Assessing the Sensitivity of Global Maize Price to Regional Productions Using Statistical and Machine Learning Methods - INRAE - Institut national de recherche pour l’agriculture, l’alimentation et l’environnement Accéder directement au contenu
Article Dans Une Revue Frontiers in Sustainable Food Systems Année : 2021

Assessing the Sensitivity of Global Maize Price to Regional Productions Using Statistical and Machine Learning Methods

Évaluation de la sensibilité du prix mondial du maïs aux productions régionales à l'aide de méthodes statistiques et d'apprentissage automatique

Résumé

Agricultural price shocks strongly affect farmers' income and food security. It is therefore important to understand and anticipate their origins and occurrence, particularly for the world's main agricultural commodities. In this study, we assess the impacts of yearly variations in regional maize productions and yields on global maize prices using several statistical and machine-learning (ML) methods. Our results show that, of all regions considered, Northern America is by far the most influential. More specifically, our models reveal that a yearly yield gain of +8% in Northern America negatively impacts the global maize price by about –7%, while a decrease of –0.1% is expected to increase global maize price by more than +7%. Our classification models show that a small decrease in the maize yield in Northern America can inflate the probability of maize price increase on the global scale. The maize productions in the other regions have a much lower influence on the global price. Among the tested methods, random forest and gradient boosting perform better than linear models. Our results highlight the interest of ML in analyzing global prices of major commodities and reveal the strong sensitivity of maize prices to small variations of maize production in Northern America.
Les chocs de prix agricoles affectent fortement les revenus et la sécurité alimentaire des agriculteurs. Il est donc important de comprendre et d'anticiper leurs origines et leur occurrence, en particulier pour les principaux produits agricoles de base dans le monde. Dans cette étude, nous évaluons les impacts des variations annuelles des productions et des rendements régionaux de maïs sur les prix mondiaux du maïs en utilisant plusieurs méthodes statistiques et d'apprentissage automatique (ML). Nos résultats montrent que, de toutes les régions considérées, l'Amérique du Nord est de loin la plus influente. Plus précisément, nos modèles révèlent qu'un gain de rendement annuel de +8% en Amérique du Nord a un impact négatif d'environ -7% sur le prix mondial du maïs, tandis qu'une baisse de -0,1% devrait augmenter le prix mondial du maïs de plus de +7%. Nos modèles de classification montrent qu'une petite diminution du rendement du maïs en Amérique du Nord peut gonfler la probabilité d'une augmentation du prix du maïs à l'échelle mondiale. Les productions de maïs dans les autres régions ont une influence beaucoup plus faible sur le prix mondial. Parmi les méthodes testées, random forest et gradient boosting sont plus performants que les modèles linéaires. Nos résultats soulignent l'intérêt des ML pour l'analyse des prix mondiaux des principales matières premières et révèlent la forte sensibilité des prix du maïs à de faibles variations de la production de maïs en Amérique du Nord.

Dates et versions

hal-03253794 , version 1 (08-06-2021)

Identifiants

Citer

Rotem Zelingher, David Makowski, Thierry Brunelle. Assessing the Sensitivity of Global Maize Price to Regional Productions Using Statistical and Machine Learning Methods. Frontiers in Sustainable Food Systems, 2021, 5, ⟨10.3389/fsufs.2021.655206⟩. ⟨hal-03253794⟩
112 Consultations
0 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More