Food Price Warning Indicator

Introducción

La ingesta de alimentos nutritivos es el indicador más básico de la calidad de vida y es un factor estratégico fundamental ya que tiene una relación muy importante con el desarrollo de los países a través del desempeño educativo, la productividad y la igualdad de oportunidades, entre otros. Sin embargo, es un fenómeno persistente y a pesar de los acuerdos y acciones llevadas globalmente según la ONU alrededor de 795 millones de personas no disponen de alimentos suficientes para llevar una vida saludable y activa, buena parte de esta población se encuentra en países en desarrollo. Según datos de CONEVAL, en México existen 28 millones de personas que presentan algún nivel de inseguridad alimentaria. Dada la periodicidad de los censos y las encuestas realizadas por el INEGI no podemos hacer un seguimiento constante a esta población. Sin embargo, existen fuentes de datos que nos pueden dar información útil para dar seguimiento a estas poblaciones y poder activar política pública en casos de alerta.

El mercado alimentario mexicano se debe analizar desde el ámbito de la oferta y de la demanda. El seguimiento de la oferta se realiza mediante predicción de producción agrícola y los movimientos de importación y exportación de alimentos en el territorio nacional. Por otro lado, el análisis de la demanda tiene como objetivo principal medir las fuerzas que afectan los requerimientos del mercado con respecto a un bien o servicio dado un nivel de precios.

El objetivo de este proyecto es analizar el nivel de precios y estimar con métodos bayesianos el movimiento de los precios del maiz a nivel estatal en periodos de 3 y 6 meses. Con el vector de precios se utiliza la metodología del indicador IPA desarrollado por la fao para para generar un indicador de alerta temprana de crecimiento anómalo en precios de alimentos básicos que pueden impactar en la seguridad alimentaria de la población en situación de pobreza, en esta primera etapa se implementa el análisis para el maíz por la importancia que tiene en el mercado de consumo mexicano especialmente en la población de alta vulnerabilidad.

Avances

• Análisis exploratorio de los datos: Se generan gráficas y tablas para ver qué información se tiene y a qué escala.

• Método de Baquedano Se hacen los cálculos de las ventanas móviles y las tasas de crecimiento de los precios del maíz para detectar periodos donde hubo anomalías.

Estructura

• etl: directorio que contiene la ingesta de información
  • sniim.R ingesta de datos del SNIIM
  • municipal.R limpieza de datos provenientes de Sagarpa
• data: directorio que contiene archivos de texto utilizados en el análisis
• docs: Rmarkdowns para mostrar los resultados
• scripts: directorio que contiene código que implementa algunos métodos planteados
  • baquedano.R implementa el método propuesto por Baquedano (ver Referencias).

Instrucciones

Requisitos

• R
• Jags

Paquetes:

• tidyverse
• lubridate
• stringr
• rvest
• broom
• RcppRoll
• gridExtra
• ggmap
• sp
• maptools
• rgdal
• rgeos
• leaflet
• shiny
• RColorBrewer
• R2jags

Datos

PRECIOS NACIONALES

• Información scrappeada del Sistema Nacional de Información e Integración de Mercados (SNIIM)
• Se utiliza precio mínimo por kilogramo (vendido por tonelada)
• Fuente: http://www.economia-sniim.gob.mx/

MERCADO INTERNACIONAL [Future Market]

• Maize (corn) Monthly Price - US Dollars per Metric Ton
• Fuente: http://www.indexmundi.com/commodities/?commodity=corn&months=240&currency=mxn http://www.indexmundi.com/commodities/?commodity=corn&months=240

TIPO DE CAMBIO

• Usamos tipo de cambio para hacer comparable el precio de futuros (CF86) - Tipo de cambio promedio del periodo
• Tipo de cambio Pesos por dólar E.U.A., Para solventar obligaciones denominadas en moneda extranjera, Fecha de liquidación Cotizaciones promedio
• Fuente: http://www.banxico.org.mx/SieInternet/consultarDirectorioInternetAction.do?accion=consultarCuadro&idCuadro=CF86

Siguientes Pasos

• Implementar otros métodos para detectar anomalías.
• Hacer interpolación a nivel municipal espacio-temporal con los datos a nivel municipal con temporalidad anual y los datos con temporalidad mensual pero a nivel central de abastos.
• Modelar los datos para predecir a futuro.

¿Cómo Constribuir?

Referencias

• [1] El Universal, En México, 28 millones con con carencia alimentaria. http://www.eluniversal.com.mx/articulo/nacion/sociedad/2016/04/23/en-mexico-28-millones-con-carencia-alimentaria
• [2] Baquedano, Felix G. Developing a price warning indicator as an early warning tool - a compound growth approach. 2015. http://www.fao.org/giews/food-prices/research/detail/es/c/235685/
• [3] CIMMYT. 1994. 1993/94 world maize facts and trends. Mexico, DF.
• http://www.fao.org/giews/food-prices/home/en/
• http://www.fao.org/giews/food-prices/price-warnings/en/ -http://www.fao.org/giews/food-prices/research/detail/es/c/235685/
• Duncan Lee. CARBayes: An R Package for Bayesian Spatial Modeling with Conditional Autoregressive Priors. https://www.jstatsoft.org/article/view/v055i13