Estrategias de precios e incertidumbre económica
un estudio de caso para la industria farmacéutica argentina usando aprendizaje automatizado
DOI:
https://doi.org/10.46661/rev.metodoscuant.econ.empresa.6407Palabras clave:
mercado farmacéutico, incetidumbre, aprendizaje automatizadoResumen
En agosto de 2019, un resultado inesperado en las elecciones presidenciales generó una variación en el tipo de cambio y la inflación esperados. El objetivo de este estudio es analizar la relación entre la participación de mercado y la
decisión de incrementar los precios en la industria farmacéutica en Argentina.
Métodos: Se obtuvieron datos semanales en línea sobre las variaciones de los precios
de algunos medicamentos mediante técnicas de web scrapping, y luego se aplicaron
algoritmos de clasificación (Random Forests, Gradient Boosting Machine y regresión
logística).
Resultados: Los resultados fueron dispares. Se encontró que la participación de
mercado es importante de acuerdo a los métodos basados en árboles (Random
Forests y Gradient Boosting Machine). Sin embargo, en la regresión logística, dicha
variable no era significativa.
Conclusiones: La volatilidad en el tipo de cambio que siguió al resultado de la elección
causó varios cambios en los precios esperados, y la estructura del mercado
farmacéutico influyó sobre las reacciones de precios resultantes. Los laboratorios que
tenían una mayor participación de mercado incrementaron sus precios primero
Descargas
Citas
Aguilar, A., Ascitelli, A., Carosella, L., Izurieta, M., Perandones, M., Soverchia, S., Yapur, C., Zolezzi, C., Barreña, A., Genaro, A. M., & Scublinsky, D. (2015). Prevalencia de automedicación de antiinflamatorios y analgésicos en la práctica ambulatoria. Revista Argentina de Reumatología, 26(3), 13-15. https://revistasar.org.ar/revistas/2015/n3/2_articulo_original.pdf
Alomar, A. V., Moscoso, N. S. y Larrosa, J. M. C. (2006). Determinantes del acceso a los medicamentos: El caso argentino. Artículo presentado en la XLI Reunión Anual de la Asociación Argentina de Economía Política, Salta, Argentina. https://bd.aaep.org.ar/anales/works/works2006/Alomar_Moscoso_Larrosa.pdf
Al-Thaqeb, S. A., & Algharabali, B. G. (2019). Economic policy uncertainty: A literature review. The Journal of Economic Asymmetries, 20, e00133. https://doi.org/10.1016/j.jeca.2019.e00133 DOI: https://doi.org/10.1016/j.jeca.2019.e00133
Apella, I. (2009). Gasto de bolsillo en salud e impacto financiero sobre los adultos mayores en argentina. Anales de La Asociación Argentina de Economía Política, XLIV Reunión Anual. https://aaep.org.ar/anales/works/works2009/apella.pdf
Baker, S. R., Bloom, N., & Davis, S. J. (2016). Measuring economic policy uncertainty. Quarterly Journal of Economics, 131 (4), 1593-1636. https://doi.org/10.1093/qje/qjw024 DOI: https://doi.org/10.1093/qje/qjw024
Balcilar, M., Gupta, R. and Jooste, C. (2016a). Long memory, economic policy uncertainty and forecasting US inflation: A Bayesian VARFIMA approach. Applied Economics, 49 (11), 1047-1054. https://doi.org/10.1080/00036846.2016.1210777 DOI: https://doi.org/10.1080/00036846.2016.1210777
Balcilar, M., Gupta, R., Kyei, C. and Wohar, M. E. (2016b). Does economic policy uncertainty predict exchange rate returns and volatility? Evidence from a nonparametric causality-in-quantiles test. Open Economies Review, 27, 229-250. https://doi.org/10.1007/s11079-016-9388-x DOI: https://doi.org/10.1007/s11079-016-9388-x
Barberis, M. (2021). Asimetrías del traspaso del tipo de cambio a precios: el caso argentino 2004-2019. Ensayos Económicos (76), 103-143.
