ANÁLISIS DEL SENTIMIENTO DEL MERCADO EN LAS NOTICIAS AGROINDUSTRIALES: UN ANÁLISIS DE LA CORRELACIÓN CON LOS PRECIOS EN EL CLÚSTER AVÍCOLA DE BASTOS-SP
DOI:
https://doi.org/10.56238/revgeov17n4-024Palabras clave:
Análisis de Sentimiento, BERTimbau, Agroindustria, Formación de Precios, Bastos-SPResumen
Este estudio investiga la correlación entre el sentimiento de los medios especializados y la formación de precios en el clúster avícola de Bastos-SP, un centro que representa aproximadamente el 11% de la producción brasileña de huevos. El objetivo principal del trabajo es validar si el flujo informativo actúa como un indicador adelantado o si el mercado local opera desvinculado de las expectativas digitales debido a factores físicos fundamentales. La metodología aplicada, de carácter exploratorio y cuantitativo, emplea técnicas de procesamiento del lenguaje natural (PLN) mediante el modelo de aprendizaje profundo BERTimbau para analizar un corpus de titulares recopilados entre 2023 y 2026. Los datos fueron sometidos a filtrado semántico y remuestreo semanal utilizando el método “.resample('W')” de la biblioteca Pandas con programación en Python. Los resultados demuestran que la curación de fuentes y la eliminación del ruido técnico triplicaron la correlación de Pearson observada (de r = 0,04 a r = 0,12), lo que indica que los precios de los huevos son marginalmente sensibles a factores macroeconómicos más que a información zootécnica. La débil pero positiva correlación (r = 0,12) observada tras la inclusión de fuentes macroeconómicas sugiere que los productores locales son ligeramente más sensibles a las tendencias estructurales (costes de los cereales, entorno externo) que a los factores técnicos zootécnicos, los cuales resultaron estadísticamente irrelevantes para la previsión de precios a corto plazo. Por lo tanto, se concluye que la débil magnitud de la correlación confirma el predominio del mercado spot y la naturaleza biológica del activo, posicionando el sentimiento mediático predominantemente como un indicador coincidente de las condiciones del mercado.
Descargas
Referencias
AVINEWS. Avinews Brasil. [S.l.]: Avinews, [s.d.]. Disponível em: https://avinews.com/br/. Acesso em: 9 mar. 2026.
AVISITE. Portal Avisite. São Paulo: Avisite, [s.d.]. Disponível em: https://www.avisite.com.br/. Acesso em: 9 mar. 2026.
CANAL RURAL. Portal Canal Rural. São Paulo: Canal Rural, [s.d.]. Disponível em: https://www.canalrural.com.br/. Acesso em: 9 mar. 2026.
CEPEA – CENTRO DE ESTUDOS AVANÇADOS EM ECONOMIA APLICADA. Séries históricas diárias: ovo tipo extra, branco, Bastos/SP. Piracicaba: ESALQ/USP, 2026. Disponível em: https://www.cepea.esalq.usp.br/br/indicador/ovo.aspx. Acesso em: 9 mar. 2026.
CHAUDHRY, Parinnay. Bidirectional Encoder Representations from Transformers for Modelling Stock Prices. Delhi: University of Delhi, 2022. Disponível em: https://www.researchgate.net/publication/358799138. Acesso em: 9 mar. 2026
COSTA, Wilson Y. et al. BERTimbau: pretrained BERT models for Brazilian Portuguese. In: BRAZILIAN CONFERENCE ON INTELLIGENT SYSTEMS (BRACIS), 9., 2020, Rio Grande do Sul. Proceedings [...]. Cham: Springer, 2020. p. 403–417. Disponível em: https://arxiv.org/abs/2009.08144. Acesso em: 9 mar. 2026.
DOS REIS FILHO, Ivan José; CORREA, Guilherme Bittencourt; FREIRE, Guilherme Mendonça; REZENDE, Solange Oliveira. Forecasting future corn and soybean prices: an analysis of the use of textual information to enrich time-series.. In: SYMPOSIUM ON KNOWLEDGE DISCOVERY, MINING AND LEARNING (KDMILE), 8. , 2020, Evento Online. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2020 . p. 113-120. ISSN 2763-8944. DOI: https://doi.org/10.5753/kdmile.2020.11966.
