Predicción del precio de pitahaya para exportación en Ecuador mediante el modelo SARIMAX
DOI:
https://doi.org/10.36097/rsan.v1i66.3862Palabras clave:
Pitahaya, Predicción de precios, Series temporales, Exportación agrícola, EcuadorResumen
El presente estudio se propone predecir el precio de la pitahaya de exportación en Ecuador mediante la aplicación del modelo SARIMAX, con variables asociadas al comportamiento histórico del precio y al volumen mensual exportado, para generar información útil para la toma de decisiones de los productores. La investigación adoptó un enfoque cuantitativo, de alcance predictivo y diseño no experimental. Se analizaron series temporales mensuales del precio promedio por kilogramo de pitahaya, correspondientes al periodo septiembre de 2021-mayo de 2025, a partir de registros de productores de la provincia de Manabí. Se estimó un modelo SARIMAX con componente estacional anual e incorporación del volumen mensual exportado como variable exógena. El desempeño del modelo fue evaluado mediante MAE, RMSE, MAPE y criterios de información. El modelo permitió identificar patrones estacionales y variaciones del precio asociadas a la oferta exportable. La inclusión de la variable exógena aportó mayor sensibilidad a los cambios del mercado, especialmente en periodos de mayor disponibilidad del producto. Las métricas obtenidas evidenciaron un desempeño aceptable para fines predictivos, con un MAPE de 12,45 %. Se concluye que el modelo SARIMAX constituye una herramienta estadística útil para anticipar escenarios de fluctuación del precio de la pitahaya de exportación. Su aplicación puede contribuir a mejorar la planificación productiva y comercial, aunque se recomienda incorporar nuevas variables externas para fortalecer su precisión predictiva.
Descargas
Referencias
Agrocalidad. (2025). Aguacate Hass y pitahaya ecuatoriana llegan por primera vez a mercados argentinos. Agrocalidad. https://www.agrocalidad.gob.ec/aguacate-hass-y-pitahaya-ecuatoriana-llegan-por-primera-vez-a-mercados-argentinos/
Alharbi, F. R., & Csala, D. (2022). A seasonal autoregressive integrated moving average with exogenous factors (SARIMAX) forecasting model-based time series approach. Inventions, 7(4), 94. https://doi.org/10.3390/inventions7040094
Chen, Z., Goh, H. S., Sin, K. L., Lim, K., Chung, N. K. H., & Liew, X. Y. (2021). Automated agriculture commodity price prediction system with machine learning techniques. Advances in Science, Technology and Engineering Systems Journal (ASTESJ), 6(4), 376–384. https://doi.org/10.25046/aj060442
de Lima, G. H. E. L., e Silva, L. C., & Neto, P. F. R. (2010). WSN as a tool for supporting agriculture in the precision irrigation. In Proceedings of the Sixth International Conference on Networking and Services (pp. 137–142). IEEE. https://doi.org/10.1109/ICNS.2010.26
Debnath, A., Malek, M. A., Ahamed, M. S., & Reya, S. S. (2024). Vision transformer based classification system for classifying fresh and diseased dragon fruit. In Proceedings of the International Conference on Recent Progresses in Science, Engineering and Technology (ICRPSET) (pp. 1–6). IEEE. https://doi.org/10.1109/ICRPSET64863.2024.10955870
Dinh, T., Wong, H., Lisik, D., Koren, M., Tran, D., Yu, P. S., & Torres-Sospedra, J. (2025). Data clustering: A fundamental method in data science and management. Data Science and Management. https://doi.org/10.1016/10.1016/j.dsm.2025.08.001
