Correo Electrónico
DNINFOA - SIA
Bibliotecas
Convocatorias
Identidad U.N.
Publicado
La volatilidad en el precio de los alimentos de la canasta básica en seis entidades de México (2018-2022).
Food price volatility of the basic food basket in six Mexican states (2018- 2022)
DOI:
https://doi.org/10.15446/cuad.econ.v44n95.110471Palabras clave:
Covid-19, inflación, pobreza, precio de productos básicos, volatilidad (es)Descargas
El trabajo aborda la volatilidad en los precios de los alimentos que componen la canasta básica en México, de 2018 a 2022, ante un escenario de crisis e inflación alta. Se emplean modelos de la familia ARCH para estimar la volatilidad, así como el impacto que genera en las decisiones de oferta y demanda. Se usaron datos del INPC de 24 alimentos en seis entidades federativas con niveles altos de pobreza. Los resultados indican una persistencia alta de volatilidad (mayor al 0.50) en productos de la canasta básica, tales como cereales, proteína de bajo costo (pollo y huevo); y vegetales (tomate rojo y papa).
The available models of agricultural innovation are analysed and compiled, making a classification that facilitates empirical application in different contexts, as there is a gap in the scientific literature that does not provide a clear taxonomy
of a holistic nature. To this end, high-impact scientific articles related to models, types and determinants of innovation, intention to innovate and use of technologies linked to the sector were analysed, without restrictions on date and place of
application. A grouping into six approaches is provided: linear; source, actor and relationship; cognitive behavioural; technological behavioural; satisfaction, loyaltyand commitment; and socioeconomic.
Referencias
Abdelradi, F., & Serra, T. (2015). Asymmetric price volatility transmission between food and energy markets: The case of Spain. Agricultural Economics, 46(4), 503-513. https://doi.org/10.1111/agec.12177
Accinelli, E. (2018). Economía, geometría y dinámica. Panorama Económico, 8(26), 8-28. DOI: https://doi.org/10.29201/pe-ipn.v13i26.196
Aguayo-Téllez, E., & Mancha-Torres, G. L. (2022). Impacto del covid19 en las condiciones laborales de la población joven de Nuevo León, México. CienciaUAT, 16(2), 141-154. https://doi.org/10.29059/cienciauat.v16i2.1567
Alam, M. Z., & Rahman, M. A. (2012). Modelling volatility of the BDT/USD exchange rate with GARCH model. International Journal of Economics and Finance, 4(11), 193-204. https://doi.org/10.5539/ijef.v4n11p193
Alam, M. Z., Siddikee, M. N., & Masukujjaman, M. (2013). Forecasting volatility of stock indices with ARCH model. International Journal of Financial Research, 4(2), 126-143. DOI: https://doi.org/10.5430/ijfr.v4n2p126
Ardeni, P. G. (1989). Does the law of one price really hold for commodity prices? American Journal of Agricultural Economics, 71(3), 661-669. https://doi.org/10.2307/1242021
Argothy, A., Martínez, J. P., Carvajal, M.ª B., & Morales, X. (2023). Transferencia de precios en los mercados agrícolas de Ambato y Riobamba. CienciAmérica: Revista de Divulgación Científica de la Universidad Tecnológica Indoamérica, 12(1), 115-133. https://cienciamerica.edu.ec/index.php/uti/article/view/422/905 DOI: https://doi.org/10.33210/ca.v12i1.422
Arias, J., Ruiz, C., Castellano, S., Rodríguez Sáenz, D., & Salazar, E. (2023, 27 de febrero). El conflicto entre Rusia y Ucrania y sus efectos sobre los sistemas agroalimentarios. Blog del IICA. https://blog.iica.int/blog/conflicto-entre-rusia-ucrania-sus-efectos-sobre-los-sistemas-agroalimentarios
Balcombe, K. (2011). The nature and determinants of volatility in agricultural prices: An empirical study. En A. Prakash (ed.), Safeguarding food security in volatile global markets (pp. 89-110). FAO. https://mpra.ub.uni-muenchen.de/24819/1/MPRA_paper_24819.pdf
