MétaCan
Menu
Retour à la cohorte
Enregistrement W2099601146 · doi:10.1111/j.1468-5957.2010.02232.x

Getting Real with Real Options: A Utility–Based Approach for Finite–Time Investment in Incomplete Markets

2011· article· en· W2099601146 sur OpenAlexaff
Matheus R. Grasselli

Notice bibliographique

RevueJournal of Business Finance &amp Accounting · 2011
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCapital Investment and Risk Analysis
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésInvestment (military)Flexibility (engineering)Asset (computer security)EconomicsRisk aversion (psychology)Value (mathematics)MicroeconomicsFinancial marketEconometricsNet present valueIncomplete marketsActuarial scienceFinancial economicsFinanceComputer scienceExpected utility hypothesisMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract: We apply a utility–based method to obtain the value of a finite–time investment opportunity when the underlying real asset is not perfectly correlated to a traded financial asset. Using the comparison principle for the associated variational inequality, we establish several qualitative properties of the optimal investment boundary, in particular its dependence on correlation and risk aversion. We then use a discrete–time algorithm to calculate the indifference value for this type of real option and present numerical examples for the corresponding investment thresholds. We verify that even in the zero correlation case, whereby none of the risk in the project can be hedged in a financial market, the paradigm of real options can still be applied to value an investment decision, since the opportunity to invest still carries an option value above its net present value. In other words, it is time flexibility itself, more than the possibility of replication, that is the source of the extra value of an investment opportunity. This value, however, quickly erodes at higher levels of risk aversion, and even more so when the project is weakly correlated to financial markets.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,201
Score d'incertitude au seuil0,972

Scores Codex et Gemma par catégorie

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

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 Opus0,058
Tête enseignante GPT0,221
Écart entre enseignants0,164 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations29
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Business Finance &amp AccountingMême sujetCapital Investment and Risk AnalysisTravaux en français237 207