Un modelo simple para la decisión de actividades agrícola - ganaderas bajo condiciones de riesgo apartir de datos locales.

El objetivo del presente trabajo fue determinar la asignación óptima y una frontera riesgo-eficiente para el uso de la tierra de una empresa agro-ganadera basadas en el margen bruto global, mediante el uso de un modelo simple ("Target MOTAD"). Se utilizó una base empírica de márgenes bruto...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Machado, Claudio
Otros Autores: Ponssa, Eduardo Enrique, Duhalde, J., Di Nezio, L.
Formato: Artículo
Lenguaje:Español
Materias:
Aporte de:Registro referencial: Solicitar el recurso aquí
Descripción
Sumario:El objetivo del presente trabajo fue determinar la asignación óptima y una frontera riesgo-eficiente para el uso de la tierra de una empresa agro-ganadera basadas en el margen bruto global, mediante el uso de un modelo simple ("Target MOTAD"). Se utilizó una base empírica de márgenes brutos (MB) históricos por actividad (Trigo, girasol y ganadería).. Se ajustaron las distribuciones estadísticas mas apropiadas (BestFit), y se realizó un muestreo artificial de las mismas (Risk) integrado a un modelo de programación lineal "Target MOTAD" (Microsoft Excel). Se construyó una frontera de riesgo-eficiente para el uso de la tierra, a partir de diversas situaciones de riesgo y requerimientos mínimos de renta ("targets") para dos establecimientos hipotéticos de 100 a 500 ha. A menor riesgo tolerado (mayores "targets") el modelo aumentó significativamente la contribución ganadera al plan propuesto, con mayor tolerancia a la variabilidad agrícola a un mismo "target" en el caso de la empresa de mayor escala.. Independientemente de los resultados particulares de este trabajo inicial, es posible concluír que el modelo simple utilizado agrega factores de interés (restricciones impuestas por el empresario e información de variabilidad interanual del MB de distintas actividades agropecuarias) que amplían el análisis de la diversificación productiva.