Bartsch, Z. (2019). Economic policy uncertainty and dollar-pound exchange rate return volatility. Journal of International Money and Finance, 98, 102067. https://doi.org/10.1016/j.jimonfin.2019.102067 DOI: https://doi.org/10.1016/j.jimonfin.2019.102067
Bhattacharya, P. S., Karayalcin, C. A., & Thomakos, D. D. (2008). Exchange rate pass-through and relative prices: An industry-level empirical investigation. Journal of International Money and Finance, 27, 1135-1160. https://doi.org/10.1016/j.jimonfin.2008.05.004 DOI: https://doi.org/10.1016/j.jimonfin.2008.05.004
Bramuglia, C., Abrutzky, R., y Godio, C. (2012). Análisis de la industria farmacéutica estatal en Argentina (Documento de Jóvenes Investigadores n° 34). Instituto de Investigaciones Gino Germani, Facultad de Ciencias Sociales, Universidad de Buenos Aires. https://biblioteca.clacso.edu.ar/Argentina/iigg-uba/20120801053021/dji34.pdf
Bramuglia, C., Abrutzky, R., & Godio, C. (2015). El perfil de la industria farmacéutica de la Argentina. Interrogantes a mediano plazo. Ciencia, docencia y tecnología, 26 (51), 102-130. https://pcient.uner.edu.ar/index.php/cdyt/article/view/55
Breiman, L. (2001). Random Forests. Machine Learning, 45 (1), 5-32. https://doi.org/10.1023/A:1010933404324 DOI: https://doi.org/10.1023/A:1010933404324
Castiglione, B. (2017). El traspaso a precios de las depreciaciones cambiarias: Una estimación VECM para el caso argentino. Premio Anual de Investigación Económica Dr. Raúl Prebisch.
Central Bank of Argentinian Republic (2019). Resultados del Relevamiento de Expectativas de Mercado. http://www.bcra.gob.ar/Pdfs/PublicacionesEstadisticas/REM200131%20Resultados%20web.pdf
Central Bank of Argentinian Republic (2024). Principales variables. https://www.bcra.gob.ar/PublicacionesEstadisticas/Principales_variables.asp
Chen, L., Du, Z., & Hu, Z. (2020). Impact of economic policy uncertainty on exchange rate volatility of China. Finance Research Letters, 32, 101266. https://doi.org/10.1016/j.frl.2019.08.014 DOI: https://doi.org/10.1016/j.frl.2019.08.014
Dai, Y., Zhang, J., Yu, X., & Li, X. (2017). Causality between economic policy uncertainty and exchange rate in China with considering quantile differences. Theoretical and Applied Economics, 24 (3), 29-38. http://www.ectap.ro/causality-between-economic-policy-uncertainty-and-exchangerate-in-china-with-considering-quantile-differences-yin-dai_jing-wen-zhang_xiu-zhen-yu_xin-li/a1291/
Dornbusch, R. (1987). Exchange rates and prices. The American Economic Review, 77 (1), 93-106. https://www.jstor.org/stable/1806731
Friedman, J. (2001). Greedy function approximation: A gradient boosting machine. The Annals of Statistics, 29 (5), 1189-1232. https://doi.org/10.1214/aos/1013203451 DOI: https://doi.org/10.1214/aos/1013203451
Greenwell B., Boehmke B. & Cunningham J. (2022). Gbm: Generalized Boosted Regression Models. R package version 2.1.8.1, https://CRAN.R-project.org/package=gbm
Gutman, G. & Lavarello, P. (2011). Formas de organización de las empresas biotechnológicas en el sector farmacéutico argentino. Desarrollo Económico, 51 (201), 81-105. https://www.jstor.org/stable/23612337
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2014). Multivariate data analysis: Pearson new international edition. Essex: Pearson Education Limited.
Hastie, T., Tibshirani, R., and Friedman, J. (2009). The elements of statistical learning: Data mining, inference, and prediction. Springer Science & Business Media.
