Browsing by Subject "simulointi"

The long-run average return on equities shows a sizable premium with respect to their relatively riskless alternatives, the short-run government bonds. The dominant explanation is that the excess return is compensation for rare but severe consumption disasters which result in heavy losses on equities. This thesis studies the plausibility of this explanation in a common theoretical framework. The consumption disasters hypothesis is studied in the conventional Lucas-tree model with two assets and with constant relative risk aversion preferences, captured by the power utility function. The thesis argues that this oft-used model is unable to account for the high premium, and a simulation experiment is conducted to find evidence for the argument. The consumption process is modelled by the threshold autoregressive process, which offers a simple and powerful way to describe the equity premium as a result of a peso problem. Two statistics, the arithmetic average and the standard deviation, are used to estimate the long-run average and the volatility of the returns. The simulated data is analyzed and compared to the real world financial market data. The results confirm that the potential for consumption disasters produces a lower equity premium than the case without disasters in the Lucas-tree model with power utility. The disaster potential lowers the average return on equity instead of increasing it. This result comes from the reciprocal connection between the coefficient of relative risk aversion and the elasticity of intertemporal substitution, and from the special nature of the equity asset, which is a claim on the consumption process itself. The risk-free asset remains unaffected by the disaster potential. The equity premium remains a puzzle in this framework. The advantage of the threshold autoregressive consumption process is to show this result with clarity. Breaking the link between aversion to risk and intertemporal substitution is indeed one possible direction to take. Changing the assumptions about expected consumption or about the equity asset might offer another way forward. Another form of utility or another model is needed if the equity premium is to be explained in financial markets that are free of frictions.

Tiivistelmä/Referat – Abstract Tämän tutkielman tarkoituksena oli selvittää kasvinviljelytilojen maksuvalmiutta vuosilta 2003-2025. Tutkielmassa tarkasteltiin kasvinviljelytilojen toteutunutta maksuvalmiutta vuosilta 2003-2018 ja lisäksi arvioitiin kasvinviljelytilojen tulevan maksuvalmiuden kehitystä vuosille 2020-2025. Tutkimusaineistona käytettiin Luonnonvarakeskuksen Taloustohtori-palvelusta saatua kirjanpitotilojen kannattavuuskirjanpitoaineistoa. Kirjanpitoaineisto oli keskiarvoaineisto ja sen avulla selvitettiin maksuvalmiuden kehitystä vuosilta 2003-2018 käyttäen apuna maksuvalmiuden yleisiä tunnuslukuja. Tutkielmassa kasvinviljelytilat jaettiin kahteen eri kokoluokkaan taloudellisen kokonsa perusteella. Ensimmäinen tarkasteltu ryhmä oli taloudelliselta kooltaan keskimääräiset kasvinviljelytilat. Toinen tarkasteltu ryhmä oli taloudelliselta kooltaan 100 000–250 000 euron kasvinviljelytilat. Taloudellinen koko kuvaa hehtaari ja eläinkohtaisesti vakioitujen tuettomien tuottojen summaa. Kasvinviljelytilojen maksuvalmiutta tarkasteltiin tutkimuksessa dynaamisen maksuvalmiuden tunnuslukujen avulla, joista kassavirtapohjaisia tunnuslukuja olivat toimintajäämä, rahoitusjäämä, investointijäämä ja kassan ylijäämä. Tuloslaskelmapohjaiseksi tunnusluvuksi valittiin rahoitustulossuhde. Kassavirtapohjaisista tunnusluvuista laskettiin suh-teelliset jäämät jakamalla jäämät kassatuloilla. Suhteellisien jäämien avulla pystyttiin vertaamaan eri tilakokoluokkien maksuvalmiuksia toisiinsa. Tuottajahintojen ja tuotantopanosten ostohintojen kehitystä tarkasteltiin Tilastokeskuksen hintaindeksien avulla. Hintaindeksit muutettiin reaalisiksi suhteuttamalla hintaindeksit kuluttajahintaindeksiin, jolloin saatiin hintaindeksien reaalinen muutos. Maksuvalmiutta tarkasteltiin keskimääräisillä tiloilla vuosien 2003–2018 välillä ja suurilla tiloilla vuosien 2008–2018 välillä. Toisistaan poikkeava ajanjakso aiheutui siitä, että suuren tilakokoluokan tuloksia ei ollut saatavilla vuosien 2003–2007 välillä. Keskimääräisillä tiloilla maksuvalmiuden kehitys oli laskevaa kaikilla tutkielmassa käytetyillä maksuvalmiuden mittareilla. Suuren tilakokoluokan tiloilla maksuvalmiuden vuosittainen vaihtelu oli suurta eikä niin selkeästi trendinomaisesti laskevaa kuin keskimääräisen tilakokoluokan tiloilla. Suuren tilakokoluokan tiloilla rahoitustulossuhteen ja rahoitusjäämän trendit olivat jopa nousevia, mikä tosin aiheutui tarkastelujakson alun poikkeuksellisen heikoista maksuvalmiuden tunnusluvuista. Vuosien 2020–2025 maksuvalmiuden arviointiin käytettiin stokastista simulointimallia, jossa lähtötietoina käytettiin toteutuneita kassatuloja, kassamenoja, investointimenoja, tuotantopanosten ostohintaindeksiä, tuottajahintaindeksiä ja satotasoindeksiä. Näistä muuttujista muodostettiin simulointia varten @Risk ohjelman avulla Risktriang-jakaumat, joissa käytettiin jakaumien minimi-, mediaani- ja maksimiarvoja. Maksuvalmiuslaskelmaa varten simuloitiin kasvinviljelyn kassatulot, kasvinviljelyn kassamenot ja investointimenot @Risk-simulointiohjelmalla. Simulointimenetelmänä käytettiin Latin hybercube menetelmää, jossa iteraatioiden määräksi valittiin 100 kappaletta. Simuloidut arvot sisällytettiin maksuvalmiuslaskelmaan, johon muut tiedot otettiin vuoden 2018 toteutuneesta maksuvalmiuslaskelmasta. Vuosien 2020–2025 maksuvalmiuslaskelmiin tehtiin kassatulojen, kassamenojen ja investointimenojen osalta oletukset historiallisen keskimääräisen kehityksen perusteella. Maataloustukien tulevan muutoksen myötä tehtiin kolme eri skenaariota tukien määrän oletuksina. Maksuvalmiuslaskelmien tulokset vuosille 2020–2025 osoittivat että historiallisen hintakehityksen perusteella ja tukien oletetun laskun myötä keskimääräinen kasvinviljelytilojen maksuvalmius heikkenee kummassakin tarkastellussa tilakokoluokassa vuosien 2020–2025 välillä, ellei tuottavuudessa tai hintasuhteiden osalta tapahdu oletettua suotuisampaa kehitystä. Tutkimuksessa käsiteltävä aineisto oli keskiarvoaineistoa, joten se ei anna kuvaa yksittäisten tilojen maksuvalmiudesta, joka saattaa vaihdella tilikauden aikana ja tilakohtaisesti huomattavasti.

