Un modelo de pronóstico para la volatilidad de los futuros del café colombiano basado en noticias antes y durante la pandemia de la COVID-19 y variables económicas

x Corredor Leon, Daniel Alejandro; Sanabria Nuñez, Miguel Ángel

Un modelo de pronóstico para la volatilidad de los futuros del café colombiano basado en noticias antes y durante la pandemia de la COVID-19 y variables económicas

dc.contributor.advisor	Lamos Diaz, Henry
dc.contributor.advisor	Puentes Garzón, David Esteban
dc.contributor.author	x Corredor Leon, Daniel Alejandro
dc.contributor.author	Sanabria Nuñez, Miguel Ángel
dc.contributor.evaluator	Garavito Hernandez, Edwin Alberto
dc.contributor.evaluator	Talero Sarmiento, Leonardo Hernán
dc.date.accessioned	2023-05-24T13:13:58Z
dc.date.available	2023-05-24T13:13:58Z
dc.date.created	2023-05-11
dc.date.issued	2023-05-11
dc.description.abstract	La crisis económica producida por la pandemia de la COVID-19 ha tenido efectos negativos a nivel mundial, provocando incertidumbre y volatilidad en los mercados, desde las negociaciones de materias primas hasta en los precios de productos agrícolas. De igual manera, la rápida difusión de la información relacionada con la pandemia, sin comprobar su veracidad, ha aumentado el pánico de los inversores. En este estudio se examina si las Variables Económicas (VE) y las noticias aportan valor predictivo a la volatilidad de los futuros del café colombiano antes y durante la pandemia. Por lo que se plantean cuatro modelos de aprendizaje automático (Random Forest, Extreme Gradient Boosting, Extreme Learning Machine y Long Short-Term Memory), junto a variables exógenas con observaciones diarias divididas en cuatro y ocho conjuntos de datos en el evento antes y durante la pandemia respectivamente. Lo anterior, con el fin de evaluar qué modelo tiene mejor capacidad de generalización y que conjunto de datos le aporta predicciones más precisas. Los resultados experimentales muestran que antes de la pandemia las variables económicas en promedio produjeron mejores previsiones, mientras que durante la pandemia del nuevo coronavirus las noticias cobraron mayor relevancia, proporcionando mejoras en la predicción. El aporte de esta investigación, gira en torno a contribuir a la extensa literatura que existe alrededor de predicción de series temporales y para que entes gubernamentales, productores, administradores e inversionistas puedan comprender mejor el comportamiento de la volatilidad del café colombiano antes y durante la pandemia de la COVID-19 , anticipándose a periodos de alta incertidumbre.
dc.description.abstractenglish	The economic crisis caused by the COVID-19 pandemic has had negative effects worldwide, causing uncertainty and volatility in the markets, from the negotiation of raw materials to the prices of agricultural products. Similarly, the rapid dissemination of information related to the pandemic, without verifying its veracity, has increased investor panic. This study examines whether Economic Variables (EV) and news provide predictive value to the volatility of Colombian coffee futures before and during the pandemic. Therefore, four machine learning models (Random Forest, Extreme Gradient Boosting, Extreme Learning Machine and Long Short-Term Memory) are proposed, together with exogenous variables with daily observations divided into four and eight data sets in the node before and during the pandemic, respectively. The above, to evaluate which model has better generalization capacity and which data set provides more accurate predictions. The experimental results show that before the pandemic the economic variables on average produced better forecasts, while during the pandemic of the new coronavirus the news became more relevant, providing improvements in the prediction. The contribution of this research revolves around contributing to the extensive literature that exists around time series prediction and so that governmental entities, producers, administrators, and investors can better understand the behavior of the volatility of Colombian coffee before and during the COVID-19 pandemic, anticipating periods of high uncertainty.
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero Industrial
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/14326
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program	Ingeniería Industrial
dc.publisher.school	Escuela de Estudios Industriales y Empresariales
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Aprendizaje Automático
dc.subject	Pronóstico
dc.subject	Precio Del Café Colombiano
dc.subject	COVID-19
dc.subject	Análisis De Sentimientos
dc.subject	Volatilidad
dc.subject.keyword	Machine Learning
dc.subject.keyword	Forecasting
dc.subject.keyword	Colombian Coffee Price
dc.subject.keyword	COVID-19
dc.subject.keyword	Sentiment Analysis
dc.subject.keyword	Volatility
dc.title	Un modelo de pronóstico para la volatilidad de los futuros del café colombiano basado en noticias antes y durante la pandemia de la COVID-19 y variables económicas
dc.title.english	A forecasting model for the volatility of Colombian coffee futures based on news before and during the COVID-19 pandemic and economic variables
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado
dspace.entity.type