Effects of Short-Term Uncertainties on the Revenue Estimation of PPP Sewage Treatment Projects
Notice bibliographique
Résumé
Many sewage treatment facilities in China have been developed and operated using the Public-Private Partnerships (PPP) model. However, a big challenge faced by these PPP projects is that the subsidy requested from the government during the operation is normally higher than what was estimated originally, thus often exceeding the budget that the government can afford. This leads to a high risk of project failure or insufficient operation. This problem is largely caused by the uncertainties exhibited in the existing models, such as the Black-Scholes (BS) model. While being used in the budget estimation, these models cannot sufficiently account for the short-term uncertainty that may be incurred during the operation of projects. In this study, a method to account for this short-term uncertainty has been proposed to improve the BS model. This allows for investigations to address issues related to how the real option value of a government subsidy is affected. A Monte Carlo simulation was performed to take into account the noise in the estimation. A sensitivity analysis further revealed that this discrepancy is largely affected by the values of the relevant parameters in the short-term uncertainty model. We found that the short-term uncertainty has a significant effect on private revenue and government subsidy and that the changes of the latter are more sensitive to the change of short-term uncertainty. The value of the relevant variables of short-term uncertainty determined the fluctuation of the revenue. The mean value and revenue had a positive correlation. The reverting speed and revenue showed a negative correlation. The short-term volatility had a positive correlation toward the fluctuation range of the revenue. The simulation results indicate that this enhanced method can produce more accurate information for a better assessment of the PPP project under a wide range of uncertainty scenarios, allowing for the best decision making by the government.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».