Baldi, L., Peri, M., & Vandone, D. (2016). Stock markets’ bubbles burst and volatility spillovers in agricultural commodity markets. Research in International Business and Finance, 38, 277-285. https://doi.org/10.1016/j.ribaf.2016.04.020
Banco Mundial. (2020, 7 de octubre). Debido a la pandemia de covid-19, el número de personas que viven en la pobreza extrema habrá aumentado en 150 millones para 2021. https://www.bancomundial.org/es/news/press-release/2020/10/07/covid-19-to-add-as-many-as-150-million-extremepoor-by-2021
Barrera Rojas, M. Á., Sánchez Zavalegu, R. A., Flores Rodríguez, J. R.,Mex Castillo, R. del C., & Figueroa Chay, J. F. (2023). Una hipótesis sobre el incremento del precio del limón en México, 2022. Ciencia e Interculturalidad, 31(02), 98-117. https://doi.org/10.5377/rci.v31i02.15183
Beckmann, J., & Czudaj, R. (2014). Volatility transmission in agricultural futures markets. Economic Modelling, 36, 541-546. https://doi.org/10.1016/j.econmod.2013.09.036
Bollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of econometrics, 31(3), 307-327. https://doi.org/10.1016/0304-4076(86)90063-1
Borja Gómez, G., Mejía Castelazo, O., & Sandoval, J. K. (2022). El régimen de objetivos de inflación con base en pronósticos y la pandemia de covid19: La experiencia en México. Revista de Economía Mexicana, 7, 34-86. https://www.banxico.org.mx/publicaciones-y-prensa/articulos-y-otras-publicaciones/%7B43020C6D-E776-ED1B-F5B0-9E19443BC7EB%7D.pdf
Bozma, G., Urak, F., & Bilgiç, A. (2023). The asymmetric vertical price volatility spillover in the citrus market. Erwerbs-Obstbau, 65(4), 915-926. https://doi.org/10.1007/s10341-022-00785-5
Camacho Villagómez, F., Bermúdez Gallegos, C., & Bajaña Villagómez, Y. (2015). Volatilidad de los precios de productos agrícolas ecuatorianos, banano, cacao versus los de primera necesidad: maíz, soja, trigo y arroz. Diseño de un estudio exploratorio para el periodo desde 1991-2009. Alternativas, 16(1), 16-21. https://doi.org/10.23878/alternativas.v17i1.107
Castro, Y., Londoño J. L., Escandón J. F., & Cepeda M. (1982). Mercados y formación de precios: Ensayos en microeconomía aplicada. Fundación para la Educación Superior y el Desarrollo.
Ceballos, F., Hernández, M. A., Minot, N., & Robles, M. (2017). Grain price and volatility transmission from international to domestic markets in developing countries. World Development, 94, 305-320. https://doi.org/10.1016/j.worlddev.2017.01.015
Consejo Nacional de Evaluación de la Política de Desarrollo Social. (2018). Resultados de pobreza en México 2018 a nivel nacional y por entidades federativas. https://www.coneval.org.mx/Medicion/MP/Paginas/Pobreza-2018.aspx
Consejo Nacional de Evaluación de la Política de Desarrollo Social. (2021a). Evolución de las líneas de pobreza por ingresos, enero 1992-diciembre 2021. https://www.coneval.org.mx/Medicion/MP/Paginas/Lineas-de-bienestar-y-canasta-basica.aspx
Consejo Nacional de Evaluación de la Política de Desarrollo Social. (2021b). Medición de la pobreza: Resultados de pobreza en México 2020 a nivel nacional y por entidades federativas. https://www.coneval.org.mx/Medicion/MP/Paginas/Pobreza_2020.aspx
Destinobles, A. G. (2002). Los mercados con información asimétrica: Tema tratado por el Premio Nobel de Economía 2001. Aportes, 7(19), 173-176. https://www.redalyc.org/pdf/376/37601911.pdf
Du, X., Cindy, L. Y., & Hayes, D. J. (2011). Speculation and volatility spillover in the crude oil and agricultural commodity markets: A Bayesian analysis. Energy Economics, 33(3), 497-503. https://doi.org/10.1016/j.eneco.2010.12.015
Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation. Econometrica: Journal of the Econometric Society, 50(4), 987-1007. https://doi.org/10.2307/1912773
