Análisis de señales y pronóstico de la producción de azúcar en Colombia: evidencia para el Ingenio Maria Luisa
Olga Lucia Bermudez y Cristian Andres Forero
2026-04-19
Sector Agroindustrial y Azucarero Colombiano
Generalidades del Sector
La agroindustria de la caña de azúcar es uno de los sectores agroindustriales más relevantes del suroccidente colombiano y un pilar económico del Valle del Cauca. El sector integra actividades agrícolas (cultivo y cosecha de caña), industriales (producción de azúcar, alcohol carburante y coproductos) y energéticas (cogeneración con bagazo), lo que le confiere un alto grado de diversificación productiva. Según el Informe Anual de Asocaña 2024–2025, Colombia se mantiene como referente mundial en productividad, liderando el indicador de toneladas de azúcar por hectárea (TAH) entre los principales países productores. Esta ventaja competitiva permite al país ser estructuralmente superavitario en azúcar, con capacidad para abastecer el mercado interno y generar excedentes exportables. No obstante, el sector es tomador de precios internacionales y altamente sensible a factores externos como:
• la dinámica del mercado mundial del azúcar (altamente concentrado en Brasil), • la volatilidad de los precios internacionales, • los choques climáticos, • y las decisiones de política comercial y regulatoria.
El desempeño de nuestra agroindustria de la caña de azúcar en 2025 frente al 2024 fue:
En 2025, el precio promedio de venta del azúcar en el mercado interno colombiano se ubicó en $143.741 por quintal, lo que refleja una disminución del 12.9% respecto al año 2024. (Fuente: PROCAÑA)
De igual forma, el precio promedio internacional del azúcar crudo se ubicó en USD 374 por tonelada (equivalente a 16.97 centavos USD/lb), mientras que el azúcar blanco registró un promedio de USD 481 por tonelada. En comparación con 2024, estos valores reflejan una disminución anual de 18.3% y 16.4%, respectivamente.
Los analistas proyectan un mercado mundial de azúcar excedentario para la cosecha 2025/26, con estimaciones de superávit que oscilan entre 1.7 y 7.2 millones de toneladas impulsado por cosechas favorables en Brasil, India y Tailandia. (Fuente: ASOCAÑA).
Panorama general del sector azucarero colombiano (2024–2025)
El sector azucarero colombiano atravesó en 2024 un año de transición y ajuste, luego del ciclo alcista de precios internacionales observado entre 2020 y 2023. El entorno estuvo marcado por alta volatilidad internacional, normalización climática en el Valle del Cauca y una recuperación gradual de la productividad agrícola, aunque con presiones crecientes por importaciones y cambios regulatorios.
A pesar de estos desafíos, Colombia mantuvo su posición como referente mundial en productividad, con liderazgo en toneladas de azúcar por hectárea (TAH), y siguió siendo superavitaria en producción, con suficiente oferta para abastecer el mercado interno y sostener exportaciones.
Precios del azúcar: comportamiento y tendencia
Precios internacionales:
El mercado internacional del azúcar mostró en 2024 un cambio de tendencia frente al ciclo alcista observado entre 2020 y 2023. Luego de cinco años consecutivos de aumentos, los precios registraron un ajuste a la baja:
• El precio internacional del azúcar crudo cayó 13,7 % anual, pasando de 24,05 a 20,76 centavos de dólar por libra.
• El azúcar blanco registró una caída similar, del 13,5 %.
Este comportamiento estuvo acompañado de alta volatilidad intranual, explicada por factores climáticos en Brasil, restricciones comerciales en India y la fuerte depreciación del real brasileño, que incrementó la competitividad del principal exportador mundial.Patrón identificado:
• Tendencia de largo plazo: ciclo alcista 2020–2023 seguido de corrección en 2024.
• Componente irregular: choques climáticos y cambiarios que generan alta volatilidad mensual.
Tendencia: Si bien 2024 marcó un ajuste bajista, el balance mundial de azúcar sigue siendo estructuralmente ajustado, con previsiones de déficit global para 2024/25, lo que mantiene riesgos de nuevos repuntes de precios.
Clima y productividad agrícola:
Tras varios años de exceso de lluvias (2021–primer semestre de 2023), en 2024 se observó una normalización de las condiciones climáticas en el Valle del Cauca:
• Las precipitaciones acumuladas se ubicaron 8,1 % por debajo del promedio histórico. • Esta mejora climática permitió una recuperación significativa de la productividad.
Como resultado: • Las toneladas de caña por hectárea (TCH) crecieron 11,6 % anual. • Las toneladas de azúcar por hectárea (TAH) aumentaron 9,3 %.
Se puede concluir que hay una relación clara entre el clima y la productividad agrícola.
Molienda de caña y producción de azúcar:
La mejora en productividad se reflejó directamente en la actividad
industrial: • La molienda de caña alcanzó 22,1 millones de toneladas en
2024, con un crecimiento del 6,0 %
frente a 2023.
• La producción de azúcar aumentó 2,0 %, hasta cerca de 2,0 millones de toneladas.
