En la primera parte de este libro se presenta el marco teórico de la toma de decisiones en situaciones de incertidumbre en el sector agropecuario. Se incluye para ello una breve introducción a las características de las empresas agrarias haciendo hincapié en los factores de riesgo predominantes a tener en cuenta para un correcto análisis de riesgo.
A continuación se explican las bases de la Simulación Monte Carlo, un método de investigación operativa que demostró a las autoras una gran utilidad práctica así como suficiente versatilidad. Mediante ella pueden volcarse en los informes, las oscilaciones previsibles de resultados.
La segunda parte de la obra ejemplifica el uso práctico de la herramienta. Para ello se exponen en forma resumida diversas problemáticas que han sido investigadas por las autoras (docentes en la Cátedra de Administración Rural de la Facultad de Agronomía de la Universidad de Buenos Aires) y sus tesistas, así como las principales conclusiones obtenidas. Los ejemplos se encuentran agrupados de acuerdo a la temática. Se hace referencia a los trabjos completos para aquellos interesados en profundizar el estudio del problema.
ÍNDICE
Prólogo
Las autoras
Primera parte. Toma de decisiones en condiciones de incertidumbre
Característica de la empresa agropecuaria
Decisiones riesgosas: la evaluación y administración del riesgo; incerticumbre y riesgo; fuentes de riesgo; toma de decisiones bajo incertidumbre; estrategias de mitigación del riesgo; la actitud frente al riesgo; la evaluacion del riesgo; análisis de sensibilidad; análisis de escenarios; limitaciones de los análisis determinísticos.
La simulación Monte Carlo: distribución de probabilidad; fuentes de datos para las distribuciones; los resultados; la correlación entre variables.
Segunda parte. Aplicaciones de simulación Monte Carlo
Portfolios agrícolas
Combinación de Simulación Monte Carlo y modelos de Simulación agronómica
Alternativas ganaderas
Uso de alternativas de coberturas de precios
Uso de seguro para riesgo climático
Combinación de Programación lineal y Simulación Monte Carlo
Aspectos metodológicos: coeficiente de correlación
Valoraciones
No hay valoraciones aún.