On solving the multirotational timber harvest problem with stochastic prices: A linear complementarity formulation
Notice bibliographique
Résumé
This article develops a two-factor real options model of the harvesting decision over infinite rotations assuming a known stochastic price process and using a rigorous Hamilton–Jacobi–Bellman method-ology. The harvesting problem is formulated as a linear complementarity problem that is solved nu-merically using a fully implicit finite difference method. This approach is contrasted with the Markov decision process models commonly used in the literature. The model is used to estimate the value of a representative stand in Ontario’s boreal forest, both when there is complete flexibility regarding harvesting time and when regulations dictate the harvesting date. Key words: linear complementarity problem, Markov decision process, mean reversion, optimal har-vesting, real options. The forest economics literature has long dealt with the problem of optimal harvesting under uncertainty. An overview is provided in re-cent bibliographies by Newman, and Brazee and Newman. A thirty-year-long strand of this literature emphasizes the importance of valuing managerial flexibility in the context of irreversible harvesting decisions when for-est product prices are volatile relative to har-vesting costs (Hool; Lembersky and Johnson). Failure to include the value of management options where they exist will result in an in-correct valuation of a forestry investment. Because the formulation and modeling of tim-ber harvesting problems to accurately incor-porate the value of managerial flexibility is unlikely to result in closed-form solutions, for-
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».