Epaphra, M. (2016). Modeling exchange rate volatility: Application of the GARCH and EGARCH models. Journal of Mathematical Finance, 7(1), 121-143. http://www.scirp.org/journal/PaperInformation.aspx?PaperID=73941abstract DOI: https://doi.org/10.4236/jmf.2017.71007
Fernández-Villaverde, J., & Rubio-Ramírez, J. (2010). Macroeconomics and volatility: Data, models, and estimation. Working Paper, 16618. https://www.nber.org/papers/w16618 DOI: https://doi.org/10.3386/w16618
Food and Agriculture Organization. (2020). The State of Food Security and Nutrition in the World 2020: Transforming food systems for affordable healthy diets. https://doi.org/10.4060/ca9692en
Galán Figueroa, J., & Martínez Ceseña, L. (2022). Efecto contagio sobre la primera ola del SARS-CoV-2 sobre los mercados bursátiles de las economías del G20. Panorama Económico, 17(35), 77-99. https://doi.org/10.29201/peipn.v17i35.95
González Sánchez, R. F., & Tinoco Zermeño, M. A. (2022). Análisis de la volatilidad de precios al productor de limón en la costa del Pacífico mexicano. Avances en Investigación Agropecuaria, 25(3), 95-116. https://doi.org/10.53897/RevAIA.21.25.18
Granados Sánchez, M.ª del R., Galán Figueroa, J., & Leos Rodríguez, J. A. (2020). Volatilidad en los precios de los cereales básicos y su impacto en la seguridad alimentaria: México, 1995-2018. Nóesis: Revista de Ciencias Sociales, 29(58), 79-105. https://doi.org/10.20983/noesis.2020.2.4
Granados Sánchez, M.ª del R., Gómez Oliver, L., & Galán Figueroa, J.(2022). La volatilidad del precio de frijol (Phaseolus vulgaris) en México, 2000-2020. Economía Agraria y Recursos Naturales, 22(1), 123-148.http://doi.org/10.22004/ag.econ.329179
Gujarati, D. N., & Porter, D. C. (2009). Basic econometrics. McGraw-hill.
Hamilton, J. D., & Susmel, R. (1994). Autoregressive conditional heteroskedasticity and changes in regime. Journal of Econometrics, 64(1-2), 307-333. https://doi.org/10.1016/0304-4076(94)90067-1
Hossain, A. (2018). Forecasting volatility of processed milk products in the framework of ARCH model. International Journal of Modern Science and Technology, 3, 190-195.
Instituto Nacional de Estadística y Geografía. (2021a, 19 de agosto). Resultados de la Encuesta Nacional de Ocupación y Empleo, Nueva Edición: Cifras durante el segundo trimestre de 2021. https://www.inegi.org.mx/contenidos/saladeprensa/boletines/2021/enoe_ie/enoe_ie2021_08.pdf
Instituto Nacional de Estadística y Geografía. (2021b, 9 de diciembre). Índice nacional de precios al consumidor, noviembre de 2021. https://www.inegi.org.mx/contenidos/saladeprensa/boletines/2021/inpc_2q/inpc_2q2021_12.pdf
Iregui, A. M.ª, & Otero, J. (2013). A spatiotemporal analysis of agricultural prices: An application to colombian data. Agribusiness, 29(4), 497-508. https://doi.org/10.1002/agr.21319
Jacome, A. R., & Lozada Cherrez, B. R. (2020). Volatilidad simétrica o asimétrica en el mercado ecuatoriana de la papa. Alimentos, Ciencia e Ingeniería, 27(2), 94-103. https://doi.org/10.31243/aci.v27i2.942
Kostadinov, A. (2014). Multirateral markets: New way to deal with food price volatility and food market imperfections. En J. Jadranka Bendekovic, M. Klacmer Calopa, & D. Filipovic (eds.), Economic and Social Development, 6th International Scientific Conference on Economic and Social Development and 3rd Eastern European ESD Conference: Business Continuity, Book of Proceedings (pp. 67-74). Varazdin Development and Entrepreneurship Agency.
Lamoureux, C. G., & Lastrapes, W. D. (1990). Persistence in variance, structural change, and the GARCH model. Journal of Business & Economic Statistics, 8(2), 225-234. https://doi.org/10.2307/1391985
López-Hernández, W. A., Garza-Bueno, L. E., Cruz-Galindo, B., & NietoÁngel, R. (2019). Competitividad del limón persa en la región del Papaloapan, Oaxaca. Revista Mexicana de Ciencias Agrícolas, 10(4), 921-934. https://doi.org/10.29312/remexca.v10i4.408
Marshall, A. (2009). Principles of economics. Cosimo.