He, B., Zhu, H., Chen, D., & Shi, Y. (2015). On pass-through of RMB exchange rate to prices of different industries. Procedia Computer Science, 55, 886-895. https://doi.org/10.1016/j.procs.2015.07.146 DOI: https://doi.org/10.1016/j.procs.2015.07.146
Herguera, I. (1994). Industry price adjustment to exchange rate fluctuations in oligopoly: An empirical study of the pass-through relationship determinants in the Spanish automobile industry, 1981-1991 (PhD Thesis). European University Institute, Florence. https://op.europa.eu/es/publication-detail/-/publication/213f69a9-c5b3-4219-bf1d-a5195f9ab738
James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An introduction to statistical learning (Vol. 112, p. 18). New York: springer.
https://doi.org/10.1007/978-1-4614-7138-7 DOI: https://doi.org/10.1007/978-1-4614-7138-7
Jones, P. M., & Olson, E. (2013). The time-varying correlation between uncertainty, output and inflation: Evidence from a DCC-GARCH model. Economics Letters, 118, 33-37. https://doi.org/10.1016/j.econlet.2012.09.012 DOI: https://doi.org/10.1016/j.econlet.2012.09.012
Kirman, A., & Phlips, L. (1996). Exchange rate pass-through and market structure. Journal of Economics, 64 (2), 129-154. https://doi.org/10.1007/BF01250111 DOI: https://doi.org/10.1007/BF01250111
Krol, R. (2014). Economic policy uncertainty and exchange rate volatility. International Finance, 17 (2), 241-255. https://doi.org/10.1111/infi.12049 DOI: https://doi.org/10.1111/infi.12049
Kurasawa, K. (2016). Policy uncertainty and foreign exchange rates: The DCC-GARCH model of the US/Japanese foreign exchange rate. International Journal of Economic Sciences, 5 (4), 1-19. https://doi.org/10.52950/ES.2016.5.4.001 DOI: https://doi.org/10.20472/ES.2016.5.4.001
Kuhn, M. (2008). Building Predictive Models in R Using the caret Package. Journal of Statistical Software, 28(5), 1-26.
https://doi.org/10.18637/jss.v028.i05 DOI: https://doi.org/10.18637/jss.v028.i05
Liaw, A., & Wiener, M. (2002). Classification and Regression by randomForest. The R Journal, 2/3, 18-22. https://journal.r-project.org/articles/RN-2002-022/RN-2002-022.pdf
Lu, Z. J., & Comanor, W. S. (1998). Strategic Pricing of New Pharmaceuticals. The Review of Economics and Statistics, 80(1), 108-118.
https://doi.org/10.1162/003465398557212 DOI: https://doi.org/10.1162/003465398557212
Mallick, S., & Marques, H. (2010). Data frequency and exchange rate pass-through: Evidence from India's exports. International Review of Economics and Finance, 19, 13-22. https://doi.org/10.1016/j.iref.2009.02.007 DOI: https://doi.org/10.1016/j.iref.2009.02.007
Mann, C. L. (1986). Prices, profit margins, and exchange rates. Federal Reserve Bulletin, (Jun), 366-379. https://fraser.stlouisfed.org/files/docs/publications/FRB/pages/1985-1989/31910_1985-1989.pdf
Mayo Clinic. (2023). Drugs and Supplements. Atorvastatin (Oral Route). https://www.mayoclinic.org/diseases-conditions/dementia/symptoms-causes/syc-20352013
Medications Committee of the Spanish Association of Pediatrics (2015). Pediamécum. Edición 2015. https://www.aeped.es/comite-medicamentos/pediamecum/enalapril.
