Projektin keskeyttäminen, uudelleen käynnistäminen ja hylkääminen

Samankaltaiset tiedostot
Lisää satunnaisuutta ja mahdollisuus keskeyttää projekti

Investointimahdollisuudet ja investointien ajoittaminen

Investointimahdollisuudet ja investoinnin ajoittaminen

Projektin arvon aleneminen

OPTIMAALINEN INVESTOINTIPÄÄTÖS

Investointistrategioista kilpailluilla markkinoilla

Johdannaisanalyysi. Contingent Claims Analysis Juha Leino S ysteemianalyysin. Laboratorio

Projektin arvon määritys

Investointimahdollisuudet ja niiden ajoitus

Jatkuvan ajan dynaaminen optimointi

Reaalioptioden käsitteen esittely yksinkertaisen esimerkin avulla

Esteet, hyppyprosessit ja dynaaminen ohjelmointi

Odotusarvoparien vertailu. Vilkkumaa / Kuusinen 1

Lyhyen aikavälin hintakilpailu 2/2

ABHELSINKI UNIVERSITY OF TECHNOLOGY

, tuottoprosentti r = X 1 X 0

Bayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly

Ito-prosessit. Määritelmä Geometrinen Brownin liike Keskiarvoon palautuvat prosessit Iton lemma. S ysteemianalyysin. Laboratorio

Päätöspuut pitkän aikavälin investointilaskelmissa

Sovellettu todennäköisyyslaskenta B

Väliestimointi (jatkoa) Heliövaara 1

Harha mallin arvioinnissa

Additiivinen arvofunktio projektiportfolion valinnassa

Wiener-prosessi: Tarkastellaan seuraavanlaista stokastista prosessia

Yhteistyötä sisältämätön peliteoria jatkuu

Oletetaan, että virhetermit eivät korreloi toistensa eikä faktorin f kanssa. Toisin sanoen

Yksisuuntainen varianssianalyysi (jatkoa) Kuusinen/Heliövaara 1

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

min x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2

Numeeriset menetelmät

5 Differentiaaliyhtälöryhmät

Numeeriset menetelmät TIEA381. Luento 7. Kirsi Valjus. Jyväskylän yliopisto. Luento 7 () Numeeriset menetelmät / 43

Fuusio vai konkurssi? Hintakilpailun satoa

Pohdiskeleva ajattelu ja tasapainotarkennukset

Tilastollisen analyysin perusteet Luento 10: Johdatus varianssianalyysiin

b 1. b m ) + ( 2b Ax) + (b b)

13. Ratkaisu. Kirjoitetaan tehtävän DY hieman eri muodossa: = 1 + y x + ( y ) 2 (y )

Osa IX. Z muunnos. Johdanto Diskreetit funktiot

Inversio-ongelmien laskennallinen peruskurssi Luento 3

Sovellettu todennäköisyyslaskenta B

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.

Luento 10: Optimointitehtävien numeerinen ratkaiseminen; optimointi ilman rajoitusehtoja

Mat Investointiteoria Laskuharjoitus 1/2008, Ratkaisu Yleistä: Laskarit tiistaisin klo luokassa U352.

Todennäköisyyden ominaisuuksia

Mat Dynaaminen optimointi, mallivastaukset, kierros 5

MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy Millä reaaliluvun x arvoilla. 3 4 x 2,

Referenssipiste- ja referenssisuuntamenetelmät

Epälineaaristen yhtälöiden ratkaisumenetelmät

Numeeriset menetelmät

Sovellettu todennäköisyyslaskenta B

Numeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33

l 1 2l + 1, c) 100 l=0 AB 3AC ja AB AC sekä vektoreiden AB ja

Yksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1

Reaaliarvoisen yhden muuttujan funktion raja arvo LaMa 1U syksyllä 2011

Numeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28

l 1 2l + 1, c) 100 l=0

Numeeriset menetelmät

Signalointi: kustannukseton signalointi (halpa puhe)

Jos nollahypoteesi pitää paikkansa on F-testisuuren jakautunut Fisherin F-jakauman mukaan

Suoran yhtälöt. Suoran ratkaistu ja yleinen muoto: Suoran yhtälö ratkaistussa, eli eksplisiittisessä muodossa, on

Lineaarinen toisen kertaluvun yhtälö

r = r f + r M r f (Todistus kirjassa sivulla 177 tai luennon 6 kalvoissa sivulla 6.) yhtälöön saadaan ns. CAPM:n hinnoittelun peruskaava Q P

Harjoitus 7: NCSS - Tilastollinen analyysi

Fluidi virtaa vaakasuoran pinnan yli. Pinnan lähelle muodostuvan rajakerroksen nopeusjakaumaa voidaan approksimoida funktiolla

