MétaCan
Menu
Retour à la cohorte
Enregistrement W1972005426 · doi:10.1017/s1931436100000407

Canadian Ice Wine Production: A Case for the Use of Weather Derivatives

2007· article· en· W1972005426 sur OpenAlexaffabout
Don Cyr, Martin Kusý

Notice bibliographique

RevueJournal of Wine Economics · 2007
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural risk and resilience
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésHedgeProduction (economics)Variable (mathematics)Benchmark (surveying)Range (aeronautics)WineEnvironmental scienceBusinessEconometricsEconomicsMathematicsEngineeringGeographyMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Weather derivatives are a relatively new form of financial security that can provide firms with the ability to hedge against the impact of weather related risks to their activities. Participants in the energy industry have employed standardized weather contracts trading on organized exchanges since 1999 and the interest in non-standardized contracts for specialized weather related risks is growing at an increasing rate. The purpose of this paper is to examine the potential use of weather derivatives to hedge against temperature related risks in Canadian ice wine production. Specifically we examine historical data for the Niagara region of the province of Ontario, Canada, the largest icewine producing region of the world, to determine an appropriate underlying variable for the design of an option contact that could be employed by icewine producers. Employing monte carlo simulation we derive a range of benchmark option values based upon varying assumptions regarding the stochastic process for an underlying temperature variable. The results show that such option contracts can provide valuable hedging opportunities for producers, given the historical seasonal temperature variations in the region. (JEL Classification: G13, G32, Q14, Q51, Q54)

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,117
Score d'incertitude au seuil0,234

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,039
Tête enseignante GPT0,226
Écart entre enseignants0,187 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Wine EconomicsMême sujetAgricultural risk and resilienceTravaux en français237 207