Molnar, C. (2022). Interpretable Machine Learning: A Guide for Making Black Box Models Explainable (2nd ed.). https://christophm.github.io/interpretable-ml-book/
Molnar, C., Casalicchio, G., & Bischl, B. (2018). iml: An R package for Interpretable Machine Learning. The Journal of Open Source Software, 3 (26), 786. https://doi.org/10.21105/joss.00786 DOI: https://doi.org/10.21105/joss.00786
Olanipekun, I. O., Olasehinde-Williams, G., & Güngör, H. (2019). Impact of economic policy uncertainty on exchange market pressure. SAGE Open, 9(3), 1-13. https://doi.org/10.1177%2F2158244019876275 DOI: https://doi.org/10.1177/2158244019876275
Otero, G. A., Cadelli, M. E., Carbajal, R., y Cerimedo, F. (2005). Explorando los determinantes del traspaso de la devaluación a precios: Una explicación del éxito devaluatorio argentino de 2002 (documento de trabajo). Grupo de Investigación Económica (GIE) del Ministerio de Economía de la Provincia de Buenos Aires. https://www.ec.gba.gov.ar/prensa/Archivos/Julio2005.pdf
Perticara, M. (2008). Incidencia de los gastos de bolsillo en salud en siete países latinoamericanos. Santos, G., and Thomas, H. (2018). Producción pública de medicamentos. Ciencia, Tecnología y Política, 1(1), 007-007. https://www.cepal.org/es/publicaciones/6146-incidencia-gastos-bolsillo-salud-siete-paises-latinoamericanos
Perehudoff, S. K., Alexandrov, N. V., & Hogerzeil, H. V. (2019). The right to health as the basis for universal health coverage: A cross-national analysis of national medicines policies of 71 countries. PLOS ONE, 14(6), e0215577. https://doi.org/10.1371/journal.pone.0215577 DOI: https://doi.org/10.1371/journal.pone.0215577
R Core Team (2022). R: A language and environment for statistica lcomputing. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/
Santos, G., y Thomas, H. (2018). Producción pública de medicamentos: desafíos para una política estratégica en materia de salud, Ciencia, Tecnología y Política, 1 (1), 1-7. https://doi.org/10.24215/26183188e007 DOI: https://doi.org/10.24215/26183188e007
Statement N° 113/2019. National Commission of Competition Defense, Buenos Aires, Argentina, 23 de December 2019. https://www.argentina.gob.ar/sites/default/files/im._4_-_medicamentos_-_disposicion_y_anexo.pdf
Thorbecke, W., & Kato, A. (2018). Exchange rates and the Swiss economy. Journal of Policy Modeling, 40 (6), 1182-1199. https://doi.org/10.1016/j.jpolmod.2018.07.002 DOI: https://doi.org/10.1016/j.jpolmod.2018.07.002
Urbiztondo, S., Cont, W., & Panadeiros, M. (2013). La competencia en el segmento upstream de la industria farmacéutica argentina. Documento de trabajo, 121. http://www.fiel.org/publicaciones/Documentos/DOC_TRAB_1396372329842.pdf
Wang, Y., Zhang, B., Diao, X., & Wu, C. (2015). Commodity price changes and the predictability of economic policy uncertainty. Economics Letters, 127, 39-42. https://doi.org/10.1016/j.econlet.2014.12.030 DOI: https://doi.org/10.1016/j.econlet.2014.12.030
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Leandro Meller, Juan Virdis, Emiliano Gutiérrez, Diego Domínguez
Esta obra está bajo una licencia internacional Creative Commons Atribución-CompartirIgual 4.0.
El envío de un manuscrito a la Revista supone que el trabajo no ha sido publicado anteriormente (excepto en la forma de un abstract o como parte de una tesis), que no está bajo consideración para su publicación en ninguna otra revista o editorial y que, en caso de aceptación, los autores están conforme con la transferencia automática del copyright a la Revista para su publicación y difusión. Los autores retendrán los derechos de autor para usar y compartir su artículo con un uso personal, institucional o con fines docentes; igualmente retiene los derechos de patente, de marca registrada (en caso de que sean aplicables) o derechos morales de autor (incluyendo los datos de investigación).
Los artículos publicados en la Revista están sujetos a la licencia Creative Commons CC-BY-SA de tipo Reconocimiento-CompartirIgual. Se permite el uso comercial de la obra, reconociendo su autoría, y de las posibles obras derivadas, la distribución de las cuales se debe hacer con una licencia igual a la que regula la obra original.
Hasta el volumen 21 se ha estado empleando la versión de licencia CC-BY-SA 3.0 ES y se ha comenzado a usar la versión CC-BY-SA 4.0 desde el volumen 22.