Este crecimiento se logró a pesar de una ligera reducción del área sembrada y cosechada, lo que indica que el aumento en producción estuvo impulsado principalmente por eficiencia y no por expansión de área.Patrón identificado:
• Tendencia estructural hacia mayor eficiencia productiva. • Menor dependencia del crecimiento extensivo.
Comercio exterior: exportaciones e importaciones:
En 2024 el comercio exterior del sector mostró señales mixtas:
• Las exportaciones de azúcar cayeron 13,7 % en volumen, aunque los ingresos alcanzaron USD 391 millones, el segundo registro más alto de la última década.
• Los principales destinos fueron Estados Unidos, Chile y Haití.
En contraste:
• Las importaciones crecieron 11,8 %, alcanzando 281 mil toneladas. • Estas representaron cerca del 18 % del consumo nacional, uno de los niveles más altos entre países superavitarios.
Patrones identificados: • Sensibilidad de las exportaciones a los precios internacionales. • Mayor presión competitiva externa en el mercado interno.
Síntesis de señales del sector
A partir del Informe Anual de Asocaña, el sector azucarero colombiano presenta las siguientes señales relevantes para el análisis econométrico: • Tendencias: Recuperación de la producción y molienda en 2024. Ajuste bajista reciente en los precios internacionales.
• Estacionalidad: Presente en precios internacionales, molienda y exportaciones, asociada a ciclos agrícolas y de cosecha.
• Cambios estructurales: Fin del ciclo alcista de precios iniciado en 2020. Mayor exposición a importaciones y cambios regulatorios internos.
A nivel general en el 2025, el sector azucarero colombiano enfrentó una disminución en la eficiencia agrícola y fabril. Si bien la caña molida acumulada (19 millones de toneladas) se mantuvo cercana al promedio de los últimos diez años, la producción de azúcar (1,92 millones de toneladas a octubre 2025) se ubicó en el tercer valor más bajo en la década, siendo un 7% inferior al promedio histórico según información del Comité de Fábrica de Cenicaña que tuvo lugar en noviembre 2025. Del mismo modo, se evidenció que los contenidos de sacarosa en la caña se situaron por debajo de los niveles históricos, con pérdidas elevadas en miel final e indeterminadas.
Por otra parte, la creciente mecanización de la cosecha, que alcanzó un 84% en 2025 frente al 39% registrado en 2013, si bien ha contribuido a mejorar la continuidad operativa, también ha incrementado la presencia de materia extraña, afectando la pureza de los jugos y el rendimiento comercial. A este escenario se sumaron condiciones climáticas adversas: exceso de lluvias y mayor frecuencia de incendios en áreas cosechadas, que deterioraron la calidad de la materia prima y complejizaron la logística (Perspectivas Climáticas, Cenicaña).
En conjunto, el sector azucarero colombiano atraviesa una coyuntura compleja: por un lado, la reducción en la calidad y eficiencia agrícola e industrial, marcada por menores contenidos de sacarosa y mayores pérdidas en el proceso; Y por otro lado, la presión de un mercado internacional con exceso de oferta y precios deprimidos. Esta doble tensión ha afectado directamente la rentabilidad de los ingenios y la sostenibilidad del sector, obligando a replantear estrategias de diversificación, eficiencia operativa y gestión de riesgos climáticos y económicos tal como lo sugiere Asocaña en su informe económico y Cenicaña en su informe de perspectivas climáticas.
En síntesis, durante 2026 el sector azucarero colombiano deberá enfrentar menores eficiencias agrícolas e industriales, riesgos climáticos y el impacto de la mecanización. A nivel externo, la sobreoferta mundial y la tendencia bajista de los precios del azúcar, junto con mayores costos laborales y financieros, presionarán la rentabilidad.
(Fuente: Informe Anual ASOCAÑA 2024-2025)
Entorno Ingenio Maria Luisa
El 2025 se consolidó como un año de adaptación y resiliencia para el Ingenio Maria Luisa. La caída de la productividad, afectada por la variabilidad climática con periodos de lluvias con intensidad superior a los promedios históricos de los últimos cinco años, redujo la producción de sacarosa en campo. A este entorno, se sumaron las condiciones del mercado internacional del azúcar, caracterizadas por una disminución significativa en los precios y un exceso de oferta global que impactaron directamente los ingresos, que junto con el incremento de los costos de producción derivaron en una reducción de la rentabilidad frente a años anteriores.
Por otra parte, los precios promedio de venta en 2025 registraron una reducción del 12% en comparación con 2024.
La combinación de menor productividad, el impacto del cambio climático y las crecientes exigencias en materia de sostenibilidad llevaron a la Compañía a replantear estrategias en prácticas agrícolas y gestión de recursos.
Declaración de Variables
AZUCAR: producción de azúcar.
CAN: molienda de caña.
X_AZ: exportaciones de azúcar y confitería.
Justificación de las variables
La selección de variables responde a la necesidad de capturar diferentes dimensiones del comportamiento del sector azucarero colombiano: producción, capacidad operativa y entorno externo. En este sentido, se eligieron las variables AZUCAR, CAN y X_AZ por su relevancia económica y su capacidad explicativa conjunta.
