پروژه 24

مقاله یک رویکرد پورتفولیو CVaR پویا با استفاده از گزینه‌های واقعی: برنامه‌ای برای سرمایه‌گذاری در انرژی

تعداد صفحات : 17

فرمت: PDF

چکیده:

خلاصه حتی با وجود اینکه نظریه پورتفولیو برای تجزیه و تحلیل سرمایه‌گذاری‌های مقیاس بزرگ تحت عدم قطعیت - و به خصوص در بخش برق به کار گرفته شده‌است - بیشتر تجزیه و تحلیل تاکنون مبتنی بر رویکرد واریانس میانگین استاتیک بوده‌است. چنین رویکردی دو کاستی دارد: از یک طرف، آن نمی‌تواند برگشت‌ناپذیری در شکل هزینه‌های بالا و پیامدهای مرتبط برای رفتار دینامیکی بهینه را مد نظر قرار دهد. از سوی دیگر، واریانس همیشه معیار ریسک ایده‌آل نیست، با توجه به اینکه توزیع هزینه یا هزینه لزوما نرمال نیستند. در حقیقت، اگر ضررهای بالقوه و بالقوه در این کار دخیل باشد، اتخاذ یک معیار ریسک که بتواند دنباله‌های چاق را نیز در نظر بگیرد، منطقی به نظر می‌رسد. در این مقاله، ما این توزیع‌ها را ایجاد می‌کنیم که ناشی از رفتار سرمایه‌گذاری بهینه در یک مدل گزینه‌های موجود است، بنابراین برای عدم قطعیت و برگشت‌ناپذیری در سطح کارخانه محاسبه می‌شود و از آن‌ها در یک مدل پورتفولیوی پویا استفاده می‌کند که در آن ارزش شرطی ریسک (cvar)معیار ریسک است. به طور خاص، ما به پویایی ترکیب تکنولوژی بهینه (cvar -)در طول یک دوره زمانی آینده مشروط بر توزیع اولیه فن‌آوری‌ها نگاه می‌کنیم، به گونه‌ای که تقاضای انرژی برآورده شود. کاربرد سرمایه‌گذاری در بخش برق با سیاست تغییر آب و هوا تردید نشان می‌دهد که این رویکرد نه تنها از نظر نقطه سرمایه‌گذاری کلی بلکه برای هدف ارزیابی اثرات سیاست بر روی الگوهای سرمایه‌گذاری و ترکیب انرژی حاصل مفید است. Copyright © ۲۰۱۰ جان ویلی & پسران، Ltd.

A dynamic CVaR-portfolio approach using real options: an application to energy investments

SUMMARY Even though portfolio theory has increasingly been applied to analyze large‐scale investments under uncertainty—and especially so in the electricity sector—most analysis so far has been based on the static mean‐variance approach. Such an approach has two shortcomings: on the one hand, it fails to take into account irreversibility in the form of high sunk costs and the associated implications for optimal dynamic behavior. On the other hand, variance is not always the ideal risk measure, given that return or cost distributions are not necessarily normal. In fact, if large, potential losses are involved, it makes more sense to adopt a risk measure that can also take into account fat tails. In this paper, we generate these distributions arising from the investment behavior optimized in a real options model, thus accounting for uncertainty and irreversibility at the plant level, and use them in a dynamic portfolio model, where the conditional value‐at‐risk (CVaR) is the risk measure. More specifically, we look at the dynamics of the (CVaR‐) optimal technology mix over a future time period conditional on the initial distribution of technologies, such that given energy demand is met. The application to investment in the electricity sector with uncertain climate change policy shows that this approach is not only useful from the aggregate investment point‐of‐view but also for the purpose of evaluating the effects of policy on investment patterns and the resulting energy mix. Copyright © 2010 John Wiley & Sons, Ltd.