MétaCan
Menu
Retour à la cohorte
Enregistrement W2110424412 · doi:10.1111/j.1467-2979.2007.00270.x

Real options for precautionary fisheries management

2008· article· en· W2110424412 sur OpenAlexaboutno aff
Eli P. Fenichel, Jean I. Tsao, Michael L. Jones, Graham J. Hickling

Notice bibliographique

RevueFish and Fisheries · 2008
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCapital Investment and Risk Analysis
Établissements canadiensnon disponible
Organismes subventionnairesCollege of Engineering, Michigan State UniversityMichigan State UniversityGreat Lakes Fishery Commission
Mots-clésPrecautionary principleRisk analysis (engineering)Risk managementRubricFisheries managementBusinessInvestment (military)Risk aversion (psychology)EconomicsActuarial scienceExpected utility hypothesisFisheryFishingFinanceFinancial economics

Résumé

récupéré en direct d'OpenAlex

Abstract The 1996 Food and Agriculture Organization’s (FAO) ‘Guidelines on the Precautionary Approach to Fisheries and Species Introduction’ raise important issues for fisheries managers, but fail to prescribe an approach for risk management. The distinguishing characteristics of the ‘precautionary approach’ are the inclusion of uncertainty and ‘an elaboration on the burden of proof’. The FAO precautionary approach emphasizes that managers should be risk‐averse, but does not provide tools for determining the appropriate degree of risk aversion. Consequently, application of the precautionary approach often leads to decision‐making based onad hocsafety margins. These safety margins are seldom chosen with explicit consideration of trade‐offs. If the emphasis was shifted to choosing between competing uncertainties, then managers could manage risk. By attempting to avoid risk, managers may gain exposure to other risks and perhaps miss valuable opportunities. We place fishery management problems within the rubric of ‘real investment’ problems, and compare and contrast the consideration of risk by alternative investment frameworks. We show that traditional investment frameworks are inappropriate for fishery management, and furthermore, that traditional precautionary approaches are arbitrary and without basis in decision theory. Quantitative decision‐making techniques, such as formal decision analysis (FDA), enable integration of competing hypotheses that help alleviate burden‐of‐proof issues. These techniques help analysts consider sources of uncertainty. FDA, however, can still be subject to arbitrary safety margins because such analyses often focus on determining which strategies best achieve, or avoid, targets that have been established without complete consideration of trade‐offs. A managerial finance approach, real options analysis (ROA), is an alternative and complementary decision‐making technique that enables managers to compute precautionary adjustments that couple the size of the ‘safety margin’ with the amount of uncertainty, thereby optimizing risk exposure and avoiding the need for arbitrary safety margins. We illustrate the advantages of an approach that combines FDA and ROA, using a heuristic example about a decision to re‐introduce Atlantic salmon (Salmo salarL.) into Lake Ontario. Finally, we provide guidance on applying ROA to other fishery problems. The precautionary approach requires that managers consider risk, but considering risk is not the same as managing it. Here ROA is useful.

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)0,006
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,014
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,004
Communication savante0,0060,004
Science ouverte0,0020,003
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0180,001

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,205
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 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'étudeSimulation ou modélisation
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

Citations33
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFish and FisheriesMême sujetCapital Investment and Risk AnalysisTravaux en français237 207