Exportación de Soja Por el Puerto de Santos: Modelado Predictivo con Series Temporales y Variables Exógenas

Daniele Siqueira; Aimée Shirozono

DOI: 10.22167/2675-6528-202602817

Artículo derivado de Trabajo de Fin de Curso (TCC), con contenido basado en el trabajo original del estudiante y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, una solución de inteligencia artificial desarrollada por el Instituto Pecege para la síntesis y organización textual.

Resumen

El crecimiento de las exportaciones brasileñas de soja y el papel central del puerto de Santos como principal canal de drenaje del grano evidenciaron, en los últimos años, la importancia de herramientas para auxiliar la planificación logística y minimizar pérdidas económicas. Se objetivó desarrollar un modelo predictivo para los embarques mensuales de soja por el puerto paulista, con enfoque en el primer semestre del año, período en que se concentran las exportaciones. Para ello, se utilizó una serie temporal mensual de los embarques entre enero de 2010 y diciembre de 2024. Se aplicó el modelo SARIMA tras análisis exploratorio de los datos. En seguida, para perfeccionar el ajuste predictivo, se seleccionaron dos variables exógenas para el modelo SARIMAX: una referente a la disponibilidad de soja en los principales estados productores que drenan por Santos, construida vía Análisis Factorial por Componentes Principales (PCA), y otra como aproximación del desempeño operacional del puerto. El modelo SARIMA presentó mejor desempeño predictivo en comparación a las cinco combinaciones probadas en el modelo SARIMAX, visto que las variables exógenas no contribuyeron consistentemente a la mejora de las predicciones. Se constató la necesidad de incluir variables exógenas más representativas de la dinámica de las exportaciones mensuales de soja para perfeccionamientos futuros de los modelos.

Palabras clave: Agronegocio; Comercio exterior; Logística portuaria; PCA; SARIMAX.

1. Introducción

Brasil se destaca como el mayor exportador y productor mundial de soja en grano, una posición consolidada a partir de las cosechas 2012/13 y 2019/20, cuando superó a Estados Unidos. En la cosecha 2023/24, el país fue responsable del 59% de la exportación y del 39% de la producción global de soja, según datos del Departamento de Agricultura estadounidense (USDA, 2025). Este protagonismo confiere a la soja un papel central en la economía brasileña, con la cadena productiva (grano, harina y aceite) y el biodiésel contribuyendo con el 27% del PIB del agronegocio y el 7% del PIB nacional en 2022, totalizando R$ 674 mil millones (CEPEA & ABIOVE, 2023). La producción brasileña de soja creció un 721% entre 1991 y 2022, pasando de 15,4 millones a 126,5 millones de toneladas (CONAB, 2025), impulsada, en parte, por la creciente demanda de China, que en 2024 representó el 73% de las exportaciones brasileñas de soja (MDIC, 2025a).

La consolidación de Brasil como líder mundial en la exportación de soja está intrínsecamente ligada al crecimiento de la capacidad del puerto de Santos, en São Paulo. Desde 2004, el puerto se ha convertido en el principal canal para la salida del grano, exportando 28 millones de toneladas en 2024, un aumento de cinco veces en relación con hace veinte años (MDIC, 2025a). Como el mayor puerto de América Latina, Santos es históricamente responsable de, como mínimo, el 25% de todo el comercio exterior brasileño (APS, 2025b). Esta concentración de operaciones genera una intensa disputa por espacio y tiempo entre los diversos productos embarcados y desembarcados. La mayor parte del volumen de soja exportada por Santos, alrededor del 70% entre 2004 y 2024, tiene origen en Mato Grosso y Goiás (MDIC, 2025a), estados productores distantes y con cosecha y salida concentradas en el primer semestre.

Ante este escenario, la previsibilidad del flujo de las exportaciones de soja se vuelve crucial para los agentes económicos. Dificultades de almacenaje y transporte entre la cosecha y el embarque en los barcos resultan en la pérdida de ventajas comparativas de la producción brasileña (Salin, 2025). Previsiones adecuadas del flujo de exportaciones y una planificación logística eficiente son esenciales para minimizar pérdidas económicas (Fiskin et al., 2022). Sin embargo, la complejidad de los embarques de productos agrícolas, como la soja, está influenciada por choques externos, incluyendo factores climáticos, frustraciones de cosecha y cuellos de botella logísticos.

