A Stochastic Dynamic Programming Analysis of Farmland Investment and Financial Management
Notice bibliographique
Résumé
This paper develops a multiperiod investment portfolio model that includes risky farmland, risky and risk‐free nonfarm assets, and debt financing on farmland in the presence of transaction costs and credit constraints. The model is formulated as a stochastic continuous‐state dynamic programming problem, and is solved numerically for Southwestern Minnesota, USA. Results show that optimal investment decisions are dynamic and take into account the future decisions due to uncertainty, partial irreversibility, and the option to wait. The optimal policy includes ranges of inaction, states where the optimal policy in the current year is to wait. The risk‐averse farmer makes a lower investment in risky farmland reflecting risk‐avoiding behavior. We find that, in addition to risk aversion, the length of the planning horizon affects risk‐avoiding behavior in investment decisions. In contrast to a static model, changes in the riskiness of returns affect optimal investment decisions even when the decision maker is risk neutral. Finally, we find that higher debt financing on farmland is optimal when risky nonfarm assets can be included in the optimal investment portfolio and that the probability of exiting farming increases with the risky nonfarm investment. Dans le présent article, nous avons élaboré un modèle de portefeuille multipériode composé d'actifs agricoles risqués (terres), d'actifs non agricoles risqués et sans risque ainsi que de financement par emprunt de terres comprenant des coûts de transaction et des contraintes de crédit. Le modèle a été formulé comme un problème de programmation dynamique stochastique en temps continu et a été résolu de façon numérique pour le sud‐ouest du Minnesota, aux États‐Unis. Les résultats ont montré que les décisions optimales d'investissement sont dynamiques et qu’elles tiennent compte des décisions futures en raison de l'incertitude, de l'irréversibilité partielle et du choix d'attendre. La politique optimale inclut des plages d'inaction et des situations où la politique optimale de l'année en cours doit attendre. L'agriculteur risquophobe investit peu dans des actifs fonciers risqués ce qui traduit un comportement d'évitement des risques. Nous sommes arrivés à la conclusion que la longueur de l'horizon de planification, en plus de l'aversion pour le risque, influe sur le comportement d'évitement des risques au moment de prendre des décisions d'investissement. Contrairement au modèle statique, les changements dans les risques de rendements influent sur les décisions optimales d'investissement même si le décideur est indifférent au risque. Finalement, nous avons trouvé que le financement par emprunt pour des terres agricoles est optimal lorsqu’il est possible d'inclure des actifs non agricoles risqués dans le portefeuille optimal et que la probabilité de quitter l'agriculture augmente en présence d'investissements non agricoles risqués.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 | 0,000 |
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.
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 ».