📈 economics

Climate-Pressure Pass-Through to Food Inflation in ASEAN: Mixed-Frequency Quantile Evidence

Este artículo emplea un marco de regresión cuantílica de frecuencias mixtas para demostrar que, si bien los indicadores de presión climática como el estrés térmico muestran una asociación limitada con la inflación de los alimentos en la ASEAN en promedio, sirven como señales complementarias significativas para monitorear riesgos de inflación elevada en la cola superior de la distribución, mientras que los precios mundiales de los alimentos y la depreciación de la moneda siguen siendo los principales impulsores.

Autores originales: Nuttaphat Sukchitt, Pasin Marupanthorn, Waewwan La-ongsri

Publicado 2026-08-03

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Nuttaphat Sukchitt, Pasin Marupanthorn, Waewwan La-ongsri

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina la economía como una cocina gigante y bulliciosa donde millones de personas intentan cocinar la cena todos los días. En esta cocina, el precio de los alimentos es como la temperatura de la estufa: puede ser constante y predecible, o puede subir repentinamente, quemando tu tostada y haciendo que todos tengan más hambre. Los economistas, que son como los chefs principales del mundo, pasan mucho tiempo tratando de averiguar por qué la estufa se calienta demasiado. Saben que, a veces, el fuego crece porque el precio de los ingredientes de otros países sube, o porque el dinero que la gente usa para comprar cosas pierde su valor. Pero hay otra fuerza invisible en juego: el clima. Al igual la que una ola de calor repentina puede marchitar un jardín o una inundación puede arrasar con una cosecha, el clima puede hacer que los precios de los alimentos salten. La gran pregunta para los científicos es: ¿Podemos realmente ver las huellas dactilares del clima en el precio de los alimentos, o es solo una coincidencia desordenada? Este es el rompecabezas que los investigadores en el sudeste asiático se propusieron resolver, buscando una señal oculta en el ruido de la vida cotidiana.

Este artículo es como una historia de detectives donde los investigadores intentan averiguar si el clima está controlando secretamente el precio de los alimentos en ocho países del sudeste asiático (ASEAN). En lugar de mirar solo el precio promedio de los alimentos durante todo un año, los autores decidieron observar los "peores escenarios": aquellos momentos en los que los precios de los alimentos ya se estaban disparando. Utilizaron un truco ingenioso para convertir los informes climáticos diarios (como "hoy fueron 35 °C" o "llovió 50 mm") en una puntuación única que representa la "presión de calor" o la "presión de sequía" para el mes. Luego, realizaron un tipo especial de prueba matemática llamada "regresión cuantílica", que es como revisar el pronóstico del tiempo no solo para un día normal, sino específicamente para los días más calurosos y caóticos del año.

Esto es lo que encontraron, y es un poco sorprendente. Si observas el mes promedio, el clima no parece tener una conexión fuerte y clara con los precios de los alimentos. Las matemáticas dicen que el vínculo es débil y difuso, casi como intentar escuchar un susurro en una habitación ruidosa. Sin embargo, cuando los investigadores hicieron zoom en la cima de la lista de precios —esos meses aterradores cuando la inflación de los alimentos ya es alta— la historia cambia. Descubrieron que la "presión de calor" (cuando hace un calor inusual) sí parece empujar los precios aún más arriba. Específicamente, cuando el índice de calor aumenta en una desviación estándar (un gran salto en el calor), la tasa de inflación de los alimentos en el nivel más alto de la distribución (el percentil 90) salta aproximadamente 0.069 puntos porcentuales. Es como si la estufa ya estuviera caliente, y un poco de calor adicional proveniente del sol hiciera que hirviera un poco más.

Pero aquí está el giro: el artículo descarta explícitamente algunas cosas. Primero, descubrieron que el "exceso de lluvia" (demasiada agua) no tiene un efecto estable y predecible en los precios; los datos eran demasiado desordenados para contar una historia clara. Segundo, probaron una idea de "viaje en el tiempo" mirando el clima que ocurre tres meses en el futuro. Encontraron que el clima futuro no tiene conexión con los precios actuales, lo que demuestra que no están viendo simplemente patrones aleatorios o trucos estacionales. Finalmente, son muy cuidadosos al decir que no han "probado" que el calor cause el aumento de los precios de una manera estricta e inmutable. En su lugar, sugieren que el calor es una "señal de advertencia" útil que ayuda a entender por qué los precios suben tanto durante los meses malos, incluso si no explica el precio promedio de los alimentos.