Producción de azúcar (AZUCAR): La variable AZUCAR se selecciona como variable principal, ya que representa directamente el nivel de producción del sector y constituye el resultado final del proceso productivo. Esta variable sintetiza el desempeño global de la actividad azucarera y permite evaluar su evolución en el tiempo.
Además, al ser una variable de resultado, es la más adecuada para realizar ejercicios de pronóstico, ya que su comportamiento integra tanto factores productivos como condiciones de mercado.
Molienda de caña (CAN): La variable CAN (molienda de caña) se incluye como indicador de la capacidad productiva del sector, dado que la caña es el insumo fundamental para la producción de azúcar.
Su comportamiento permite anticipar cambios en la producción, ya que variaciones en la cantidad de caña procesada tienden a reflejarse posteriormente en los niveles de producción de azúcar. En este sentido, CAN actúa como una variable líder o de soporte productivo, clave para entender la dinámica interna del sector.
Exportaciones de azúcar y confitería (X_AZ): La variable X_AZ se incorpora para capturar la dimensión externa del sector, particularmente la demanda internacional y la capacidad de colocación de la producción en mercados externos.
Su inclusión permite evaluar la exposición del sector a condiciones internacionales, como precios, demanda externa y competitividad. Además, introduce un componente de volatilidad que no depende exclusivamente de factores productivos, sino también del entorno económico global.
En conjunto, estas tres variables permiten construir una visión integral del sector: mientras AZUCAR refleja el resultado productivo, CAN explica la base operativa que lo sustenta y X_AZ introduce el contexto de demanda externa. Esta combinación facilita no solo el análisis de señales históricas, sino también una mejor interpretación de los resultados de pronóstico y sus implicaciones para la toma de decisiones.
Extracción de señales
Gráfico inicial de la variable 1 en niveles -Original
La serie Original de producción de azúcar no muestra una tendencia claramente creciente o decreciente en todo el periodo, sino un comportamiento relativamente estable con fluctuaciones importantes alrededor de un nivel promedio.
Sin embargo, se observan cambios en el nivel de la serie en distintos momentos del tiempo, lo que sugiere que el sector ha experimentado fases de expansión y contracción, en lugar de una trayectoria lineal.
Esto indica que el crecimiento anual no es constante, sino variable, lo cual es típico de sectores dependientes de factores agrícolas y condiciones externas.
Se identifican patrones repetitivos que indican la presencia de estacionalidad, asociados a los ciclos productivos del sector, así como variaciones abruptas que reflejan un componente irregular significativo, posiblemente ligado a choques externos o condiciones coyunturales. En conjunto, estos elementos sugieren que el sector azucarero no sigue una trayectoria lineal, sino que está determinado por ciclos productivos, factores estacionales y episodios de alta volatilidad que afectan su desempeño.
Extracción señales variable 1 (AZUCAR)
La descomposición de la serie de producción de azúcar muestra que el sector presenta una tendencia variable, con fases de crecimiento y caída a lo largo del tiempo, lo que confirma que no sigue una trayectoria estable. El componente estacional es fuerte y persistente, evidenciando patrones repetitivos asociados a los ciclos productivos del sector azucarero. Por su parte, el componente irregular refleja episodios de alta volatilidad, incluyendo choques negativos importantes que afectan temporalmente la producción. En conjunto, estos resultados indican que la dinámica del sector está determinada por la interacción entre una tendencia cambiante, una estacionalidad marcada y perturbaciones externas que generan inestabilidad en el corto plazo.
Extracción señales variable 2 (CAN)
La descomposición de la molienda de caña muestra una tendencia relativamente estable con fluctuaciones moderadas y una recuperación hacia el final del periodo, lo que sugiere que la capacidad productiva del sector se mantiene en el tiempo. El componente estacional es fuerte y claramente definido, evidenciando ciclos repetitivos propios de las etapas de cosecha y procesamiento. Por su parte, el componente irregular presenta episodios de alta volatilidad, incluyendo caídas pronunciadas que reflejan choques transitorios en la producción. En conjunto, estos resultados indican que la molienda de caña responde a una estructura productiva estable, pero sujeta a ciclos estacionales y perturbaciones externas que generan variaciones en el corto plazo.
Extracción señales variable 3 (X_AZ)
La descomposición de las exportaciones de azúcar y confitería muestra una tendencia más variable, con una caída inicial seguida de una recuperación en los últimos años, lo que sugiere cambios en la dinámica del mercado externo. El componente estacional es claro y persistente, evidenciando patrones repetitivos en el comportamiento de las exportaciones. Por su parte, el componente irregular presenta alta volatilidad, con fluctuaciones frecuentes y algunos picos pronunciados que reflejan la sensibilidad de esta variable a factores externos. En conjunto, estos resultados indican que el frente exportador del sector es más inestable, sujeto tanto a ciclos estacionales como a cambios en las condiciones del mercado internacional.