Gandge, Y. (2017). A study on various data mining techniques for crop yield prediction. In Proceedings of the 10th International Conference on Orange Technology (ICOT) (pp. 420–423). IEEE. https://doi.org/10.1109/ICEECCOT.2017.8284541
Granoble Chancay, P. E., & Acuría Moran, J. P. (2022). La producción de pitahaya roja “hylocereus undatus” incide en su exportación en el de Manabí. E-IDEA 4.0. Revista Multidisciplinar, 4(12), 14–32. https://doi.org/10.53734/mj.vol4.id241
Guo, Y., Lai, X., & Gan, M. (2023). Cyanobacterial biomass prediction in a shallow lake using the time series SARIMAX models. Ecological Informatics, 78, 102292. https://doi.org/10.1016/j.ecoinf.2023.102292
Huachi, L., Yugsi, E., Paredes, M. F., Coronel, D., Verdugo, K., & Santamaría, P. C. (2015). Desarrollo de la pitahaya (Cereus sp.) en Ecuador. LA GRANJA. Revista de Ciencias de la Vida, 22(2), 50-58. https://www.redalyc.org/pdf/4760/476047267005.pdf
López, K. (2019). Manabí produce el 90% de la pitahaya exportable. CAMAE. https://www.camae.org/comercio-exterior/manabi-produce-el-90-de-la-pitahaya-exportable/
Lucero Arevalo, E. T., & Vallejo Yucci, T. E. (2024). Análisis del comportamiento en las exportaciones de la pitahaya ecuatoriana. Ciencia Latina Revista Científica Multidisciplinar, 8(5), 4593–4610. https://doi.org/10.37811/cl_rcm.v8i5.13915
Mordor Intelligence. (2025). Dragon Fruit Market Size, Growth Trends Report 2025 – 2030. https://www.mordorintelligence.com/industry-reports/dragon-fruit-market
Nilakanta, S., Scheibe, K., & Rai, A. (2008). Dimensional issues in agricultural data warehouse designs. Computers and Electronics in Agriculture, 60(2), 263–278. https://doi.org/10.1016/j.compag.2007.09.009
Phaphan, W., Jitpattanakul, A., Huadsri, S., Budsaba, K., Phapan, W., & Mekruksavanich, S. (2024). Modeling life insurance business growth in Thailand using SARIMAX and multilayer perceptron. In Proceedings of the 16th International Conference on Computer and Automation Engineering (ICCAE) (pp. 146–151). IEEE. https://doi.org/10.1109/ICCAE59995.2024.10569323
Selvaraj, R., Sanmati, M., Sudharshan, K., Surithika, R., & Prasanth, S. (2024). Demand prediction of agricultural crops using artificial intelligence. In Proceedings of the International Conference on Automation and Computation (AUTOCOM) (pp. 422–425). IEEE. https://doi.org/10.1109/AUTOCOM60220.2024.10486079
Tran, C. C., Nguyen, D. T., Dang Le, H., Truong, Q. B., & Dinh Truong, Q. (2017). (2017). Automatic dragon fruit counting using adaptive thresholds for image segmentation and shape analysis. In Proceedings of the 4th NAFOSTED Conference on Information and Computer Science (pp. 132–137). IEEE. https://doi.org/10.1109/NAFOSTED.2017.8108052 (doi.org in Bing)
Ullah, I., Adhikari, D., Su, X., Palmieri, F., Wu, C., & Choi, C. (2025). Integration of data science with the intelligent IoT (IIoT): Current challenges and future perspectives. Digital Communications and Networks, 11(2), 280–298. https://doi.org/10.1016/j.dcan.2024.02.007
Vivar, E. (2024). Los 10 principales destinos de la pitahaya ecuatoriana. Forbes Ecuador. https://www.forbes.com.ec/rankings/los-10-principales-destinos
Zhai, X., Chen, C., Chen, Z., Lin, Y., & Tseng, S. (2022). Design and implementation of one-stop analysis and prediction platform for agricultural big data. Paper presented at the 2022 10th International Conference on Orange Technology (ICOT), 1–4. https://doi.org/10.1109/ICOT56925.2022.10008189.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Elian Jesús García Bailón, Sonia Monserrate Párraga Muñoz
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
