Dinámica de los precios en el sector de materiales de construcción : Patrones y Predicciones Basados en Datos

Autores
Sánchez Sánchez, Matías Rubén; Espínola Alvarenga, Diego Milciades; Sosa Cabrera, Gustavo
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El sector de la construcción es un indicador significativo del desarrollo económico, y la dinámica de precios de materiales clave como el cemento es fundamental para la planificación y la inversión. Este estudio se centra en la predicción de los precios del cemento de la marca Yguazú en Paraguay, utilizando datos mensuales históricos desde enero de 2014 hasta julio de 2025. Se incorporan como variables exógenas el impacto de la pandemia de COVID-19, modelado como variable binaria, y el nivel del río Paraguay en el puerto de Asunción. Con el fin de realizar las predicciones, se implementaron tres métodos: dos basados en redes neuronales recurrentes (LSTM y GRU), y uno estadístico, SARIMAX. La metodología incluye un escalado selectivo de datos, la formulación del aprendizaje supervisado y un mecanismo de predicción iterativa para un horizonte de 24 meses. Los resultados buscan proporcionar información valiosa para las partes interesadas que desean comprender la evolución de los precios en el sector de la construcción.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Precios del cemento
Modelos predictivos
LSTM
GRU
SARIMAX
Variables exógenas
COVID-19
Aprendizaje automático
Paraguay
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/191260
Acceder
id SEDICI_8154d6b938da0622dd7129782d46c07e
oai_identifier_str oai:sedici.unlp.edu.ar:10915/191260
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Dinámica de los precios en el sector de materiales de construcción : Patrones y Predicciones Basados en DatosSánchez Sánchez, Matías RubénEspínola Alvarenga, Diego MilciadesSosa Cabrera, GustavoCiencias InformáticasPrecios del cementoModelos predictivosLSTMGRUSARIMAXVariables exógenasCOVID-19Aprendizaje automáticoParaguayEl sector de la construcción es un indicador significativo del desarrollo económico, y la dinámica de precios de materiales clave como el cemento es fundamental para la planificación y la inversión. Este estudio se centra en la predicción de los precios del cemento de la marca Yguazú en Paraguay, utilizando datos mensuales históricos desde enero de 2014 hasta julio de 2025. Se incorporan como variables exógenas el impacto de la pandemia de COVID-19, modelado como variable binaria, y el nivel del río Paraguay en el puerto de Asunción. Con el fin de realizar las predicciones, se implementaron tres métodos: dos basados en redes neuronales recurrentes (LSTM y GRU), y uno estadístico, SARIMAX. La metodología incluye un escalado selectivo de datos, la formulación del aprendizaje supervisado y un mecanismo de predicción iterativa para un horizonte de 24 meses. Los resultados buscan proporcionar información valiosa para las partes interesadas que desean comprender la evolución de los precios en el sector de la construcción.Red de Universidades con Carreras en Informática2025-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf507-516http://sedici.unlp.edu.ar/handle/10915/191260spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-8258-99-7info:eu-repo/semantics/reference/hdl/10915/189846info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-03-31T12:41:46Zoai:sedici.unlp.edu.ar:10915/191260Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-03-31 12:41:46.894SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Dinámica de los precios en el sector de materiales de construcción : Patrones y Predicciones Basados en Datos
title Dinámica de los precios en el sector de materiales de construcción : Patrones y Predicciones Basados en Datos
spellingShingle Dinámica de los precios en el sector de materiales de construcción : Patrones y Predicciones Basados en Datos
Sánchez Sánchez, Matías Rubén
Ciencias Informáticas
Precios del cemento
Modelos predictivos
LSTM
GRU
SARIMAX
Variables exógenas
COVID-19
Aprendizaje automático
Paraguay
title_short Dinámica de los precios en el sector de materiales de construcción : Patrones y Predicciones Basados en Datos
title_full Dinámica de los precios en el sector de materiales de construcción : Patrones y Predicciones Basados en Datos
title_fullStr Dinámica de los precios en el sector de materiales de construcción : Patrones y Predicciones Basados en Datos
title_full_unstemmed Dinámica de los precios en el sector de materiales de construcción : Patrones y Predicciones Basados en Datos
title_sort Dinámica de los precios en el sector de materiales de construcción : Patrones y Predicciones Basados en Datos
dc.creator.none.fl_str_mv Sánchez Sánchez, Matías Rubén
Espínola Alvarenga, Diego Milciades
Sosa Cabrera, Gustavo
author Sánchez Sánchez, Matías Rubén
author_facet Sánchez Sánchez, Matías Rubén
Espínola Alvarenga, Diego Milciades
Sosa Cabrera, Gustavo
author_role author
author2 Espínola Alvarenga, Diego Milciades
Sosa Cabrera, Gustavo
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Precios del cemento
Modelos predictivos
LSTM
GRU
SARIMAX
Variables exógenas
COVID-19
Aprendizaje automático
Paraguay
topic Ciencias Informáticas
Precios del cemento
Modelos predictivos
LSTM
GRU
SARIMAX
Variables exógenas
COVID-19
Aprendizaje automático
Paraguay
dc.description.none.fl_txt_mv El sector de la construcción es un indicador significativo del desarrollo económico, y la dinámica de precios de materiales clave como el cemento es fundamental para la planificación y la inversión. Este estudio se centra en la predicción de los precios del cemento de la marca Yguazú en Paraguay, utilizando datos mensuales históricos desde enero de 2014 hasta julio de 2025. Se incorporan como variables exógenas el impacto de la pandemia de COVID-19, modelado como variable binaria, y el nivel del río Paraguay en el puerto de Asunción. Con el fin de realizar las predicciones, se implementaron tres métodos: dos basados en redes neuronales recurrentes (LSTM y GRU), y uno estadístico, SARIMAX. La metodología incluye un escalado selectivo de datos, la formulación del aprendizaje supervisado y un mecanismo de predicción iterativa para un horizonte de 24 meses. Los resultados buscan proporcionar información valiosa para las partes interesadas que desean comprender la evolución de los precios en el sector de la construcción.
Red de Universidades con Carreras en Informática
description El sector de la construcción es un indicador significativo del desarrollo económico, y la dinámica de precios de materiales clave como el cemento es fundamental para la planificación y la inversión. Este estudio se centra en la predicción de los precios del cemento de la marca Yguazú en Paraguay, utilizando datos mensuales históricos desde enero de 2014 hasta julio de 2025. Se incorporan como variables exógenas el impacto de la pandemia de COVID-19, modelado como variable binaria, y el nivel del río Paraguay en el puerto de Asunción. Con el fin de realizar las predicciones, se implementaron tres métodos: dos basados en redes neuronales recurrentes (LSTM y GRU), y uno estadístico, SARIMAX. La metodología incluye un escalado selectivo de datos, la formulación del aprendizaje supervisado y un mecanismo de predicción iterativa para un horizonte de 24 meses. Los resultados buscan proporcionar información valiosa para las partes interesadas que desean comprender la evolución de los precios en el sector de la construcción.
publishDate 2025
dc.date.none.fl_str_mv 2025-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/191260
url http://sedici.unlp.edu.ar/handle/10915/191260
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-8258-99-7
info:eu-repo/semantics/reference/hdl/10915/189846
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
507-516
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1861199752958312448
score 13.332987

Publicaciones similares