Después de la descomposición temporal de cada variable, se extrae la variable ajustada por estacionalidad para graficarla junto con la serie original:
Se crea la variable1 (AZUCAR) ajustada por estacionalidad
Se crea la variable2 (CAN) ajustada por estacionalidad
Se crea la variable3 (X_AZ) ajustada por estacionalidad
Gráfico serie original VS ajustada Variable 1 (AZUCAR)
Al comparar la serie original con la serie ajustada por estacionalidad, se evidencia que una parte importante de las fluctuaciones de la producción de azúcar está explicada por patrones estacionales recurrentes a lo largo de todo el periodo. Una vez eliminada esta estacionalidad, la serie ajustada muestra un comportamiento más estable, aunque se observan variaciones relevantes, especialmente una caída pronunciada alrededor de 2020–2021, la cual podría estar asociada a choques externos como la pandemia y el paro nacional, que afectaron la dinámica productiva del sector. Hacia los años más recientes (2023–2025), la producción muestra cierta recuperación, aunque con fluctuaciones persistentes. Esto confirma que la dinámica del sector no solo depende de ciclos productivos previsibles, sino también de factores coyunturales que impactan su comportamiento en el corto plazo.
Gráfico serie original VS ajustada Variable 2 (CAN)
Al comparar la serie original con la serie ajustada por estacionalidad en la molienda de caña, se evidencia que gran parte de las fluctuaciones está explicada por patrones estacionales recurrentes a lo largo del tiempo. Una vez eliminada esta estacionalidad, la serie ajustada muestra un comportamiento relativamente estable, reflejando la consistencia de la capacidad productiva del sector. No obstante, se observan caídas significativas, especialmente alrededor de 2020–2021, que podrían estar asociadas a choques externos como la pandemia y el paro nacional, los cuales afectaron la operación y el procesamiento de caña. En los años más recientes (2023–2025), la serie muestra una recuperación con algunas fluctuaciones, lo que indica que, aunque la base productiva se mantiene, sigue siendo sensible a factores coyunturales que impactan su desempeño en el corto plazo.
Gráfico serie original VS ajustada Variable 3 (X_AZ)
Al comparar la serie original con la serie ajustada por estacionalidad en las exportaciones de azúcar y confitería, se observa que, aunque existe un componente estacional, una parte importante de la variabilidad responde a factores distintos a los ciclos productivos. La serie ajustada evidencia una tendencia decreciente entre 2013 y 2017, seguida de una fase de relativa estabilidad y posteriormente una recuperación a partir de 2022. Además, se identifican caídas importantes alrededor de 2020–2021, que podrían estar asociadas a choques externos como la pandemia y el paro nacional, afectando la dinámica del comercio exterior. En los años más recientes (2023–2025), las exportaciones muestran una mejora, aunque con alta volatilidad, lo que indica que el componente externo del sector es más inestable y sensible a cambios en las condiciones del mercado internacional.
Gráficas serie original vs tendencia
Tendencia Variable 1 (AZUCAR)
Al comparar la serie original con su tendencia para la producción de azúcar, se observa que, aunque la serie presenta alta variabilidad en el corto plazo (como se evidenciaba en la serie original), la tendencia suaviza estos movimientos y permite identificar una dinámica más clara: una caída inicial alrededor de 2012–2013, seguida de un periodo de relativa estabilidad hasta aproximadamente 2018, y posteriormente una leve tendencia decreciente con recuperación hacia 2024–2025. A diferencia de la gráfica con estacionalidad, donde predominan los ciclos repetitivos, aquí se evidencia el comportamiento estructural de la serie, confirmando que gran parte de las fluctuaciones de corto plazo responden a factores estacionales, mientras que la tendencia recoge cambios más persistentes en el nivel de producción. En conjunto, estas gráficas muestran que el sector combina una base relativamente estable en el largo plazo con variaciones cíclicas y choques que afectan su desempeño en el corto plazo.
Tendencia Variable 2 (CAN)
Al comparar la serie original con su tendencia en la molienda de caña, se observa que, aunque existen fluctuaciones importantes en el corto plazo —como se evidenciaba en la serie original—, la tendencia revela un comportamiento más estable en el largo plazo, con una caída inicial alrededor de 2012–2013, seguida de una fase de recuperación y estabilidad hasta aproximadamente 2019, una disminución entre 2020–2022 y una recuperación hacia 2024–2025. A diferencia de la gráfica con estacionalidad, donde predominan ciclos productivos repetitivos, esta representación permite identificar cambios estructurales en la capacidad productiva del sector. En conjunto, se confirma que gran parte de la variabilidad de la molienda responde a factores estacionales, mientras que la tendencia refleja una base productiva relativamente sólida, aunque afectada temporalmente por choques externos como los observados en 2020–2021.
Tendencia Variable 3 (X_AZ)
Al comparar la serie original con su tendencia en las exportaciones de azúcar y confitería, se observa que, aunque la serie presenta alta volatilidad en el corto plazo, la tendencia permite identificar una dinámica más clara: una caída entre 2012 y 2016, seguida de un periodo de relativa estabilidad hasta 2020 y posteriormente una recuperación marcada a partir de 2022, con una leve corrección hacia 2025. A diferencia de las gráficas con estacionalidad, donde se evidencian ciclos repetitivos, aquí se resaltan los cambios estructurales del componente externo del sector. En conjunto, se confirma que, aunque existe estacionalidad, las exportaciones están más influenciadas por factores externos y presentan una mayor inestabilidad frente a las otras variables, reflejando la sensibilidad del sector a las condiciones del mercado internacional.
