Couverture du risque de prix des intrants via les marchés à terme agricoles à l’aide d’un critère alliant la valeur à risque et la marge de sécurité sur charges : application aux producteurs porcins finisseurs du Québec
Notice bibliographique
Résumé
La couverture du risque de prix via les marchés à terme constitue un outil permettant aux agriculteurs d'endiguer les conséquences financières de la volatilité des prix des produits agricoles. Plusieurs critères ont été développés dans la littérature afin de guider les décisions de couverture de manière optimale. Cependant, ces approches reposent sur une conception limitée du risque et de ses conséquences financières du point de vue de l’exploitation agricole. S’enquérant du cas des producteurs porcins finisseurs du Québec, la présente thèse élabore un critère de couverture conjuguant le risque de prix encouru et dénoté par une mesure de valeur à risque (VaR), au risque de prix soutenable pour l’entreprise. Des simulations de couverture de risque comparant l’efficience du critère par rapport à l’absence de couverture et par rapport à l’efficience des critères alternatifs du ratio de couverture optimal et de la marge cible pour différents profils d’entreprises sont réalisés sur une période de 14 années, soit de 2006 à 2019. Les résultats montrent qu’en moyenne, le critère VaR proposé améliore la marge de sécurité sur charges (MSC) des entreprises de manière statistiquement significative. Le critère est également plus efficient que les critères alternatifs pour certains profils d’entreprises, bien que l’ampleur de l’effet soit faible à modéré. L’amélioration de la situation financière découlant de l’application du critère VaRest cependant plus prononcée lors d’épisodes de hausses marquées du prix des intrants. De plus, la méthodologie développée permet de soulever que même si la couverture mène à une diminution marquée du risque tel que défini par la mesure conventionnelle de variance des rendements, ses impacts tels que mesurés par la MSC sont considérablement moindres. Ceci souligne que la mesure d’efficience choisie peut ne pas refléter les impacts de la couverture sur la situation financière réelle de l’entreprise. La thèse contribue à la littérature portant sur l’application de la VaR en agroéconomie en offrant une description détaillée des répercussions de la couverture du risque du point de vue de l’entreprise agricole. Des pistes de réflexions quant à la mesure du risque de prix et d’efficience de la couverture à utiliser sont également proposées.
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 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».