MétaCan
Menu
Retour à la cohorte
Enregistrement W3144639995

Optimal quality choice under uncertainty on market development

2012· article· en· W3144639995 sur OpenAlexaff
Lota D. Tamini

Notice bibliographique

RevueMunich Personal RePEc Archive (Ludwig Maximilian University of Munich) · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCapital Investment and Risk Analysis
Établissements canadiensUniversité Laval
Organismes subventionnairesEnvironmental Restoration and Conservation Agency
Mots-clésAmbiguity aversionRisk aversion (psychology)MicroeconomicsDuopolyEconomicsQuality (philosophy)Profit (economics)Stackelberg competitionAmbiguityMonopolyExpected utility hypothesisComputer scienceFinancial economicsCournot competition
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper analyzes the impact of risk and ambiguity aversion - Knightian uncertainty - on the choice of optimal quality and timing of market entry. Irreversibility of the investment in product development is introduced in a continuous-time stochastic model applying the real option literature. We consider a market characterized by a duopoly with a Stackelberg-Nash game for quality choice. When the follower provides a higher-quality good, the level of quality is decreasing in ambiguity aversion while it is a non-monotonic function of the level of risk. For low levels of risk, the increase of product quality is an efficient response. Up to certain threshold level of risk, risk and ambiguity aversion reduce the optimal quality level and increase the value of waiting when the follower supplies a higher-quality good. The implication is that risk and ambiguity aversion allow the leader to make a sustainable monopoly profit. When the follower supplies a lower-quality good, there is no value for it to wait. It should therefore provide the lowest-quality good possible. In a vertically integrated supply chain firms provide higher quality, and the difference between vertically integrated and non-integrated firms is increasing in risk and ambiguity aversion.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,669
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,049
Tête enseignante GPT0,233
Écart entre enseignants0,184 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMunich Personal RePEc Archive (Ludwig Maximilian University of Munich)Même sujetCapital Investment and Risk AnalysisTravaux en français237 207