Saltar al contenido
hg.Héctor GarridoCiencia de datos · Estadística · Ingeniería de datos
← Volver al blog
Tesis: Asimetrías de Precios

De una tesis a un pipeline: la génesis de AsymmetryAnalysis

Una tesis de magíster iniciada en 2017 para estudiar la transmisión asimétrica de precios en el mercado agrícola chileno terminó, ocho años después, convertida en un pipeline reproducible de software: paquete R, base PostgreSQL, matching semántico y ejecución en la nube. Este post cuenta la evolución técnica del proyecto —de scripts académicos a ingeniería de datos— y cómo hoy permite estimar modelos TVECM en decenas de series producto-región.

De una tesis a un pipeline: la génesis de AsymmetryAnalysis

El origen: una tesis de magíster (2017)

Todo empezó con una pregunta simple pero incómoda: ¿los supermercados suben los precios más rápido de lo que los bajan?

En junio de 2017, como estudiante de magíster en economía, decidí usar Git para versionar mi tesis. El primer commit dice simplemente: "Para seguir trabajando mi tesis he decidido usar un mecanismo de control de cambios". No sabía que ese repositorio seguiría vivo casi una década después.

El problema que quería estudiar se llama transmisión asimétrica de precios: cuando sube el costo en el mercado mayorista, los minoristas —ferias libres y supermercados— trasladan ese aumento rápidamente al consumidor final, pero cuando baja, la reducción llega con demora, si es que llega. Este fenómeno se conoce en la literatura como "rockets and feathers": los precios suben como cohetes pero bajan como plumas.

Los datos: ODEPA y el mercado de la palta

Chile es un caso de estudio fascinante por su estructura de mercado agrícola. ODEPA (Oficina de Estudios y Políticas Agrarias) publica datos semanales de precios mayoristas y de consumidor para frutas y hortalizas, accesibles vía una API CKAN pública.

La palta fue el producto estrella de la tesis original. Un mercado con exportaciones relevantes, alta variabilidad estacional de precios, y un consumidor que la considera casi un bien esencial.

El modelo: TVECM

Para detectar asimetrías se usaron modelos Threshold Vector Error Correction Models (TVECM): modelos de corrección de error con umbrales. La idea central es que la relación mayorista-minorista tiene un equilibrio de largo plazo (cointegración), pero el ajuste hacia ese equilibrio puede diferir según si los precios están por encima o por debajo del umbral de activación.

La función de impulso-respuesta generalizada (GIRF) permite visualizar cómo responde el sistema ante shocks positivos y negativos, revelando la asimetría de forma cuantificable.

El salto: de scripts sueltos a ingeniería de software (2025)

Durante siete años el proyecto estuvo dormido. En noviembre de 2025 el proyecto se retomó desde cero, pero esta vez con un enfoque explícito de ingeniería de software:

  • Paquete R (AsymmetryAnalysis): más de 40 funciones exportadas, documentadas con roxygen2, clases R6 para los componentes principales.
  • Pipeline de 10 scripts numerados: desde la descarga de datos hasta la generación de reportes PDF y validación de resultados.
  • Base de datos PostgreSQL: datamarts en star schema; no más CSVs sueltos en carpetas temporales.
  • Matching semántico: Sentence-BERT en Python para emparejar productos con nomenclatura divergente entre mercados.
  • Infraestructura reproducible: Docker + Google Cloud Run para ejecutar el pipeline en la nube.

El proyecto pasó de analizar un producto en una región a estimar modelos sobre 76 series producto-región, con canales separados para ferias libres y supermercados.

El estado actual (febrero 2026)

El pipeline completo está operativo. Los modelos TVECM se estiman en paralelo sobre los segmentos de series que superan los diagnósticos estadísticos (ADF, PP, KPSS, Johansen). Las funciones de impulso-respuesta generalizada y los análisis derivados —estimaciones de bienestar, análisis estacional, robustez de modelos— se pre-computan y almacenan en PostgreSQL para alimentar los reportes.

El script 09_validate_results.R implementa un "embudo de calidad" que verifica que cada tabla del pipeline tenga filas y registra cuántas series sobreviven cada etapa: desde las series válidas originales hasta los resultados TVECM y GIRF finales.

::note Esta serie de posts narra las decisiones de diseño y los obstáculos técnicos encontrados durante el desarrollo. No está orientada a los resultados econométricos, sino al proceso de construir software de investigación reproducible. ::


Este post es parte de una serie que documenta el desarrollo del proyecto AsymmetryAnalysis.