Modelling exchange-driven fish price dynamics
Notice bibliographique
Résumé
Purpose This paper aims to put forward and compare two accessible approaches to model and forecast spot prices in the fishing industry. The first modelling approach is a Markov-switching model (MSM) in which a Markov chain captures different economic regimes and a stochastic convenience yield is embedded in the spot price. The second approach is based on a multi-factor model (MFM) featuring three correlated stochastic factors. Design/methodology/approach The two proposed approaches are analysed in terms of parameter-estimation accuracy, information criteria and prediction performance. For MSM’s calibration, the quasi-log-likelihood method was applied directly while for the MFM’s parameter estimation, this paper designs an enhanced multi-variate maximum likelihood method with the aid of moments matching. The numerical experiments make use of both simulated and actual data compiled by the Fish Pool ASA. Data on both the Fish Pool’s forwards and Norwegian T-bill yields were additionally used in the MFM’s implementation. Findings Using simulated data sets, the MSM estimation gives more accurate results than the MFM estimation in terms of the norm in ℓ 2 between the “true” and “computed” parameter estimates and significantly lower standard errors. With actual data sets used to evaluate the forecast values, both approaches have similar performances based on the error analysis. Under some metrics balancing goodness of fit and model complexity, the MFM outperforms the MSM. Originality/value With the aid of simulated and observed data sets examined in this paper, insights are gained concerning the appropriateness, as well as the benefits and weaknesses of the two proposed approaches. The modelling and estimation methodologies serve as prelude to reliable frameworks that will support the pricing and risk management of derivative contracts on fish price evolution, which creates price risk transfer mechanisms from the fisheries/aquaculture sector to the financial industry.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».