Los estudios sobre volúmenes de exportación emplean frecuentemente series temporales univariadas, que solo consideran datos históricos de movimiento portuario (Lee & Bang, 2024). Sin embargo, este enfoque es insuficiente para capturar la dinámica compleja de las exportaciones de soja, que requieren la incorporación de variables exógenas y estacionales. La necesidad de mejorar la capacidad predictiva de estos modelos, considerando factores externos que impactan directamente el volumen de embarques, justifica la búsqueda de enfoques más robustos.

La elaboración de herramientas predictivas que consideren esta complejidad es, por lo tanto, fundamental para optimizar la planificación y la toma de decisiones en el sector agrícola. Este estudio se justifica por la necesidad de mejorar la precisión de las previsiones de exportación de soja, contribuyendo a una gestión logística más eficiente y a la minimización de pérdidas. El objetivo de este trabajo fue elaborar un modelo predictivo para los embarques mensuales de soja por el puerto de Santos, para ser utilizado como herramienta auxiliar de planificación y toma de decisiones en una consultoría de mercado agrícola. El modelo fue construido para la predicción de los embarques del primer semestre, período en el que se concentran las exportaciones de soja realizadas por el puerto paulista.

2. Material y Métodos

El presente trabajo se caracterizó como una investigación de naturaleza aplicada, empírica y observacional, con un enfoque metodológico cuantitativo. El estudio tuvo como objetivo elaborar un modelo predictivo para los embarques mensuales de soja realizados por el puerto de Santos, en São Paulo. La herramienta tuvo como objetivo auxiliar en la planificación y toma de decisiones en una consultoría de mercado agrícola, con foco en la predicción de los embarques del primer semestre.

La unidad de análisis consistió en una serie temporal mensual de las exportaciones de soja por el puerto de Santos, definida como la variable respuesta. Los datos fueron recopilados del Sistema de Estadísticas de Comercio Exterior del Ministerio de Desarrollo, Industria, Comercio y Servicios (MDIC, 2025a). La serie abarcó el período de enero de 2010 a diciembre de 2024, totalizando 180 observaciones. La elección de este período se determinó por la disponibilidad de datos para las variables exógenas.

En la preparación de la variable de respuesta, los datos originales en kilogramos se convirtieron a millones de toneladas. Las observaciones con valor cero, que indican meses sin embarques, fueron sustituidas por un valor mínimo (0,000000089 millón de toneladas). Este ajuste permitió la aplicación de transformaciones logarítmicas y la descomposición estacional multiplicativa de la serie, procedimientos fundamentales para el análisis de series temporales.

La primera variable exógena, “Factor 1 – Disponibilidad de soja en Mato Grosso, Goiás y São Paulo”, se construyó para aproximar la disponibilidad mensual del grano en los principales estados productores que se dirigen a Santos. Su composición derivó de cuatro series de datos para MT, GO y SP: existencias iniciales de soja (IBGE, 2025), producción de soja (CONAB, 2025), porcentaje cosechado de la cosecha en curso (consultoría privada) y exportación acumulada hasta el mes anterior (MDIC, 2025a).

El cálculo de la disponibilidad mensual de soja se realizó en MS Excel®. Para enero, se sumó el stock inicial anual a la producción anual multiplicada por el porcentaje cosechado hasta el 15 de enero. De febrero a diciembre, el cálculo incluyó el stock inicial y la soja cosechada hasta el día 15 del mes, restándose la exportación acumulada del año hasta el mes anterior. Las tres series estatales resultantes se sometieron al Análisis Factorial por Componentes Principales (PCA) para crear una única variable, el “Factor 1”, con el objetivo de sortear la alta multicolinealidad.

La segunda variable exógena, “Tiempo medio de atraque de los buques”, midió el desempeño operativo del puerto de Santos. Esta serie, con 180 observaciones mensuales (enero de 2010 a diciembre de 2024), representó el número medio de días que los buques de granel sólido permanecieron atracados para carga. Los datos se obtuvieron del Mensuario Estadístico de la Autoridad Portuaria de Santos (APS, 2025a), asumiendo que tiempos de atraque más largos indicarían dificultades operativas.

