TDG Doble. ADE + Analytics. Modelización empírica del precio del café

Abstract

Esta tesis desarrolla un modelo de Vectores Autorregresivos Estructurales (VAR) para analizar los factores que determinan el precio real del café Arábica entre 1999 y 2023. Partiendo de investigaciones previas que identificaron variables relevantes para la evolución de los precios del café, el objetivo principal es cuantificar la influencia de estos factores, evaluar la rapidez con la que afectan al mercado y medir su importancia relativa. Para ello, el modelo incorpora diez variables, entre ellas las precipitaciones, la temperatura en Brasil, las presiones en las cadenas globales de suministro, la producción industrial mundial, los precios de la energía y los fertilizantes, los salarios mínimos en países productores y los tipos de cambio de Brasil y Colombia. Mediante datos mensuales y un enfoque VAR identificado mediante descomposición de Cholesky, se estiman funciones de impulso-respuesta, descomposiciones de la varianza del error de predicción y descomposiciones históricas.

Los resultados muestran que los precios del café están dominados inicialmente por su propia dinámica de mercado: los shocks de precio explican aproximadamente el 97 % de las fluctuaciones a corto plazo y alrededor del 63 % de la variación tras dos años. Sin embargo, a medida que aumenta el horizonte temporal, los factores fundamentales adquieren mayor relevancia y explican conjuntamente cerca del 37 % de la variabilidad de largo plazo. Entre los determinantes más influyentes destacan la actividad industrial mundial, las precipitaciones, los costes laborales y las tensiones en las cadenas de suministro. El análisis histórico vincula estos efectos a acontecimientos como la crisis financiera de 2008, la sequía brasileña de 2014 y las disrupciones provocadas por la pandemia entre 2020 y 2022. La investigación demuestra cómo los modelos econométricos permiten transformar observaciones descriptivas en una comprensión cuantitativa de la formación de precios en los mercados de materias primas.

This thesis develops a structural Vector Autoregressive (VAR) model to analyse the factors driving the real price of Arabica coffee between 1999 and 2023. Building on previous research that identified key variables associated with coffee prices, the study aims to quantify how these factors influence prices over time, how quickly their effects emerge, and how important they are relative to one another. The model incorporates ten variables, including rainfall, Brazilian temperature, global supply-chain pressure, world industrial production, energy and fertiliser prices, producer-country minimum wages, and the exchange rates of Brazil and Colombia. Using monthly data and a Cholesky-identified VAR framework, the thesis estimates impulse responses, forecast error variance decompositions, and historical decompositions.

The results show that coffee prices are primarily driven by their own market dynamics, with price shocks explaining about 97% of short-term fluctuations and 63% of variation after two years. However, fundamental factors become increasingly important over longer horizons, jointly accounting for roughly 37% of long-run price variability. Global industrial activity, rainfall, labour costs, and supply-chain pressures emerge as the most influential drivers. Historical analysis links these effects to major events such as the 2008 financial crisis, the 2014 Brazilian drought, and the pandemic-related disruptions of 2020–2022. The thesis demonstrates how econometric modelling can transform descriptive insights into a quantitative understanding of commodity price formation and risk.