Do farmers exhibit disposition effect? Evidence from grain markets
Notice bibliographique
Résumé
Purpose – The purpose of this paper is to explore the existence of disposition effect among Canadian wheat farmers when marketing their grain. This study examines the question of whether farmers wait too long to price their grain or whether they price it too soon. Design/methodology/approach – The disposition effect is a common behavior documented in financial markets, and reflects the notion that investors tend to hold losing positions too long and close winning positions too fast. This idea can also be applied to grain marketing, exploring whether farmers sell their grain more readily when prices are “high” and wait longer when prices are “low.” Based on the approach by Odean (1998), marketing strategies of 15,564 farmers between 2003/2004 and 2008/2009 are examined. Findings – Results support the existence of disposition effect in marketing decisions. Farmers seem to be eager to sell when prices offered by contracts are above their reference price and wait longer to sell when prices offered by contracts are below their reference price. There is no clear evidence that farmers might consistently benefit from this behavior. On the other hand, it is not clear whether this behavior can be costly to farmers. Originality/value – Exploring the existence of disposition effect is relevant because this behavior can affect performance. If grain is sold too early, farmers can miss opportunities to sell at higher prices later. If grain is held too long, prices can go down and farmers will end up selling at lower prices. This study uses unique data to perform the first analysis of the disposition effect in the agricultural industry, and its findings can provide new insights and move us toward a more complete understanding of decision making in this industry.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».