Los análisis exploratorios se iniciaron en MS Excel® y se profundizaron en Python, utilizando bibliotecas como Pandas, Numpy, Statsmodel y Matplotlib. Los códigos fueron desarrollados con la ayuda de Oliveira et al. (2025). Para la variable respuesta, se realizaron estadísticas descriptivas, histogramas, boxplots, descomposición estacional, pruebas de estacionariedad (ADF y KPSS), ACF y PACF. Las variables exógenas fueron sometidas a análisis descriptivos univariados y bivariados con la variable respuesta, utilizando correlación de Pearson y gráficos de dispersión. La multicolinealidad se evaluó mediante matrices de correlación de Pearson y Factor de Inflación de la Varianza (VIF).

Para la modelización predictiva, se emplearon los modelos SARIMA (Seasonal Autoregressive Integrated Moving Average) y SARIMAX (SARIMA con Regresores Exógenos). El SARIMA modela la dependencia de la serie temporal en relación con valores pasados y errores de predicción, incorporando la estacionalidad, mientras que el SARIMAX incluye variables exógenas. Se aplicó la diferenciación de orden 1 no estacional y estacional (d=1 y D=1) a la variable respuesta para asegurar la estacionariedad. La selección de los órdenes p,d,q y P,D,Q se automatizó en Python, vía la función `auto_arima` (pmdarima), basándose en los menores valores de AIC y BIC.

Seis modelos fueron probados: un SARIMA (serie de exportaciones) y cinco SARIMAX (variables exógenas “Factor 1” y “Tiempo medio de atraque de los barcos”, con diferentes rezagos). La comparación de los modelos se realizó con datos divididos en entrenamiento (enero de 2010 a diciembre de 2023) y prueba (enero a junio de 2024). Los criterios de evaluación incluyeron el WAPE (Weighted Absolute Percentage Error), la significancia estadística del intercepto, de las variables exógenas y de los parámetros autorregresivos y de medias móviles, y el análisis de los residuos en cuanto a normalidad, autocorrelación y heterocedasticidad.

3. Resultados y Discusión

El estudio comenzó con un análisis exploratorio detallado de la serie temporal de exportaciones mensuales de soja por el puerto de Santos, abarcando 180 observaciones de enero de 2010 a diciembre de 2024. Las estadísticas descriptivas revelaron una media de 1,465 millones de toneladas y una mediana de 0,786 millones de toneladas, indicando una distribución asimétrica con mayor concentración en volúmenes menores. La desviación estándar de 1,582 millones de toneladas y el coeficiente de variación de 1,080 subrayaron la alta variabilidad de los embarques mensuales. El rango intercuartílico, de 0,204 a 2,487 millones de toneladas, y los valores mínimo (0,000000089 millones de toneladas) y máximo (5,943 millones de toneladas) confirmaron la presencia de muchos meses con exportaciones por debajo de la media y pocos picos elevados, característica común en materias primas agrícolas.

El análisis de las medidas de forma de la serie, con una asimetría de 1,0642 y una curtosis de Fisher de 0,0687, reforzó la observación de una distribución asimétrica a la derecha, pero sin colas excesivamente pesadas. Esto significa que, aunque los volúmenes de exportación son frecuentemente bajos, los eventos extremos de alta exportación son menos probables de ocurrir con frecuencia. Esta configuración de la distribución de los datos es crucial para la elección y calibración de modelos predictivos, ya que exige enfoques que puedan lidiar eficazmente con la no normalidad y la heterogeneidad de la varianza. La comprensión de estas características fue fundamental para la etapa subsecuente de modelado, dirigiendo la selección de técnicas apropiadas para capturar la complejidad intrínseca de los embarques de soja.

La descomposición estacional de la serie temporal evidenció una tendencia creciente a lo largo del período analizado, reflejando el aumento continuo de las exportaciones anuales de soja. Se observó un patrón estacional anual y recurrente, típico de productos agrícolas, con picos de exportación concentrados en determinados meses del año, generalmente después de la cosecha. Los residuos de la descomposición se mostraron bien comportados en torno a cero, pero con mayor dispersión en períodos específicos, indicando que, incluso después de la eliminación de la tendencia y la estacionalidad, persistía alguna variabilidad residual. La presencia de una tendencia y de un fuerte componente estacional sugirió la no estacionariedad de la serie, un hallazgo que, según Oliveira et al. (2025), es común en series económicas y requiere diferenciación para estabilizar la media y la varianza a lo largo del tiempo, preparando los datos para el modelado.

Para confirmar formalmente la no estacionariedad, se aplicaron la Prueba de Dickey-Fuller Aumentada (ADF) y la Prueba de Kwiatkowski-Phillips-Schmidt-Shin (KPSS). La Prueba ADF, con la hipótesis nula de raíz unitaria (no estacionaria), resultó en una estadística de -0,6268 y un valor p de 0,8648. Con un nivel de significancia de 0,05, la hipótesis nula no pudo ser rechazada, confirmando la no estacionariedad de la serie. Por el contrario, la Prueba KPSS, con la hipótesis nula de estacionariedad alrededor de una tendencia, presentó una estadística de 0,7974 y un valor p de 0,0100. En este caso, la hipótesis nula fue rechazada, corroborando que la serie no es estacionaria alrededor de una tendencia. Ambas pruebas, por lo tanto, convergieron a la conclusión de que la serie de exportaciones mensuales de soja no era estacionaria, validando la necesidad de diferenciación para el modelado.

El análisis de las funciones de autocorrelación (ACF) y autocorrelación parcial (PACF) proporcionó información crucial sobre la dependencia temporal de la serie. El gráfico de la ACF indicó una fuerte autocorrelación positiva en el primer rezago, alrededor de 0,75, con una lenta disminución, un comportamiento típico de series no estacionarias (Oliveira et al., 2025). También se identificaron picos positivos en rezagos múltiples de 12 y picos negativos en rezagos 6 y 18, lo que sugiere una clara estacionalidad anual. El gráfico de la PACF, por su parte, detectó una fuerte dependencia regresiva a corto plazo, con la autocorrelación más significativa en el primer rezago. En conjunto, los resultados de la ACF y la PACF apuntaron a una estructura autorregresiva de bajo orden, tanto para los componentes no estacionales como para los estacionales, orientando la elección de los parámetros iniciales para los modelos SARIMA y SARIMAX.

Preparación de la Primera Variable Exógena: “Factor 1”

La construcción de la primera variable exógena, denominada “Factor 1 – Disponibilidad de soja en Mato Grosso, Goiás y São Paulo”, estuvo motivada por la predominancia de estos estados en el origen de las exportaciones de soja a través del puerto de Santos. Entre 2004 y 2024, en promedio, el 84% de la soja exportada por Santos provenía de Mato Grosso (51%), Goiás (19%) y São Paulo (14%). El análisis de la correlación entre las exportaciones anuales y la producción anual sumada de estos tres estados reveló un coeficiente de Pearson de 0,9913, indicando una fuerte relación positiva. Esta evidencia reforzó la hipótesis de que la disponibilidad de soja en las regiones productoras es un factor determinante para los volúmenes exportados. Sin embargo, la naturaleza anual de los datos de producción exigió la creación de un proxy mensual para la disponibilidad de soja, a fin de alinear la variable exógena con la frecuencia de la serie de exportaciones.

Para obtener una aproximación de la disponibilidad mensual de soja, se desarrolló un cálculo específico. Para el mes de enero, se sumó el inventario inicial anual de cada estado (correspondiente al 31 de diciembre) a la producción anual de la cosecha en curso, multiplicada por el porcentaje cosechado hasta el 15 de enero. Para los meses de febrero a diciembre, el cálculo incluyó el inventario inicial anual y la soja ya cosechada hasta el día 15 de cada mes, restando la exportación acumulada hasta el mes anterior por todos los puertos brasileños. Este método tuvo como objetivo capturar la dinámica mensual de la oferta. Una limitación importante fue la disponibilidad de los datos del porcentaje cosechado, que solo estuvieron accesibles a partir de enero de 2010. Esta restricción llevó a la reducción de la muestra del estudio a 180 observaciones, de enero de 2010 a diciembre de 2024, en lugar de la serie original planificada que comenzaría en 2004.