Vakuutusyhtiön on pyrittävä ennustamaan tulevia korvauskuluja. Yhdistetty satunnaismuuttuja, joka kertoo määrätyn ajanjakson vahinkojen suuruuksien yhteissummasta, on kokonaisvahinkomäärä. Tutkielmassa suurista kokonaisvahinkomääristä puhutaan silloin, kun kokonaisvahinkomäärä noudattaa paksuhäntäistä jakaumaa. Tutkielman tarkoitus on tutkia paksuhäntäisten jakaumien ominaisuuksia ja sitä, miten esimerkiksi kokonaisvahinkomäärän jakauma olisi mahdollista tunnistaa paksuhäntäiseksi. Tutkielmassa tarkastelu on rajattu pääasiassa jakaumiin, joiden häntäfunktio on potenssifunktio, ja säännöllisesti vaihteleviin jakaumiin. Yksittäisten vahinkojen suuruuksien, vahinkojen lukumäärän ja kokonaisvahinkomäärän jakauman tunnistamista varten tutkielmassa on esitelty muutama estimaattori. Näitä käytetään lähinnä graafisessa muodossa. Menetelmiä on havainnollistettu soveltamalla niitä sekä tanskalaiseen palovakuutusdataan että sopivaan simuloituun dataan. Kaikkia menetelmiä on pyritty tarkastelemaan sekä positiivisten että negatiivisten ominaisuuksien näkökulmasta. Hill-estimaattoria on käsitelty muita perusteellisemmin ja sen osalta on esitetty tarkentuvuustulos. Tutkielmassa on myös esitetty tuloksia siitä, ettei paksuhäntäisyys katoa riippumattomassa tilanteessa: vahinkojen suuruuksien tai vahinkojen lukumäärän noudattaessa paksuhäntäistä jakaumaa, myös kokonaisvahinkomäärä noudattaa paksuhäntäistä jakaumaa ja jakaumista paksuhäntäisempi hallitsee kokonaisvahinkomäärän jakaumaa. Lopuksi on tarkasteltu neljää perinteistä jälleenvakuutussopimusta ja niihin liittyviä haasteita silloin, kun kokonaisvahinkomäärä on suuri. Tutkielman pääteoksena on toiminut Sidney I. Resnickin teos Heavy-Tail Phenomena: Probabilistic and Statistical Modeling (Springer, 2007).

In Finland grain has to handle that seeds will stay in good condition in storage. The most common method of preservation is drying. 11 % of energy consumption in a grain growing chain is used in drying. EU has set the aim to achieve 9 % energy saving by year 2016 compared to average energy consumption in years 2001-2005. Ministry of agriculture and forestry has started energy program in agriculture, which aims to energy saving in agriculture. The aim of this study was to find out by computer simulation how to get the best energy efficiency in grain drying in different conditions. In the study was made a series of simulations to find out is different adjustments needed in different conditions. By sensitivity analysis was found out, which variable (condition or adjustment) affects most to the drying process. To find out reliability of the simulator energy consumption and drying time results was compared between simulation and real dryings in Viikki’s research farm. The best energy efficiency was achieved when high drying air temperature, fast grain circulation and small amount of air were used. The grain drying process is very sensitive to drying air temperature, moisture of grain and amount of air. The process is quite sensitive to density of grain and outside temperature. The simulator givesreliable results for energy consumption when grain moisture is more than 17% (w.b.) and for drying time when grain moisture is lower than 17 %. By adjusting grain drying process it is possible to save remarkable amount of energy. It is important to harvest and dry grain as good conditions as possible. Also isimportant to use isolation in dryer and maintain the burner.