Dynamic and Volatility of World Agricultural Market Prices: Impacts on Importations and Food Security in WAEMU
Notice bibliographique
Résumé
Over the last decade, the use of foodstuffs such as corn, wheat and soybean in biofuels production has been growing sharply in the United States, Canada and Europe. This growth has increased total demand for agricultural commodities and stimulated agricultural prices. However, corn, rice, wheat and soybean are the most important sources of calorific energy for West African Economic and Monetary Union (WAEMU) member states’ population, and WAEMU countries are highly dependent on the imports of these products. Consequently, rising prices can have an important impact on imports and severe consequences on food security in these developing countries. This paper aims to investigate: (i) the short-term and long-term relationships between the prices of corn, rice, wheat, soybean and oil and their volatilities, and (ii) the effects of these agricultural commodities prices shocks on the imports of each WAEMU member states. The Autoregressive Distributed Lag (ARDL) model, the Multivariate Generalized Autoregressive Conditional Heteroskedasticity (MGARCH) model and the Granger causality test are used in this investigation. The results show that imports of agricultural commodities in WAEMU countries are highly and significantly sensitive to price changes in international market. In short term as well as in long term, there is a significant relationship between the prices of these products. We find a positive relationship in general between prices volatilities, and negative effects of price volatility on imports. Thus, distortions in world agricultural markets threaten considerably food security in WAEMU countries, especially access to food for vulnerable and low-income populations. Policy makers must adopt viable strategies to increase agricultural production and limit their dependence on imports.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».