Las tres variables de disponibilidad de soja para Mato Grosso, Goiás y São Paulo, cada una con 180 observaciones mensuales, fueron sometidas a análisis descriptivos univariados. En todos los casos, las series presentaron distribución asimétrica a la derecha, tendencia creciente y estacionalidad anual, patrones similares a los observados en la variable respuesta de exportaciones. Esta consistencia en las características de las series individuales de disponibilidad reforzó su pertinencia como variables exógenas. La similitud en los comportamientos temporales y distribucionales sugirió que los factores que influyen en la oferta de soja en los estados productores están intrínsecamente ligados a los movimientos de exportación por el puerto de Santos, validando su inclusión en la modelización predictiva.

En la etapa de análisis bivariado, se calcularon las correlaciones de Pearson entre cada variable de disponibilidad estatal y la variable de respuesta. Mato Grosso presentó una correlación de 0,8386, Goiás de 0,7189 y São Paulo de 0,8725, indicando fuertes relaciones positivas. Sin embargo, la evaluación de la multicolinealidad entre las tres series exógenas reveló coeficientes de correlación elevados: 0,88 entre Mato Grosso y Goiás, 0,78 entre Mato Grosso y São Paulo y 0,62 entre Goiás y São Paulo. El Factor de Inflación de la Varianza (VIF) para Mato Grosso fue de 7,214, confirmando la presencia de multicolinealidad moderada a alta. Esta interdependencia entre las variables indicó la necesidad de un enfoque para reducir la dimensionalidad de los datos y evitar problemas de inestabilidad en los modelos predictivos.

Para sortear la multicolinealidad y sintetizar la información de las tres variables estatales, se optó por la construcción de una única variable compuesta mediante el Análisis Factorial de Componentes Principales (PCA), según la metodología de Fávero y Belfiore (2017). Inicialmente, se consideró una suma simple de las variables, lo que resultó en una correlación de 0,8426 con la variable respuesta. Sin embargo, el predominio de Mato Grosso (68% de la muestra) planteó dudas sobre la representatividad de la suma simple. La Prueba de Esfericidad de Bartlett, aplicada a la matriz de correlación de las tres variables, devolvió un p-valor cercano a cero, rechazando la hipótesis nula de variables no correlacionadas y validando el uso de la PCA para la reducción de dimensionalidad.

El análisis de los autovalores del PCA indicó la presencia de un factor dominante. El primer componente principal fue el único con autovalor superior a 1 (2,5194), explicando aproximadamente el 84% de la varianza conjunta de las tres variables originales. Los otros dos componentes presentaron autovalores inferiores a 1 (0,3940 y 0,0866) y contribuyeron marginalmente (13% y 3%). Con base en el criterio de Kaiser, que retiene componentes con autovalor mayor que la unidad, solo se seleccionó el primer factor. Las comunalidades mostraron que este factor retenido explicaba el 94% de la varianza de Mato Grosso, el 83% de Goiás y el 75% de São Paulo, reforzando la adecuación de la variable resultante como exógena. Las cargas factoriales fueron elevadas y de igual signo (MT: 0,9695; GO: 0,9116; SP: 0,8652), indicando que las variables se mueven en el mismo sentido y contribuyen significativamente al factor. La serie de scores factoriales resultante se designó como “Factor 1 – Disponibilidad de soja en Mato Grosso, Goiás y São Paulo”, elegida por su mayor correlación con la variable respuesta (0,8824) en comparación con la suma simple (0,8426).

Segunda Variable Exógena: “Tiempo Medio de Amarre de los Buques”

La segunda variable exógena, “Tiempo medio de atraque de los buques”, consistió en el número medio de días que los buques de granel sólido permanecieron atracados en el puerto de Santos para su carga, con 180 observaciones mensuales de enero de 2010 a diciembre de 2024. Esta variable fue seleccionada como una medida del desempeño operativo portuario, partiendo de la premisa de que tiempos de atraque más largos podrían indicar dificultades operativas y, consecuentemente, impactar negativamente el volumen exportado. El análisis exploratorio reveló una media de 3,325 días, mediana de 3,200 días, desviación estándar de 0,493 días y un rango intercuartílico de 3 a 3,725 días, con un mínimo de 2,500 y un máximo de 5,200 días. Estos valores indicaron una variabilidad relativamente baja y una distribución concentrada en torno a la media.