Mora Rivera, J. J., Zamudio Carrillo, A., & Fuentes Castro, H. J. (2014). GARCH multivariado. Análisis Económico, 29(72), 35-56. https://www.redalyc.org/pdf/413/41337767003.pdf
Mushtaq, R. (2011). Augmented dickey fuller test. https://doi.org/10.2139/ssrn.1911068
Nelson, D. B. (1991). Conditional heteroskedasticity in asset returns: A new approach. Econometrica: Journal of the Econometric Society, 59(2),347-370. https://doi.org/10.2307/2938260
Novales, A. (2016). Series temporales: Estacionariedad, raíces unitarias. Universidad Complutense. https://www.ucm.es/data/cont/media/www/pag41459/Series%20temporales.pdf
Piot-Lepetit, I., & M’Barek, R. (eds.) (2011). Methods to analyse agricultural commodity price volatility. Springer. https://doi.org/10.1007/978-1-4419-7634-5
Rabemananjara, R., & Zakoian, J. M. (1993). Threshold ARCH models and asymmetries in volatility. Journal of Applied Econometrics, 8(1),31-49. https://doi.org/10.1002/jae.3950080104
Robles Valencia, A., Huesca Reynoso, L., & Camberos Castro, M. (2015). Incidencia del sistema fiscal en México, 2002-2012. Economía Informa, 390, 3-27. https://doi.org/10.1016/S0185-0849(15)30002-5
Rodríguez-Romero, A., & Torres-Ortiz, M. A. (2020). Transmisión entre precios de los alimentos en Bogotá, 2000-2017. Revista Finanzas y Política Económica, 12(2), 589-624. https://doi.org/10.14718/revfinanzpolitecon.v12.n2.2020.3079
Santeramo, F. G., Goodwin, B. K., Adinolfi, F., & Capitanio, F. (2016). Farmer participation, entry and exit decisions in the Italian crop insuranceprogramme. Journal of Agricultural Economics, 67(3), 639-657. https://doi.org/10.1111/1477-9552.12155
Santeramo, F. G., Lamonaca, E., Contò, F., Nardone, G., & Stasi, A. (2018).
Drivers of grain price volatility: A cursory critical review. Agricultural Economics, 64(8), 347-356. https://doi.org/10.17221/55/2017-AGRICECON
Secretaría de Agricultura y Desarrollo Rural. (2023). Anuario Estadístico de la Producción Agrícola. https://nube.siap.gob.mx/cierreagricola/
Serra, T., & Gil, J. M. (2013). Price volatility in food markets: Can stock building mitigate price fluctuations? European Review of Agricultural Economics, 40(3), 507-528. https://doi.org/10.1093/erae/jbs041
Setiawati, I., & Taufikurohman, R. (2021). Price volatility of staple food using ARCH-GARCH model. IOP Conference Series: Earth and Environmental Science, 653(1), 012146. https://iopscience.iop.org/article/10.1088/1755-1315/653/1/012146/pdf
Sistema Nacional de Información e Integración de Mercados. (2023). Anuario Estadístico de Mercados Nacionales. http://www.economia-sniim.gob.mx/nuevo/Home.aspx?opcion=../SNIIM-Estadisticas/anuariofx.asp
Solimano, A. (2005). Hacia nuevas políticas sociales en América Latina. Revista de la Cepal, 87(45), 45-60. https://repositorio.cepal.org/server/api/core/bitstreams/bb3bea3b-793b-4c61-8060-b3c8fb0270fe/content DOI: https://doi.org/10.18356/17adb2be-es
Stiglitz, J. E. (2003). Information and the change in the paradigm in economics, part 1. The American Economist, 47(2), 6-26. https://doi.org/10.1177/056943450304700202
Taghidzadeh-Hesary, F., Rasoulinezhad, E., & Yoshino, N. (2019). Energy and food security: Linkages through price volatility. Energy Policy, 128,796-806. https://doi.org/10.1016/j.enpol.2018.12.043
Tothova, M. (2011). Main challenges of price volatility in agricultural commodity markets. En I. Piot-Lepetit, & R. M’Barek (eds.), Methods to analyse agricultural commodity price volatility (pp. 13-29). Springer. https://doi.org/10.1007/978-1-4419-7634-5
Zakoian, J. M. (1994). Threshold heteroskedastic models. Journal of Economic Dynamics and Control, 18(5), 931-955. https://doi.org/10.1016/0165-1889(94)90039-6
Cómo citar
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Descargar cita
Licencia
Derechos de autor 2025 Cuadernos de Economía
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Cuadernos de Economía a través de la División de Bibliotecas de la Universidad Nacional de Colombia promueve y garantiza el acceso abierto de todos sus contenidos. Los artículos publicados por la revista se encuentran disponibles globalmente con acceso abierto y licenciados bajo los términos de Creative Commons Atribución-No_Comercial-Sin_Derivadas 4.0 Internacional (CC BY-NC-ND 4.0), lo que implica lo siguiente:
