6533b831fe1ef96bd12999a3

RESEARCH PRODUCT

Modelling agricultural risk in a large scale positive mathematical programming model

José VilaIván ArribasSergio Gomez Y PalomaAngel PerniKamel Louhichi

subject

Mathematical optimizationEconomics and EconometricsScale (ratio)Computer scienceComputationprogrammation mathématique positive020209 energyexpected utilitySample (statistics)highest posterior density02 engineering and technologypolitique agricole communerisk and uncertainty0202 electrical engineering electronic engineering information engineeringEuropean common agricultural policyExpected utility hypothesisagricultureEstimationrisque et incertitude2. Zero hungerbusiness.industry020208 electrical & electronic engineering[SHS.ECO]Humanities and Social Sciences/Economics and Finance16. Peace & justicemodèle de fermePMPComputer Science ApplicationsAgriculturebusinessCommon Agricultural PolicyScale modelpositive mathematical programming

description

International audience; Mathematical programming has been extensively used to account for risk in farmers' decision making. The recent development of the positive mathematical programming (PMP) has renewed the need to incorporate risk in a more robust and flexible way. Most of the existing PMP-risk models have been tested at farm-type level and for a very limited sample of farms. This paper presents and tests a novel methodology for modelling risk at individual farm level in a large scale model, called individual farm model for common agricultural policy analysis (IFM-CAP). Results show a clear trade-off between including and excluding the risk specification. Albeit both alternatives provide very close estimates, simulation results show that the explicit inclusion of risk in the model allows isolating risk effects on farmer behaviour. However, this specification increases three times the computation time required for estimation.; La programmation mathématique a été largement utilisée pour tenir compte du risque dans la prise de décision des agriculteurs. Le développement récent de la programmation mathématique positive (PMP) a renouvelé la nécessité d'incorporer le risque d'une manière plus robuste et flexible. La plupart des modèles de PMP-risque existants ont été testés au niveau de l'exploitation et pour un échantillon très limité d'exploitations. Cet article présente et teste une nouvelle méthodologie pour modéliser le risque au niveau de chaque ferme dans un modèle à grande échelle, appelé IFM-CAP. Les résultats montrent un compromis clair entre l'inclusion et l'exclusion de la spécification du risque. Bien que les deux alternatives fournissent des estimations très proches, les résultats de la simulation montrent que l'inclusion explicite du risque dans le modèle permet d'isoler les effets du risque sur le comportement des agriculteurs. Cependant, cette spécification augmente trois fois le temps de calcul requis pour l'estimation.

https://doi.org/10.1504/ijcee.2020.10025910