En este artículo, utilizamos un modelo de aprendizaje automático (la red neuronal convolucional) para analizar imágenes aéreas de áreas sembradas de trigo duro rojo de invierno y la cobertura de nubes sobre las áreas sembradas como un proxy para las previsiones de rendimiento futuro. Entrenamos nuestro modelo para prever el precio de futuros 20 días por adelantado y proporcionar recomendaciones para una posición larga o corta en futuros de trigo. Nuestro método muestra que lograr un alfa positivo dentro de una ventana de tiempo corta es posible si la elección del algoritmo y los datos son únicos. Sin embargo, el rendimiento del modelo puede deteriorarse rápidamente si los datos de entrada se vuelven más fácilmente disponibles y/o la estrategia de trading se vuelve concurrida, como fue el caso con las imágenes aéreas que utilizamos en este artículo.