Entonces, ¿cuál es la conclusión? Piensa en la economía como un coche. Los precios mundiales de los alimentos y el valor del dinero son como el motor y el combustible: son las cosas principales que impulsan el coche. El clima, específicamente el calor, no es el motor, sino que es como una ráfaga de viento repentina que golpea al coche. En un día tranquilo, apenas notas el viento. Pero si el coche ya está acelerando (inflación alta), esa ráfaga de viento puede empujarlo al límite. Los autores sugieren que, si bien no podemos usar el clima por sí solo para predecir el futuro, vigilar la "presión de calor" es una forma inteligente de detectar cuándo los precios de los alimentos podrían salirse de control, especialmente en esos meses que ya son calurosos y caros. Es una nueva herramienta para que los chefs en la cocina ayuden a evitar que la estufa queme la tostada.

Resumen Técnico: Transmisión de la Presión Climática a la Inflación de los Alimentos en la ASEAN

Planteamiento del Problema
La inflación de los alimentos en la ASEAN es un problema macroeconómico y de bienestar crítico, particularmente para los hogares de menores ingresos. Si bien se entiende bien que los impulsores de los precios de los alimentos incluyen la oferta doméstica, el comercio, los precios mundiales de las materias primas y los tipos de cambio, el papel específico de la variación climática sigue siendo complejo. El clima afecta la oferta de alimentos a través de múltiples canales (rendimientos, ganadería, deterioro, logística); sin embargo, la literatura existente suele basarse en regresiones de media condicional, datos anuales o paneles globales. Estos enfoques pueden ocultar la heterogeneidad distributiva, al no detectar si la presión climática de alta frecuencia está asociada específicamente con la cola superior de la inflación mensual de los alimentos. Además, existe una brecha en la combinación de predictores climáticos de alta frecuencia con un conjunto integral de controles de precios domésticos y de economía abierta, así como una falta de distinción entre las correlaciones in-sample y las capacidades de pronóstico operativo en tiempo real.

Metodología
El estudio utiliza un panel mensual desbalanceado de ocho economías de la ASEAN (Camboya, Indonesia, Laos, Malasia, Filipinas, Singapur, Tailandia y Vietnam) que abarca desde enero de 2010 hasta diciembre de 2024.

Construcción de Datos:
- Datos Meteorológicos: Los datos de temperatura media diaria y precipitación se obtienen de NASA POWER para puntos de referencia de las capitales.
- Indicadores de Presión Climática: Los autores construyen tres indicadores de anomalía unidireccionales relativos a una referencia estacional específica por país de 2000–2019:
  - Calor: Desviaciones positivas de temperatura.
  - Déficit de Precipitación: Desviaciones negativas de precipitación.
  - Exceso de Precipitación: Desviaciones positivas de precipitación.
- Agregación de Frecuencia Mixta: Estos indicadores diarios se agregan en índices mensuales utilizando una ventana de 60 días ponderada por recencia con un parámetro de decaimiento exponencial ( $\kappa = 0.045$ ). Esto preserva la temporalidad de las observaciones diarias en lugar de colapsarlas en promedios mensuales sin ponderar. Los índices resultantes se estandarizan dentro de cada país utilizando la historia climática completa de 2001–2024.
- Variables de Control: Los modelos controlan la inflación de alimentos rezagada, la inflación general y de energía contemporánea, la inflación mundial de alimentos y energía, la depreciación del tipo de cambio y un indicador de la pandemia post-2020.
Estrategia Econométrica:
- Modelo de Media Condicional: Se estima una regresión dinámica agrupada con efectos fijos de país y de mes de calendario mediante Mínimos Cuadrados Ordinarios (OLS) con errores estándar robustos a la heterocedasticidad HC1.
- Regresión de Cuantiles: El estudio emplea regresión de cuantiles agrupada (estimador Koenker–Bassett) en los cuantiles condicionales 25, 50, 75 y 90. Esto desplaza el enfoque de la inflación promedio hacia la cola superior condicional, interpretando el percentil 90 como una medida de la presión inflacionaria elevada.
- Prueba de Placebo: Se estima un placebo de temporalidad utilizando indicadores de calor y déficit de lluvia de tres meses adelantados a la observación de la inflación para probar artefactos estacionales espurios.

