MétaCan
Menu
Retour à la cohorte
Enregistrement W2794125379 · doi:10.1111/poms.12875

Joint Control of Emissions Permit Trading and Production Involving Fixed and Variable Transaction Costs

2018· article· en· W2794125379 sur OpenAlexaff
Quan Yuan, Jian Yang, Yun Zhou

Notice bibliographique

RevueProduction and Operations Management · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueClimate Change Policy and Economics
Établissements canadiensMcMaster University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésHeuristicsExploitProduction (economics)ConvexityVariable (mathematics)Transaction costControl (management)PurchasingDatabase transactionVariable costFixed costEmissions tradingComputer scienceMicroeconomicsBusinessEconomicsIndustrial organizationOperations researchOperations managementGreenhouse gasFinanceComputer security

Résumé

récupéré en direct d'OpenAlex

The use of permit markets to mitigate harmful emissions is on the rise. When participating in such a market, an emitting firm needs to acquire from it permits that cover emissions resulting from production. Thus, it has to simultaneously cope with fluctuating permit prices and random demand, and also juggle between the activities of permit trading and permit‐consuming production. We shed light on this complex dynamic control problem, while confronting difficulties brought on by fixed as well as variable transaction costs associated with permit trading. We exploit K‐convexity variants that are suitable for two‐dimensional control, and achieve the partial characterization of optimal control policies. When the selling of permits is prohibited, we prescribe an ( s, S)‐type permit purchasing policy. For the more general case involving two‐way trading, we find it optimal to carry out trading in a three‐interval fashion. Heuristics, including one based on the uncoupling of trading and production activities, are introduced. Their effectiveness has been illustrated in computational studies.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,060
Tête enseignante GPT0,238
Écart entre enseignants0,178 · 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

Citations31
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProduction and Operations ManagementMême sujetClimate Change Policy and EconomicsTravaux en français237 207