Las medidas de forma para el “Tiempo medio de atraque de los buques”, con una asimetría de 0,896 y una curtosis de Fisher de 0,877, apuntaron a una distribución con asimetría a la derecha, sugiriendo la ocurrencia ocasional de tiempos de atraque más largos. Sin embargo, la probabilidad de eventos extremos se consideró baja. La correlación de Pearson entre esta variable y la variable respuesta (exportaciones mensuales de soja) fue de -0,2554. El signo negativo estaba alineado con la expectativa de que un mejor desempeño portuario (menor tiempo de atraque) estaría asociado a mayores volúmenes de exportación. No obstante, la baja magnitud de la correlación sirvió como una advertencia, indicando que la variable podría no presentar significancia estadística en los modelos SARIMAX, ya sea aisladamente o en combinación con el “Factor 1”, lo que fue un punto crucial en la evaluación de los modelos predictivos.

Modelos de Predicción: SARIMA y SARIMAX

Para la elaboración de la herramienta de pronóstico, se utilizaron los modelos SARIMA y SARIMAX, ambos derivados del ARIMA, que modelan componentes autorregresivos (AR), integrados (I) y de medias móviles (MA). El SARIMA incorpora la estacionalidad (P, D, Q) presente en las exportaciones agrícolas, mientras que el SARIMAX añade variables exógenas (X) para mejorar el ajuste. Se aplicó la diferenciación de orden 1 no estacional (d=1) y estacional (D=1) a la variable respuesta para garantizar la estacionariedad, según lo indicado por el análisis exploratorio. La selección de los órdenes p,d,q y P,D,Q para los modelos se realizó automáticamente mediante la función `auto_arima` de la biblioteca `pmdarima` en Python, que busca los menores valores de AIC y BIC, equilibrando la complejidad del modelo y la capacidad de ajuste a los datos.

Seis modelos fueron probados: un SARIMA y cinco SARIMAX, para predecir las exportaciones mensuales de soja en el primer semestre de 2024. Los datos se dividieron en período de entrenamiento (enero de 2010 a diciembre de 2023) y período de prueba (enero a junio de 2024). Los modelos SARIMAX incluyeron “Factor 1” con rezagos de cero, uno y dos meses, “Tiempo medio de atraque de los barcos” sin rezago, y una combinación de “Factor 1” con dos meses de rezago y “Tiempo medio de atraque de los barcos” sin rezago. La comparación de los modelos se basó en el Weighted Absolute Percentage Error (WAPE), significancia estadística de los parámetros, análisis de los residuos (normalidad, autocorrelación y heterocedasticidad), y los valores de AIC y BIC. El MAPE fue descartado debido a la distorsión causada por valores cercanos a cero en la variable respuesta.

El modelo SARIMA, que consideró solo la serie temporal de las exportaciones, obtuvo un WAPE del 7,42%. Este resultado indicó un buen desempeño predictivo, con el intercepto y los parámetros autorregresivos y de medias móviles estadísticamente significativos al nivel del 5%. El análisis de los residuos, mediante la Prueba de Ljung-Box, no detectó autocorrelación residual en los rezagos de 12 y 24 períodos, sugiriendo que los residuos eran ruido blanco. La Prueba de Harvey no rechazó la hipótesis de varianza constante (homocedasticidad). Sin embargo, la Prueba de Jarque-Bera indicó que la distribución de los residuos no se adhería a la normalidad, sugiriendo que el modelo, aunque eficaz, no capturó toda la complejidad de la serie temporal analizada, en línea con observaciones de Oliveira et al. (2025).

Los modelos SARIMAX presentaron resultados variados. El SARIMAX 1, con “Factor 1” sin rezago, resultó en un WAPE de 16,643%, empeorando la predicción en relación al SARIMA. El SARIMAX 2, con “Factor 1” rezagado en un mes, mejoró el WAPE a 9,585%, pero fue descartado debido a la autocorrelación residual en el rezago 12 y a la insignificancia estadística del intercepto. El SARIMAX 3, con “Factor 1” rezagado en dos meses, alcanzó un WAPE de 8,280% y pasó los demás criterios, excepto por la no adherencia de los residuos a la normalidad. El SARIMAX 4, que utilizó “Tiempo medio de atraque de los buques” sin rezago, obtuvo un WAPE de 7,630%, superando los modelos con “Factor 1”, pero la variable exógena no fue estadísticamente significativa, indicando que no agregó información predictiva relevante.