Tasas de crecimiento de la serie original vs tendencia:
Tasa de crecimiento de la serie de tendencia y original para la variable 1 (AZUCAR)
## [1] 156## [1] 156## [1] 156*Gráfico variable original y tendencia variable 1 (AZUCAR): tasa de crecimiento anual**
La tasa de crecimiento anual de la producción de azúcar confirma lo observado en las gráficas anteriores: el sector no presenta un crecimiento sostenido, sino variaciones alrededor de cero, lo que indica una dinámica estable en promedio pero con fluctuaciones importantes en el corto plazo. Se destacan algunos picos atípicos, especialmente alrededor de 2021, que corresponden a efectos base tras caídas pronunciadas en la producción, posiblemente asociadas a choques como la pandemia y el paro nacional. En general, el crecimiento muestra alta volatilidad, coherente con el componente irregular identificado previamente, mientras que la tendencia del crecimiento se mantiene cercana a cero, reforzando la idea de que el sector no está en una fase de expansión estructural, sino en un comportamiento cíclico influenciado por estacionalidad y factores externos.
Tasa de crecimiento de la serie original vs tendencia: variable 2 (CAN)
## [1] 156## [1] 156## [1] 156La tasa de crecimiento anual de la molienda de caña confirma que la capacidad productiva del sector se mantiene relativamente estable en el tiempo, con variaciones alrededor de cero y sin una tendencia sostenida de crecimiento. Al igual que en la producción de azúcar, se observan picos atípicos, especialmente alrededor de 2021, asociados a efectos base tras caídas pronunciadas que podrían estar relacionadas con choques externos como la pandemia y el paro nacional. En general, el crecimiento presenta volatilidad en el corto plazo, coherente con el componente irregular identificado previamente, mientras que su tendencia cercana a cero refuerza la idea de que la base productiva del sector es estable, pero sujeta a fluctuaciones cíclicas y perturbaciones externas.
Tasa de crecimiento de la serie original vs tendencia: variable 3 (X_AZ)
## [1] 156## [1] 156## [1] 156La tasa de crecimiento anual de las exportaciones de azúcar y confitería evidencia una mayor volatilidad en comparación con las otras variables, con variaciones amplias tanto positivas como negativas a lo largo del periodo. Se observan picos importantes, especialmente alrededor de 2022, que reflejan efectos de recuperación tras caídas previas, posiblemente asociadas a choques externos como la pandemia y el paro nacional. A diferencia de la producción y la molienda, cuya tendencia de crecimiento se mantiene cercana a cero, las exportaciones muestran cambios más marcados en su trayectoria, con fases de expansión y contracción más evidentes. En conjunto, esto confirma que el componente externo del sector es el más inestable, altamente sensible a condiciones del mercado internacional y con un comportamiento menos predecible frente a las variables productivas.
Conclusión Extracción de Señales
El análisis conjunto de las variables de producción de azúcar (AZUCAR), molienda de caña (CAN) y exportaciones (X_AZ) evidencia que el sector azucarero colombiano presenta una dinámica caracterizada por una base productiva relativamente estable, pero con importantes fluctuaciones en el corto plazo. Tanto la producción como la molienda muestran comportamientos coherentes entre sí, con tendencias de largo plazo cercanas a la estabilidad y una fuerte estacionalidad asociada a los ciclos productivos, lo que indica que la capacidad operativa del sector se mantiene en el tiempo. Sin embargo, ambas variables presentan episodios de alta volatilidad y caídas pronunciadas, especialmente alrededor de 2020–2021, lo que sugiere vulnerabilidad frente a choques externos.
Por su parte, las exportaciones evidencian un comportamiento más inestable, con mayor volatilidad, cambios más marcados en su tendencia y una recuperación reciente, lo que refleja la sensibilidad del sector a las condiciones del mercado internacional. En términos de crecimiento, ninguna de las variables presenta una trayectoria sostenida de expansión, sino variaciones alrededor de niveles promedio, lo que confirma que el sector no está en una fase de crecimiento estructural, sino en una dinámica cíclica influenciada por estacionalidad y factores externos.
En conjunto, las señales históricas indican que el sector combina estabilidad en su base productiva con incertidumbre en su entorno, especialmente en el frente externo, lo que implica que su desempeño depende tanto de factores internos de producción como de condiciones coyunturales que pueden alterar su trayectoria en el corto plazo.
Analizar la tasa de crecimiento anual ayuda a detectar cambios en el entorno económico que afectan el sector. Se pueden prever crisis o períodos de auge y prepararse para ellos.
Modelo ARIMA
División en conjunto de entrenamiento y prueba para la variable 1 (AZUCAR) que es la elegida para pronosticar
El código siguiente divide una serie temporal (variable1_ts) en dos subconjuntos:
Conjunto de entrenamiento (train): Datos desde enero de 2012 hasta septiembre de 2025. Conjunto de prueba (test): Datos desde octubre de 2025 hasta diciembre de 2025.
