Machine learning and econometric applications for increasing profitability and efficiencya case study on sustainable production and trade in agro-based industries

Resumen

Se espera que en 2050 la población mundial haya alcanzado los 9 000 millones de personas. El crecimiento de la población a nivel mundial va a dar lugar a un crecimiento en la demanda de productos de consumo derivados de la agricultura. Es por ello que se espera que la producción agrícola incremente alrededor de un 70\% a nivel mundial. Las aplicaciones tecnológicas en agricultura en los últimos años han permitido aumentar la producción y contribuir a la reducción de la contaminación, utilizar de forma sostenible los recursos naturales, prever costes, mitigar riesgos e incluso poder anticiparse a una potencial quiebra. En este sentido, uno de los retos de los próximos años a nivel global es diseñar metodologías que permitan a las empresas del sector agropecuario ser más eficientes y sostenibles independientemente del índice de desarrollo tecnológico de la región en la que se encuentren. En esta investigación, tomando como caso de estudio el sector agropecuario, se ha diseñado y validado una metodología modular que combina algoritmos de aprendizaje automático y modelos econométricos orientada a la mejora de la gestión de los recursos, permitir a las empresas más competitivas y sostenibles para fomentar su inversión. Para desarrollar la metodología se han llevado a cabo tres experimentos. El primer experimento se ha orientado a medir la eficiencia de recursos a partir de un método no paramétrico para la estimación de las fronteras de producción en el que se han incorporado los costes derivados de las transferencias de datos, permitiendo identificar las fronteras de producción más óptimas teniendo en cuenta los costes tecnológicos. Para el segundo experimento se ha diseñado un sistema multi-agente para predecir oscilaciones de los precios en los mercados de futuros en productos derivados del sector agropecuario. El sistema multi-agente se ha diseñado como un sistema de apoyo a la toma de decisiones en el que los potenciales compradores o vendedores pueden incorporar parámetros de impacto medioambiental. Finalmente, el último experimento consiste en el diseño de una metodología de razonamiento basado en casos para la recomendación de inversión en una empresa. El último experimento permite incorporar capital a las empresas del sector agropecuario para que estas puedan invertir en tecnología. Además, se ha implementado una mejora sobre tercer experimento en el que se ha podido incrementar el rendimiento del sistema de recomendación de inversiones para las situaciones en las clases no están balanceadas.