El SARIMAX 5, que combinó “Factor 1” con dos meses de rezago y “Tiempo medio de atraque de los barcos” sin rezago, presentó un WAPE de 8,730%. En este modelo, la variable de tiempo de atraque permaneció sin significancia estadística. Además, la Prueba de Ljung-Box detectó autocorrelación de los residuos en el rezago de 12 períodos, y la Prueba de Jarque-Bera señaló la no adherencia de los residuos a la normalidad. La comparación general de los seis modelos indicó que el SARIMA y el SARIMAX 3 fueron los de mejor desempeño. Ambos modelos presentaron órdenes no estacionales (0,0,2), sin términos autorregresivos o diferenciación, solo errores de los dos períodos anteriores. Las órdenes estacionales también fueron idénticas (2,1,0), con dos términos autorregresivos estacionales (12 y 24 meses) y una diferenciación estacional, sin términos de promedios móviles estacionales.

A pesar de la gran similitud en los valores de AIC y BIC entre el SARIMA (237,173 y 255,472) y el SARIMAX 3 (235,132 y 256,381), el SARIMA se consideró el modelo más adecuado para la predicción debido a su WAPE ligeramente menor del 7,42% en comparación con el 8,28% del SARIMAX 3. La elección también estuvo influenciada por el hecho de que la variable exógena “Factor 1” no contribuyó consistentemente a la mejora de la precisión. Las predicciones de ambos modelos para el primer semestre de 2024 se mostraron bastante cercanas a los volúmenes reales de exportación en los meses de febrero, marzo, abril y mayo. Sin embargo, los modelos fallaron en la previsión para enero, un mes de transición con volúmenes tradicionalmente bajos, y para junio, donde las predicciones se distanciaron de los valores reales, especialmente en el SARIMAX 3. La exportación de junio de 2024, al haber sido inferior a la de mayo, fue una anomalía, ya que históricamente la diferencia entre estos meses variaba entre el 38,6% y el 54%.

En resumen, los modelos SARIMA y SARIMAX demostraron resultados satisfactorios y con potencial de aplicación práctica para la predicción de las exportaciones mensuales de soja por el puerto de Santos, especialmente en el período de febrero a mayo. Aunque el modelo SARIMA se destacó como el más robusto entre los probados, la no adherencia de los residuos a la distribución normal, según la Prueba de Jarque-Bera, indica que el modelo no capturó toda la complejidad de la serie. La limitada contribución de las variables exógenas seleccionadas para mejorar consistentemente la exactitud predictiva, especialmente en los meses de enero y junio, sugiere la necesidad de incorporar variables exógenas más representativas de la dinámica de las exportaciones, como el ritmo de comercialización, la demanda interna y externa, los precios y la actividad de puertos competidores, para mejoras futuras y un ajuste más preciso.

4. Conclusión

El estudio tuvo como objetivo desarrollar un modelo predictivo para los embarques mensuales de soja por el puerto de Santos, con enfoque en el primer semestre del año, con el fin de auxiliar la planificación logística. Mediante un análisis detallado de la serie temporal entre enero de 2010 y diciembre de 2024, se verificó la presencia de alta variabilidad, asimetría, una tendencia creciente y fuerte estacionalidad en los datos de exportación. La no estacionariedad de la serie se confirmó formalmente, lo que exigió diferenciación para la modelización. Se construyeron dos variables exógenas: una sintética de disponibilidad de soja en los principales estados productores (Factor 1, vía Análisis Factorial por Componentes Principales) y otra de desempeño operativo portuario (tiempo medio de atraque de los buques). Tras probar seis modelos, el modelo SARIMA demostró el mejor desempeño predictivo, con un Weighted Absolute Percentage Error de 7,42%, superando las combinaciones SARIMAX. Este modelo resultó eficaz en la previsión de los volúmenes de exportación entre febrero y mayo, ofreciendo una herramienta valiosa para la planificación y la toma de decisiones en consultorías de mercado agrícola, al proporcionar una comprensión mejorada de la dinámica de las exportaciones de soja por el puerto paulista.