Esto se hace para evaluar el desempeño de modelos de predicción en datos no vistos.
Modelo ARIMA automático normal (sin tener en cuenta el factor estacional)
Identificación automática del modelo ARIMA
## Series: train_ts
## ARIMA(2,0,1) with non-zero mean
##
## Coefficients:
## ar1 ar2 ma1 mean
## 1.0681 -0.4894 -0.4726 179805.398
## s.e. 0.1878 0.0932 0.2115 3444.423
##
## sigma^2 = 1.269e+09: log likelihood = -1961.69
## AIC=3933.38 AICc=3933.76 BIC=3948.91
##
## Training set error measures:
## ME RMSE MAE MPE MAPE MASE ACF1
## Training set 37.14014 35190.76 28085.81 -12.88172 26.65939 1.371507 -0.01162577Estimación del modelo identificado automatico y validación de Significancia de coeficientes
##
## z test of coefficients:
##
## Estimate Std. Error z value Pr(>|z|)
## ar1 1.0681e+00 1.8783e-01 5.6864 1.298e-08 ***
## ar2 -4.8943e-01 9.3167e-02 -5.2532 1.495e-07 ***
## ma1 -4.7257e-01 2.1155e-01 -2.2339 0.02549 *
## intercept 1.7981e+05 3.4444e+03 52.2019 < 2.2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1## Series: train_ts
## ARIMA(2,1,1)
##
## Coefficients:
## ar1 ar2 ma1
## 0.6352 -0.2658 -0.9847
## s.e. 0.0762 0.0764 0.0239
##
## sigma^2 = 1.316e+09: log likelihood = -1954.55
## AIC=3917.09 AICc=3917.34 BIC=3929.49
##
## Training set error measures:
## ME RMSE MAE MPE MAPE MASE
## Training set -377.0265 35839.78 29045.76 -13.29326 27.26536 1.418384
## ACF1
## Training set -0.05115764Validación de residuales o errores del modelo
##
## Ljung-Box test
##
## data: Residuals from ARIMA(2,1,1)
## Q* = 215.67, df = 21, p-value < 2.2e-16
##
## Model df: 3. Total lags used: 24Pronóstico modelo ARIMA automático dentro de muestra o en el set de prueba
Interpretación modelo automatico (2,1,1):
El modelo ARIMA automático sugirió inicialmente una especificación (2,0,1), la cual mostró un buen ajuste dentro de muestra, capturando la dinámica general de la serie y algunos puntos de inflexión. Sin embargo, este modelo tendía a ajustarse en exceso a las fluctuaciones de corto plazo, lo que indicaba un posible sobreajuste y una representación menos adecuada de la estructura real de la serie. Por esta razón, se decidió ajustar el modelo a una especificación (2,1,1), incorporando diferenciación para trabajar con una serie más estable y enfocada en los cambios más relevantes. Este ajuste permite mejorar la interpretación del comportamiento de la producción y reducir la influencia de variaciones transitorias. Al analizar los residuos, se observa que en general se comportan de manera adecuada, aunque persisten algunos valores atípicos, especialmente en periodos como 2020–2021, asociados a choques externos. En términos de pronóstico, el modelo logra seguir la tendencia general, pero presenta limitaciones para capturar de forma consistente los puntos de inflexión más marcados, por lo que se considera un modelo adecuado como referencia inicial, aunque no definitivo.Es un modelo tentativo adecuado para pronpostico fuera de muestra o a futuro.
Pronóstico automático dentro del set de prueba como tabla
## Tiempo Observado Pronosticado
## 1 2025.750 185732.9 194842.5
## 2 2025.833 161012.2 177370.0
## 3 2025.917 180947.8 169844.7Ahora pronosticamos con el modelo automatico fuera del periodo de análisis, es decir enero 2026
Es decir, le sumamos al periodo de prueb auna observación más. Es decir, se estan pronosticando 4 observaciones o trimestres.
## Tiempo Pronostico
## 1 2025.750 194842.5
## 2 2025.833 177370.0
## 3 2025.917 169844.7
## 4 2026.000 170358.7## [1] "Pronóstico para enero 2026: 2026 = 170358.734650199"Modelo SARIMA automático
Este modelo podria ser una solución o mejora al modelo arima tradicional ya que recoge el efecto estacional de las variables, es recomendable por tanto para datos que si tienen un componente estacional fuerte.
