بهکارگیری تئوری پرتفوی در بررسی اثر ترجیحات ریسکی کشاورزان بر الگوی کشت و بهرهوری آب در شهرستان نظرآباد
فاطمه میرمحمدی
1
(
دانشجوی کارشناسی ارشد اقتصاد کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
)
فاطمه کشیری کلایی
2
(
استادیار گروه اقتصاد کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی ساری
)
سمیه شیرزادی
3
(
استادیار گروه اقتصاد کشاورزی، دانشگاه علوم کشاورزی و منابع طبیعی ساری
)
الکلمات المفتاحية: حداقل سازی ریسک, بهرهوری اقتصادی آب, برنامه ریزی ریسکی درجه دوم, ریسک گریزی,
ملخص المقالة :
تولید در بخش کشاورزی بهعنوان تأمینکننده نیازهای غذایی جامعه با خطرات مختلفی مواجه است. باتوجهبه محدودیت منابع تولید مانند آب، لزوم همسویی تولید در این بخش با ترجیحات ریسکی کشاورزان و استفاده بهینه از نهادهها احساس میشود. مطمئناً ترجیحات ریسکی بر الگوی کشت تأثیر میگذارد و تغییر الگوی کشت بر مصرف نهاده، کل تولید، سود کل و در نتیجه بهرهوری نهادهها اثرگذار است. در این پژوهش با استفاده از تئوری پرتفوی، تأثیر ترجیحات ریسکی کشاورزان بر الگوی کشت و بهرهوری فیزیکی و اقتصادی آب شهرستان نظرآباد بررسی شده است. در این مطالعه از مدل برنامهریزی ریسکی درجه دوم با هدف بهحداقلرساندن ریسک و درعینحال به حداکثر رساندن بازده مورد انتظار پرتفوی استفاده شده است. آمار و اطلاعات مورد نیاز با مراجعه به مرکز جهاد کشاورزی منطقه موردمطالعه و سایت وزارت جهاد کشاورزی مربوط به سال زراعی 1401-1400 جمع آوری شده است. در نهایت، برآورد نتایج از طریق نرم افزار GAMS انجام شده است. نتایج نشان داد که در مدل ریسکی درجه دوم، با افزایش ریسک گریزی، سطح زیرکشت محصولات کم ریسک تر مانند سیبزمینی افزایش مییابد، در حالی که سطح زیر کشت محصولات پر ریسک مانند جو کاهش مییابد. همچنین در ریسک گریزی بالا، محصول خیار نیز وارد الگوی کشت شده است. با تغییر الگوی کشت در سناریوهای مختلف ریسک گریزی، بهره وری فیزیکی و اقتصادی آب نیز تغییر کرده است به طوریکه با افزایش ریسک گریزی، بهره وری فیزیکی افزایش یافته است در حالی که بهره وری اقتصادی ابتدا افزایش و در ریسک گریزی بالا، با کاهش مواجه شده است.
1. Vasylieva, N. Informatics, Application of Markowitz Portfolio Theory to Producing the World Major Field Crops. 2020. 12(4): p. 123-131.
2. Kolm, P.N., Tütüncü, R. and Fabozzi, F.J. 60 years of portfolio optimization: Practical challenges and current trends. 2014. 234(2): p. 356-371.
3. Markowitz, H., Portfolio Selection. The Journal of Finance, 1952. 7(1): p. 77-91.
4. Asadpour, H. and Abaziri, A. Determining the optimal crop cultivation program of Lale Abad section of Babol city using the ideal linear programming model. Agricultural economics and development journal. 2013. 22(87): p. 125-137.
5. Mardani, M., Ziaei S. and Nikouei A, Optimal cropping pattern modifications with the aim of environmental-economic decision making under uncertainty. 2018. 8(3): p. 365-375.
6. Wibowo, R.P., T. Rizaldi, and I. Siregar. The impact of risk and uncertainty on irrigation decision for paddy production in North Sumatera Indonesia. in IOP Conference Series: Materials Science and Engineering. 2019. IOP Publishing.
7. Lu, H., Huang, G. and He, L. Simulation-based inexact rough-interval programming for agricultural irrigation management: a case study in the Yongxin County, China. 2012. 26: p. 4163-4182.
8. Abbasi, F. Sohrab, F. and Abbasi, N. Evaluation of irrigation water management situation in Iran. Journal of Irrigation and Drainage Structural Engineering Research. 2015. 67(17): p. 113-128.
9. Naseri, A. Abbasi, F. and Akbari, M.. Estimation of water consumption in the agricultural sector using the water balance method. Journal of Irrigation and Drainage Engineering Research. 2016. 68(18): p. 17-32.
10. Zare Mehrjordi, M.R., Razaghi, M., Kiayanirad, A. and Nabieian, P. Modeling the farmer's participation in the optimal performance model using positive planning. Insurance Research Journal. 2014. 30(1): p. 155-185.
11. Sargazi, A. and Qavidel, M. Optimal planning and allocation of water resources in the agricultural sector using the fuzzy planning approach, a case study of Soumesara city. Iranian Journal of Water Resources Research. 2016. 13(2): p. 74-81.
12. Sani, F., Dashti, G., Majnouni, A. Hosseinzad, J. Economic effects of climate change and water resources management scenarios: Application of risk-based hydro-economic model. Agricultural Economics and Development. 2020. 34(4): p. 483-501.
13. Verjavand, P., Baghani, J. and Abbasi, F. Field evaluation of physical and economic water productivity in wheat production (case study in Ahvaz and Azadegan plains). Iran Irrigation and Drainage Journal. 2021. 15(3): p. 665-678.
14. Hao, L., Su, X. and Singh, V.P. Cropping pattern optimization considering uncertainty of water availability and water saving potential. 2018. 11(1): p. 178-186.
15. Zhang, W.J., Tan, Q. and Zhang, T.Y. A risk-averse stochastic quadratic model with recourse for supporting irrigation water management in uncertain and nonlinear environments. 2021. 244: p. 106431.
16. Zhuo, L., Meng, L, Zhang, G., Mekonnen, M.M., Hoekstra, A.Y., Wada, Y., & Wu, P. Volume versus value of crop-related water footprints and virtual water flows: A case study for the Yellow River Basin. 2022. 608: p. 127674.
17. Burbano-Figueroa, O., Sierra-Monroy, A., David-Hinestroza, A., Whitney, C., Borgemeister, C., & Luedeling, E.., Farm-planning under risk: An application of decision analysis and portfolio theory for the assessment of crop diversification strategies in horticultural systems. 2022. 199: p. 103409.
18. Norton, R.D. and Hazell, P.B. Mathematical programming for economic analysis in agriculture. 1986: Macmillan New York, NY, USA.
19. Prigent, J.L. Portfolio optimization and performance analysis. 2007: Chapman and Hall/CRC.