Forecasting and managing price volatility in salmon production: A hybrid system using conformal prediction and dynamic hedging
Notice bibliographique
Résumé
Risk awareness has become critical for effective, data-driven decision-making, particularly in current volatile business environments. However, as the technological transformation of production systems evolves, forecasting and quantifying risk remain challenging. Such a challenge is especially relevant in food production systems, particularly in aquaculture, an industry characterized by volatility and underdeveloped risk management, despite its potential as a sustainable alternative to fisheries. To respond to this need, this study proposes a hybrid framework for forecasting and adaptively managing price volatility, tailored to the operational context of the salmon production industry. There are, though, both technical and practical challenges: although machine learning methods have proven effective for time series forecasting in many contexts, they often lack actionable measures of uncertainty, and their application in aquaculture remains limited. Thus, we develop a two-step approach, that first applies a forecasting model enhanced with Conformal Prediction, a model-agnostic technique that generates prediction intervals with valid coverage in finite samples. Secondly, we use those prediction intervals to inform an adaptive hedging strategy based on the Dynamic Portfolio Insurance method applied to the estimated production value. Results show that, when applied to the Atlantic salmon industry using actual spot and futures data, the proposed approach effectively mitigates downside risks while preserving upside potential. This way, we unify predictive modeling and risk mitigation in a framework tailored to the sector’s operations. This makes short-term price forecasts actionable and, when embedded within classical aquaculture growth simulations, supports volatility-informed adaptive hedging, contributing to more resilient, risk-aware, and data-driven production strategies.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».