Este- ja sakkofunktiomenetelmät

Kaksi sovellusta robustien päätössuositusten tuottamisesta

Hintakilpailu lyhyellä aikavälillä

Preference Programming viitekehys: epätäydellisen preferenssi-informaation elisitointi ja mallintaminen, dominanssi

Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1

Harjoitus 4: Matlab - Optimization Toolbox

Numeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33

Determinantti 1 / 30

Moniulotteisia todennäköisyysjakaumia

Evolutiivinen stabiilisuus populaation

3. Teoriaharjoitukset

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

k=0 saanto jokaisen kolmannen asteen polynomin. Tukipisteet on talloin valittu

T Rinnakkaiset ja hajautetut digitaaliset järjestelmät Prosessialgebra

TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio. Kimmo Berg. Mat Optimointioppi. 11. harjoitus - ratkaisut

4.5 Kaksivaiheinen menetelmä simplex algoritmin alustukseen

Matematiikan peruskurssi (MATY020) Harjoitus 10 to

Jos nyt on saatu havaintoarvot Ü ½ Ü Ò niin suurimman uskottavuuden

Luentorunko 9: Lyhyen aikavälin makrotasapaino, IS-TR-malli

HUUTOKAUPPATEORIAA TTS-Kurssille/Kultti 2012

Sarjoja ja analyyttisiä funktioita

Tilastollinen aineisto Luottamusväli

Luento 11: Rajoitusehdot. Ulkopistemenetelmät

Dynaaminen optimointi ja ehdollisten vaateiden menetelmä

2. Teoriaharjoitukset

1 Lineaariavaruus eli Vektoriavaruus

FYSA2031 Potentiaalikuoppa

Osa 11. Yritys kilpailullisilla markkinoilla (Mankiw & Taylor, Ch 14)

2. Keskiarvojen vartailua

Signalointi: autonromujen markkinat

Ratkaisu: a) Koroton takaisinmaksuaika on 9000 = 7,5 vuotta b) Kun vuosituotot pysyvät vakiona, korollinen takaisinmaksuaika määräytyy

33. pohjoismainen matematiikkakilpailu 2019 Ratkaisut

Harjoitus 7. KJR-C2001 Kiinteän aineen mekaniikan perusteet, IV/2016

f(x) f(y) x y f f(x) f(y) (x) = lim

102 Käyrä. Piste ( 3,0 ) on käyrällä, jos ja vain jos sen koordinaatit. Siis piste ( 1, 2) Siis piste ( 3,0 ) ei ole käyrällä.

Transkriptio:

Projektin keskeyttäminen, uudelleen käynnistäminen ja hylkääminen Optimointiopin seminaari - Syksy 000 / 1

Mallin laajennus Toiminta voidaan väliaikaisesti keskeyttää ja käynnistää uudelleen Keskeyttämisestä kustannus E m Ylläpito aiheuttaa kustannusvirran M Uudelleen käynnistämisestä kustannus R Jotta keskeyttäminen olisi kannattavaa, oltava M < C ja R < I, missä I on investointikustannus ja C toiminnasta aiheutuva kustannusvirta Optimointiopin seminaari - Syksy 000 /

Projektin arvo Tuotteen hinta P noudattaa geometristä Brownin liikettä dp = αpdt + σpdz Projektin arvo kolmessa eri tilassa: Investointimahdollisuuden arvo V 0 (P) Projektin arvo V 1 (P), kun toiminta on käynnissä Projektin arvo V m (P), kun toiminta on keskeytetty Optimointiopin seminaari - Syksy 000 / 3

Optimaalinen strategia (1) Intuitiivisesti neljä rajahintaa Kun ei vielä olla investoitu, investoidaan, jos P > P H Toiminta keskeytetään, jos P < P M Toiminta käynnistetään uudelleen, jos P > P R Projekti hylätään, jos P < P S Jos ylläpitokustannus M tai uudelleen käynnistämisen kustannus R tarpeeksi suuri, projekti hylätään suoraan, kun P < P L Optimointiopin seminaari - Syksy 000 / 4

Optimaalinen strategia () Siirtyminen tilojen välillä Oletukset Toiminta käynnissä Toiminta keskeytetty Ei investoitu/projekti hylätty E = E M + E S, missä E s on hylkäämisestä aiheutuva kustannus, kun toiminta on keskeytetty ja E suoran hylkäyksen kustannus Investointi ainoastaan projektiin, jossa toiminta käynnissä Optimointiopin seminaari - Syksy 000 / 5