Contribuciones Clave

Marco de Frecuencia Mixta: El artículo introduce un método para transformar las observaciones climáticas diarias en indicadores de presión climática mensuales asimétricos y ponderados por recencia para su uso en modelos de inflación mensual sin estimar un polinomio de rezago MIDAS conjunto.
Enfoque Distributivo: Más allá de las medias condicionales, el análisis apunta explícitamente a la cola superior condicional (cuantil 90), alineándose con la lógica de "macro-en-riesgo", donde la vulnerabilidad suele residir en la cola incluso cuando la media es estable.
Interpretación de Asociación Incremental: El estudio posiciona los indicadores climáticos como señales de monitoreo incremental dentro de un conjunto de condicionamiento de economía abierta, reconociendo las limitaciones de los datos observacionales y los controles de precios contemporáneos.

Resultados

Estimaciones de la Media Condicional: En el modelo de promedio, los indicadores de presión climática (calor, déficit de lluvia, exceso de lluvia) muestran coeficientes pequeños y estadísticamente imprecisos. En contraste, la inflación de los precios mundiales de los alimentos y la depreciación del tipo de cambio están asociadas de forma positiva y significativa con la inflación promedio de los alimentos.
Estimaciones Distributivas: Emerge un patrón distinto en las regresiones de cuantiles:
- Presión de Calor: El coeficiente del calor aumenta de forma monótona a través de la distribución, pasando de 0.021 en la mediana a 0.069 en el cuantil 90. Los coeficientes en los cuantiles 75 y 90 son estadísticamente significativos (nivel del 5%), lo que sugiere que la presión del calor contiene información incremental sobre estados de inflación elevada que se ve oscurecida en las regresiones de promedio.
- Déficit de Precipitación: Muestra un patrón más débil y menos estable, alcanzando su pico en el cuantil 75 (0.047, significativo al 10%) pero perdiendo precisión en el cuantil 90.
- Exceso de Precipitación: No exhibe una relación agregada estable, con coeficientes que fluctúan alrededor de cero y cambian de signo a través de los cuantiles.
Resultados de Placebo: Los indicadores de calor y déficit de lluvia de tres meses de adelanto arrojan coeficientes pequeños y estadísticamente insignificantes, lo que no ofrece evidencia de que el clima futuro explique sistemáticamente la inflación promedio actual.

Significancia y Reivindicaciones
El artículo sostiene que las medidas climáticas de puntos representativos (específicamente la presión de calor) deben interpretarse como señales de monitoreo suplementarias de la cola superior en lugar de estimaciones causales o pronósticos independientes. Los resultados indican que, si bien las regresiones de promedio pueden perder la conexión entre el clima y la inflación de los alimentos, la señal de calor se concentra en estados de inflación elevada.

Los autores declaran explícitamente que el estudio no establece causalidad y que la inferencia disponible no prueba formalmente que los coeficientes difieran entre cuantiles debido a las limitaciones en el manejo de la dependencia de panel con un número pequeño de países. El artículo identifica requisitos específicos para su uso operativo, incluyendo:

Medidas de exposición espacialmente relevantes (por ejemplo, datos de cuadrícula ponderados por cultivos en lugar de puntos de capitales).
Datos de precios de alimentos desagregados.
Controles domésticos no alimentarios.
Procedimientos de inferencia robustos a la dependencia.
Evaluación genuina fuera de la muestra (out-of-sample).

En última instancia, el artículo contribuye con un marco para evaluar el riesgo distributivo de la inflación de los alimentos, sugiriendo que la presión del calor añade información distintiva para el monitoreo de escenarios de alta inflación en la ASEAN, siempre que se utilice junto con indicadores tradicionales como los precios mundiales de las materias primas y los tipos de cambio.

Resumen Técnico: Transmisión de la Presión Climática a la Inflación de los Alimentos en la ASEAN

Más como este