A pesar del rendimiento satisfactorio del modelo SARIMA, se identificó que la precisión predictiva fue menos consistente en los meses de enero y junio, y los residuos del modelo no se adhirieron a la distribución normal, lo que indica que la complejidad total de la serie no fue plenamente capturada. Las variables exógenas probadas, aunque metodológicamente bien construidas, no contribuyeron de manera consistente a mejorar la precisión de las predicciones, lo que sugiere la necesidad de incorporar factores más representativos de la dinámica de las exportaciones. Para estudios futuros, se recomienda la inclusión de variables exógenas adicionales, como el ritmo de comercialización, la demanda interna y externa, los precios de mercado y la actividad de puertos competidores. Además, la exploración de indicadores más robustos de rendimiento portuario, como la capacidad máxima de operación y el tiempo de espera de los buques en alta mar, puede mejorar significativamente la capacidad predictiva de los modelos.

Referencias Bibliográficas

Autoridade Portuária de Santos [APS]. 2025a. Mensário estatístico: atracação de navios cargueiros no Porto de Santos (esperas). Disponível em: <https://www.portodesantos.com.br/informacoes-operacionais/estatisticas/mensario-estatistico/>. Acesso em: 02 out. 2025.

Autoridade Portuária de Santos [APS]. 2025b. O porto de Santos. Disponível em: <https://www.portodesantos.com.br/conheca-o-porto/o-porto-de-santos/>. Acesso em: 26 set. 2025.

Centro de Estudos Avançados em Economia Agrícola Aplicada Esalq-USP [CEPEA]; Associação Brasileira das Indústrias de Óleos Vegetais [ABIOVE]. 2023. Cadeia da soja e do biodiesel: PIB, empregos e comércio exterior. Disponível em: <https://www.cepea.org.br/br/pib-da-cadeia-de-soja-e-biodiesel-prim eiros-resultados.aspx>. Acesso em: 02 out. 2025.

Companhia Nacional de Abastecimento [CONAB]. 2025. Safra brasileira de grãos. Disponível em: <https://www.gov.br/conab/pt-br/atuacao/informacoes-agropecuarias/safras/safra-de-graos>. Acesso em: 02 out. 2025.

Departamento de Agricultura dos Estados Unidos [USDA]. 2025. PSD online. Disponível em: <https://apps.fas.usda.gov/psdonline/app/index.html#/app/advQuery>. Acesso em: 23 set. 2025.

Fiskin, C.S.; Westgaard, O.Z.G.U.; Cerit, A.G. 2022. Time series forecasting of domestic shipping market: comparison of SARIMAX, ANN-based models and SARIMAX-ANN hybrid model. Shipping and Transport Logistics 14 (3): 193-221.

Fávero, L.P.; Belfiore, P. 2017. Manual de Análise de Dados. 1ed. Elsevier, Rio de Janeiro, RJ, Brasil.

Instituto Brasileiro de Geografia e Estatística [IBGE]. 2025. Pesquisa de estoques. Disponível em: <https://ftp.ibge.gov.br/Estoque/Pesquisa_de_Estoques_[semestral]/>. Acesso em: 02 out. 2025.

Lee, G.C.; Bang, J.Y. 2024. Forecasting container throughput of Singapore port considering various exogenous variables based on SARIMAX models. Forecasting 6: 748-760.

Ministério do Desenvolvimento, Indústria, Comércio e Serviços [MDIC]. 2025a. Comex Stat: Sistema de Estatísticas de Comércio Exterior. Disponível em: <https://comexstat.mdic.gov.br/pt/geral>. Acesso em: 26 set. 2025.

Oliveira, R. de; Albarracin, O.Y.E.; Silva, G.R. da. 2025. Introdução às Séries Temporais: uma abordagem prática em Python. 1ed. Mackenzie, São Paulo, SP, Brasil.

Salin, D. 2025. Soybean transportation guide: Brazil 2024. Disponível em: <https://www.ams.usda.gov/sites/default/files/media/BrazilSoybeanTransportationGuide2024.pdf>. Acesso em: 04 out. 2025.

Artículo originario del Trabajo de Conclusión de Curso de la Especialización en Data Science y Analytics del MBA USP/Esalq

Para saber más sobre el curso, haga clic aquí y acceda a la plataforma MBX Academy