Ratkaisuperiaate Projektin arvo kussakin tilassa koostuu odotetuista tuotto- ja kustannusvirroista sekä mahdollisuuksista siirtyä toisiin tiloihin Ratkaiseminen Johdetaan differentiaaliyhtälöt projektin arvolle eri tiloissa ja haetaan niiden yleiset ratkaisut Reunaehdot pisteissä (hinnan P arvot), joissa siirrytään tilasta toiseen Value-matching - ja smooth-pasting -ehdot Optimointiopin seminaari - Syksy 000 / 6

Ratkaisu (1) Tilassa, jossa ei olla investoitu, voidaan olla kun 0 < P < P H. Tällöin Toiminta voi olla käynnissä, kun Tällöin Toiminta voi olla keskeytettynä, kun Tällöin β V 0(P) = A1P 1 β V 1(P) = BP V (P) = D P β m 1 P < P < M. + P / δ C / r P < P < P S R. β + D P M / r 1 Optimointiopin seminaari - Syksy 000 / 7

Ratkaisu () β 1 ja β ovat β β 1 = r δ r δ 1 + σ σ + r σ 1 1 = r δ r δ 1 σ σ + r σ r on riskitön korko ja δosinko Optimointiopin seminaari - Syksy 000 / 8

Ratkaisu (3) Reunaehdoiksi saadaan V 0(P H ) = V 1(P H ) - I ' ' V 0(P H ) = V 1(P H ) V (P ) = V (P ) - E ' ' V 1(P M ) = V m(p M ) V m(p R ) = V 1(P R ) - R ' ' V m(p R ) = V 1(P R ) V m(p S) = V 0(P S) - E S ' ' V m(p S) = V 0(P S) 1 M m M M Optimointiopin seminaari - Syksy 000 / 9

Ratkaisu (4) Rajahinnat P H, P M, P R ja P S saadaan yhtälöryhmästä β1 β - A 1PH + BPH + PH / δ C / r = I β1 1 β 1 - β1a 1PH + βbph + 1 / δ = 0 β1 β - D PM + ( B D ) PM + PM / δ ( C M) / r = -E β1 1 β 1 - β1d1pm + β( B D ) PM + 1 / δ = 0 β1 β - D1PR + ( B D) PR + PR / δ ( C M) / r = R β1 1 β 1 - β1d1pr + β( B D ) PR + 1 / δ = 0 β1 β (D1 - A 1) PS + DPS M / r = -ES β1 1 β 1 β 1(D1 - A 1) PS + βdps = 0 1 M Optimointiopin seminaari - Syksy 000 / 10

Tuloksia Jos M ja R nollia, keskeyttämiselle ja uudelleen käynnistämiselle pätee P M = P = C R Jos M tai R riittävän suuri, projektia ei keskeytetä vaan se hylätään suoraan Kriittiset arvot M ja R M:n kasvaessa R:n kriittinen arvo pienenee ja päinvastoin Optimointiopin seminaari - Syksy 000 / 11

Numeerinen esimerkki R:n vaikutus rajahintoihin 1.8 E = E = 0 M M = 0.01 tai M = 0.05 I = C = 1 α = 0 σ = 0. µ S = r = 0.05 δ = µ α = 0.05 P 1.6 1.4 1. 1 0.8 0.6 0.4 0. 0 R 0. 05 R 0. 01 0 0.5 1 1.5.5 3 3.5 R PH PR PM PS PL M = 0.01 M = 0.05 Optimointiopin seminaari - Syksy 000 / 1

Esimerkki: Öljytankkeri Kannattavuus vaihtelee öljyn hinnan mukana Suuret uponneet kustannukset E = 0. milj. E = -3.4 milj. M S M = 0.515 milj. C = 4.4 milj. I = 40 milj. R = 0.79 milj. α = 0 σ = 0.15 µ = r = 0.05 δ = µ α = 0.05 Optimointiopin seminaari - Syksy 000 / 13

Esimerkki: Öljytankkeri () Rajahinnat ylläpitokustannusten M funktiona 1 10 P (M$) 8 6 4 PH PR PM PS PL 0 0 0. 0.4 0.6 0.8 1 1. M (M$) Optimointiopin seminaari - Syksy 000 / 14

Esimerkki: Öljytankkeri (3) Rajahinnat toimintakustannusten C funktiona 1 10 P (M$) 8 6 4 PH PR PM PS PL 0 3 4 5 6 C (M$) Optimointiopin seminaari - Syksy 000 / 15

Kotitehtävä Laske öljytankkeriesimerkissä rajahinnat P H, P M, P R ja P S numeerisesti hinnan volatiliteetin σ funktiona ja piirrä niiden kuvaajat, kun 0.05 < σ < 0.30. Millä σ:n arvoilla toiminnan keskeyttäminen ei ole osa optimaalista strategiaa? Optimointiopin seminaari - Syksy 000 / 16