Identificación dautomática del modelo SARIMA
## Series: train_ts
## ARIMA(3,0,0)(1,1,1)[12] with drift
##
## Coefficients:
## ar1 ar2 ar3 sar1 sma1 drift
## 0.3328 0.2633 0.0547 -0.1548 -0.8380 -128.1560
## s.e. 0.0845 0.0826 0.0857 0.1021 0.0996 82.9244
##
## sigma^2 = 335634360: log likelihood = -1724.85
## AIC=3463.71 AICc=3464.48 BIC=3484.92A continuación, se crea el objeto darima para luegO poder graficar los valores reales y observados:
## Series: train_ts
## ARIMA(3,0,0)(3,0,0)[12] with non-zero mean
##
## Coefficients:
## ar1 ar2 ar3 sar1 sar2 sar3 mean
## 0.3055 0.2429 0.0564 0.2458 0.3265 0.3693 171984.2
## s.e. 0.1103 0.0893 0.1178 0.0831 0.1233 0.0773 27070.0
##
## sigma^2 = 403251070: log likelihood = -1878.03
## AIC=3772.07 AICc=3772.99 BIC=3796.92
##
## Training set error measures:
## ME RMSE MAE MPE MAPE MASE
## Training set -381.2247 19650.53 14418.77 -6.403437 13.82986 0.7041078
## ACF1
## Training set 0.007780275Validación de residuales del modelo automatico SARIMA
##
## Ljung-Box test
##
## data: Residuals from ARIMA(3,0,0)(3,0,0)[12] with non-zero mean
## Q* = 31.707, df = 18, p-value = 0.02381
##
## Model df: 6. Total lags used: 24Pronóstico con el modelo SARIMA dentro del set de prueba-Gráfico líneas
Interpretación SARIMA (3,0,0)(1,1,1):
El modelo SARIMA (3,0,0)(1,1,1) permite capturar de manera más adecuada la dinámica de la serie, especialmente al incorporar el componente estacional que caracteriza al sector azucarero. A diferencia del modelo ARIMA, este modelo logra representar mejor los cambios en la trayectoria de la producción, incluyendo los puntos de inflexión más relevantes, lo cual es fundamental para una correcta interpretación y pronóstico.
Al analizar los residuos, se observa que en general se distribuyen alrededor de cero y presentan un comportamiento más controlado, aunque aún existen algunos picos asociados a choques externos, especialmente en periodos como 2020–2021. Sin embargo, la mayoría de los rezagos en el correlograma se encuentran dentro de los límites de confianza, lo que indica que el modelo logra capturar gran parte de la dependencia temporal de la serie.
En la comparación entre valores observados y pronosticados, se evidencia que el modelo SARIMA sigue de manera más cercana la trayectoria real de la serie, reproduciendo no solo la tendencia general, sino también los cambios de dirección. Esto es especialmente importante en puntos donde la serie cae y luego se recupera, ya que el modelo logra reflejar estos giros con mayor precisión.
En conjunto, el modelo SARIMA se considera más adecuado, ya que no solo mejora el ajuste general, sino que captura de forma más consistente los puntos de inflexión de la serie, lo cual es clave para generar pronósticos más realistas y útiles para la toma de decisiones.
El modelo SARIMA es superior en este caso porque logra capturar los puntos de inflexión de la serie, lo cual es más relevante que un ajuste perfecto, ya que permite anticipar cambios en la dinámica del sector.
Pronóstico del modelo automático SARIMA en el set de prueba-Tabla
## Tiempo Observado Pronosticado
## 1 2025.750 185732.9 193401.1
## 2 2025.833 161012.2 132674.1
## 3 2025.917 180947.8 172438.6Pronóstico del modelo automático SARIMA fuera de muestra, es decir, en enero 2026
Es decir, le sumamos al periodo de prueba una observación más. Es decir, se estan pronosticando 4 observaciones o meses.
## Tiempo Pronostico
## 1 2025.750 193401.1
## 2 2025.833 132674.1
## 3 2025.917 172438.6
## 4 2026.000 154286.4## [1] "Pronóstico para enero 2026: 2026 = 154286.370289383"Con base en la evaluación realizada, se selecciona el modelo SARIMA como el modelo final para el pronóstico, dado que logra capturar de mejor manera la estacionalidad y, especialmente, los puntos de inflexión de la serie. Aunque el modelo ARIMA proporciona una aproximación adecuada, presenta limitaciones para representar cambios en la trayectoria de la producción. En este sentido, el pronóstico utilizado para el análisis corresponde al modelo SARIMA, el cual estima para enero de 2026 un nivel de producción de 154,286, reflejando la dinámica reciente del sector.
Variación Tasas de crecimiento Mensual y Anual
AZUCAR enero 2025: 170,559.27
AZUCAR diciembre 2025: 180,947.81
Pronóstico enero 2026: 154,286.37
Variación mensual (ene 2026 vs dic 2025): −14.73%
Variación anual (ene 2026 vs ene 2025): −9.54%
Con base en el pronóstico del modelo SARIMA para enero de 2026, la producción de azúcar presentaría una variación mensual de -14,73% frente a diciembre de 2025 y una variación anual de -9,54% frente a enero de 2025. Estos resultados sugieren una disminución en la producción en el corto plazo, consistente con los cambios en la trayectoria identificados previamente en el análisis de la serie.
Elección y evaluación del Modelo
Al comparar los modelos ARIMA y SARIMA, se observa que ambos logran capturar la dinámica general de la serie; sin embargo, presentan diferencias importantes en su capacidad de representación. El modelo ARIMA ofrece un buen ajuste dentro de muestra y permite aproximar la tendencia general, pero presenta limitaciones para capturar de forma consistente los cambios en la trayectoria de la serie, especialmente en los puntos donde se presentan giros o inflexiones.
