MétaCan
Menu
Retour à la cohorte
Enregistrement W4220972597 · doi:10.1287/opre.2022.2288

Spatial Price Integration in Commodity Markets with Capacitated Transportation Networks

2022· article· en· W4220972597 sur OpenAlexaff
John R. Birge, Timothy C. Y. Chan, J. Michael Pavlin, Ian Yihang Zhu

Notice bibliographique

RevueOperations Research · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensWilfrid Laurier UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBottleneckCommodityFlow networkEconomicsBounded functionMicroeconomicsSupply and demandEconometricsComputer scienceMathematical optimizationOperations managementMathematicsFinance

Résumé

récupéré en direct d'OpenAlex

The impact of transportation constraints in commodity markets has become increasingly relevant as many markets experience demand and supply growth that continues to outpace the growth in transportation infrastructure. In “Spatial Price Integration in Commodity Markets with Capacitated Transportation Networks,” Birge, Chan, Pavlin, and Zhu examine the relationship between the spatial distribution of commodity prices and the underlying transportation network that supports the flow of these commodities. The authors show that under mild assumptions, the prices between all locations must be bounded when there are no bottlenecks in the network. Conversely, a bottleneck can cause different locations to incur a congestion surcharge that pushes prices out of these bounds. The authors propose a time series analysis technique using mixed integer optimization that estimates the value of these surcharges from commodity prices and then apply the technique to study how gasoline prices changed after a series of well-documented supply chain disruptions in the Southeastern U.S. gasoline market.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,604
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,054
Tête enseignante GPT0,285
Écart entre enseignants0,231 · 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'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

Citations14
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOperations ResearchMême sujetMarket Dynamics and VolatilityTravaux en français237 207