EMBRAPA SUÍNOS E AVES. Central de Inteligência de Aves e Suínos (CIAS): análises de mercado e conjuntura da avicultura brasileira. Concórdia: Embrapa Suínos e Aves, 2024. Disponível em: https://www.embrapa.br/suinos-e-aves/cias/analises. Acesso em: 9 mar. 2026.
GLOBO RURAL. Portal Globo Rural. Rio de Janeiro: Globo, [s.d.]. Disponível em: https://www.globo.com/globorural/. Acesso em: 9 mar. 2026.
LI, Zhouxin; WANG, Zhiguang; DIERSEN, Matthew. Do Agricultural Commodity Price Spikes Always Stem from News? NCCC-134 Conference on Applied Commodity Price Analysis, Forecasting, and Market Risk Management, St. Louis, MO, 2024. Disponível em: https://farmdoc.illinois.edu/assets/meetings/nccc134/conf_2024/pdf/Li_Wang_Diersen_NCCC-134_2024.pdf.
MCKINNEY, Wes; PANDAS DEVELOPMENT TEAM. Pandas: powerful Python data analysis toolkit. [S.l.]: Pandas, 2026. Disponível em: https://pandas.pydata.org/. Acesso em: 9 mar. 2026.
MORAIS, Esther. Conheça Bastos, a cidade brasileira que bota 290 ovos por segundo. Jornal Correio, 14 jul. 2025. Disponível em: https://www.correio24horas.com.br/brasil/conheca-bastos-a-cidade-brasileira-que-bota-290-ovos-por-segundo-0725. Acesso em: 9 mar. 2026.
MORASSUTI, Miguel Guimarães; NETO, Mario Mollo. Google trends como ferramenta de análise do mercado de ovos: evidências do município de Bastos-SP. Revista QUALYACADEMICS. Editora UNISV; v.3, n.1, 2025; p. 895-900. ISSN 2965976-0 | D.O.I.: doi.org/10.59283/unisv.v3n2.036
RODARTE, Henrique. 22 milhões de ovos por dia: conheça a Capital do Ovo. Agro em Campo, 14 jul. 2025. Disponível em: https://agroemcampo.com.br/capital-do-ovo (agroemcampo.com.br in Bing). Acesso em: 4 abr. 2026.
TETLOCK, Paul C. Giving content to investor sentiment: the role of media in the stock market. The Journal of Finance, [s. l.], v. 62, n. 3, p. 1139-1168, 2007. Disponível em: https://doi.org/10.1111/j.1540-6261.2007.01232.x. Acesso em: 6 jan. 2026.
SAHOO, Arghya et al. Comparative Analysis of BERT Models for Sentiment Analysis on Twitter Data. In: INTERNATIONAL CONFERENCE ON SMART COMPUTING AND COMMUNICATIONS (ICSCC), 9., 2023. Proceedings [...]. IEEE, 2023. p. 1-6. Disponível em: https://www.researchgate.net/publication/376268841. Acesso em: 9 mar. 2026.
SOUZA, Fábio; NOGUEIRA, Rodrigo; LOTUFO, Roberto de Alencar. BERTimbau: pretrained BERT models for Brazilian portuguese. In: ENCONTRO NACIONAL DE INTELIGÊNCIA ARTIFICIAL E COMPUTACIONAL, 9., 2020, Rio Grande. Proceedings [...]. Cham: Springer, 2020. p. 403-417. (Lecture Notes in Computer Science, v. 12455). Disponível em: https://doi.org/10.1007/978-3-030-61377-8_28. Acesso em: 6 jan. 2026.
SHRESTHA, Keshab; SUBRAMANIAM, Ravichandran; THIYAGARAJAN, Thangarajah. Price Discovery in Agricultural Markets. American Business Review, v. 23, n. 1, p. 53-69, 2020. Disponível em: https://digitalcommons.newhaven.edu/americanbusinessreview/vol23/iss1/4/.
XU, Jia-Lang; HSU, Ying-Lin. The impact of news sentiment indicators on agricultural product prices. Computational Economics, [s. l.], v. 59, n. 4, p. 1645-1657, abr. 2022. Disponível em: https://doi.org/10.1007/s10614-021-10189-4. Acesso em: 6 jan. 2026.