Por su parte, el modelo SARIMA, al incorporar el componente estacional, logra representar de manera más completa la estructura de la serie, no solo en términos de nivel, sino también en su comportamiento cíclico. En particular, este modelo muestra una mejor capacidad para capturar los puntos de inflexión, es decir, los momentos en los que la serie cambia de dirección, lo cual es fundamental para entender la dinámica del sector y generar pronósticos más realistas.
Adicionalmente, el análisis de residuos y la comparación entre valores observados y pronosticados evidencian que el modelo SARIMA sigue de manera más cercana el comportamiento real de la serie, reduciendo errores en momentos clave donde ocurren cambios importantes.
En este sentido, se selecciona el modelo SARIMA como modelo final, ya que no solo presenta un buen ajuste, sino que captura de manera más adecuada los puntos de inflexión de la serie, lo cual resulta más relevante que un ajuste puntual, especialmente en un contexto donde el objetivo es apoyar la toma de decisiones a partir de la identificación de cambios en la dinámica del sector.
Implicación para el IML
Con base en el modelo SARIMA seleccionado, el pronóstico de la producción de azúcar para enero de 2026 refleja la dinámica reciente de la serie, incorporando tanto su componente estacional como los cambios en su trayectoria. Este resultado no solo permite estimar el nivel esperado de producción, sino también anticipar posibles variaciones en el corto plazo, lo cual es clave para la planeación estratégica de Ingenio María Luisa.
el pronóstico de la producción de azúcar para enero de 2026 evidencia una variación mensual de −14,73% frente a diciembre de 2025 y una variación anual de −9,54% respecto a enero de 2025. Estos resultados indican una desaceleración en la producción en el corto plazo, coherente con los cambios en la trayectoria de la serie identificados previamente.
Decisiones
Ante esta caída proyectada, Ingenio María Luisa debería ajustar su planeación productiva, reduciendo expectativas de producción en el corto plazo y revisando la programación de la molienda. Asimismo, es clave optimizar la gestión de inventarios para evitar sobreacumulación y ajustar los planes de abastecimiento de caña en función de una menor producción esperada.
Riesgos
La disminución proyectada en la producción implica riesgos operativos y financieros, como menores ingresos, posibles ineficiencias en el uso de capacidad instalada y dificultades en el cumplimiento de compromisos comerciales. Además, esta caída refuerza la vulnerabilidad del sector frente a choques externos, como los observados previamente, lo que exige mayor cautela en la toma de decisiones.
Oportunidades
A pesar del escenario de desaceleración, el pronóstico ofrece una oportunidad para anticiparse y ajustar la estrategia. Ingenio María Luisa puede mejorar la eficiencia operativa, optimizar costos y redefinir su enfoque comercial, priorizando mercados más estables o estrategias de cobertura que mitiguen el impacto de la caída en la producción.
Preparación para el futuro
La identificación de una caída tanto mensual como anual sugiere que la empresa debe fortalecer su capacidad de planificación y gestión de riesgos. Incorporar este tipo de análisis en la toma de decisiones permite reaccionar de forma anticipada, evitando ajustes reactivos y mejorando la resiliencia frente a cambios en la dinámica del sector.
En este contexto, el pronóstico no solo evidencia una desaceleración en la producción, sino que también resalta la importancia de anticipar cambios en la trayectoria del sector. Para Ingenio María Luisa, esto implica pasar de una planeación basada en tendencias históricas a una gestión estratégica basada en evidencia y anticipación.
Se recomienda que Ingenio María Luisa ajuste su planeación productiva y de inventarios ante la caída proyectada, fortalezca la gestión de riesgos frente a la volatilidad del sector y utilice de manera continua herramientas de pronóstico para anticipar cambios y mejorar la toma de decisiones.
Conclusión
El análisis de la producción de azúcar, la molienda de caña y las exportaciones evidencia que el sector azucarero colombiano presenta una base productiva estable y coherente, pero con una dinámica cíclica, marcada estacionalidad y alta sensibilidad a choques externos. Aunque la producción y la molienda muestran comportamientos consistentes, las exportaciones reflejan mayor volatilidad, lo que confirma que el sector no sigue una trayectoria de crecimiento sostenido, sino que está influenciado por factores internos y condiciones del mercado internacional.
En la modelación, aunque el ARIMA logra un buen ajuste general, el modelo SARIMA resulta más adecuado al capturar la estacionalidad y, especialmente, los puntos de inflexión de la serie, lo cual es clave para entender cambios en su trayectoria. Por esta razón, se selecciona como modelo final.
El pronóstico para enero de 2026 indica una caída en la producción, con una variación mensual de −14,73% y anual de −9,54%, evidenciando una desaceleración en el corto plazo. Para Ingenio María Luisa, esto implica la necesidad de ajustar su planeación productiva, optimizar inventarios y fortalecer su estrategia ante un entorno incierto.
En este contexto, el valor del análisis radica en anticipar cambios en la dinámica del sector, permitiendo a la empresa tomar decisiones más informadas y oportunas. estacionalidad.