMAX, XGBoost, LSTM, N-HiTS, NBEATSx, TiDE, DeepAR, TFT y Chronos zero-shot— a 150 días sobre 41 orígenes rolling-origin, con purged CV, IC block-bootstrap, Diebold-Mariano, corrección de Holm y TOST.
Del punto al riesgo
Si el nivel no se puede predecir, su distribución sí: DeepAR produce una banda P10–P90 y una probabilidad P(precio < T) de mes no rentable, que una capa de costo asimétrico convierte en una regla de acción.
Pronóstico puntual
Ningún modelo le gana a ARIMA.
MAE a 150 días (S/kg) · 41 orígenes · menor es mejor
Selección de 8 de los 17 modelos y baselines evaluados.
Solo Chronos-2 y un LSTM univariado quedan por debajo de ARIMA, y por márgenes que el test de Diebold-Mariano no distingue del ruido: tras la corrección de Holm, ningún modelo difiere significativamente de la referencia (todos los p ≥ 0.08). La explicación está en la serie misma: su autocorrelación a un rezago es 0.9934 y la razón de varianzas es compatible con una caminata aleatoria. A cinco meses el mejor pronóstico se parece mucho al último precio, y ARIMA ya lo aproxima sin costo.
La lección más transferible vino de una auditoría: en la fase preliminar, un XGBoost parecía el gran ganador con un MAE de 0.068. Era fuga de target: filas cuyo valor futuro aún no era observable en el origen. Con purged CV su MAE sube a 0.404, seis veces peor y en línea con el resto. Una fuga sutil convierte un modelo mediocre en campeón aparente.
Pronóstico probabilístico
Una alarma calibrada de precios bajos.
Brier de la alarma
0.104
vs 0.310 de la climatología · menor es mejor
Cobertura bajo P20
0.203
nominal 0.20 · 305 casos fuera de muestra
Ahorro de costo
≈37%
vs ignorar el riesgo · backtest pre-2021
A un productor no le sirve tanto el precio exacto como saber cuán probable es que caiga bajo su costo (precio < T) y hasta dónde podría bajar en un escenario pesimista. DeepAR modela una distribución completa en cada mes, y de ella salen la banda P10/P20/P50/P90 y la probabilidad de mes no rentable. La banda está bien calibrada: cuando dice “con 80% de confianza no bajará de P20”, acierta con esa frecuencia.
Hay matices que el caso no esconde. En el régimen actual los meses bajo 0.8 S/kg son raros (~5%) y, en ese umbral, la alarma no supera a “nunca alarmar”; su valor aparece desde T ≥ 0.9, con un Brier Skill Score de 0.4–0.5. En el régimen pre-2021, donde los precios bajos sí eran frecuentes, el BSS es 0.279 (IC95 [0.16, 0.40]) y, con un costo asimétrico 5:1 entre perder un mes malo y una falsa alarma, actuar según la alarma reduce cerca de 37% el costo esperado.
En el pronóstico operativo de 2026, el modelo solo asignó riesgo a enero (13%) y cerca de 1% al resto de los meses. Ningún mes cayó bajo 0.8: no hubo falsos avisos de precio bajo.