文献

J-GLOBAL ID：201802217361160045   整理番号：18A1710916

政策不確実性とBayes学習の下でのグリーン投資【JST・京大機械翻訳】

Green investment under policy uncertainty and Bayesian learning

著者 (5件)： Dalby Peder A.O. (Department of Industrial Economics and Technology Management, Norwegian University of Science and Technology, 7491 Trondheim, Norway) ,  Gillerhaugen Gisle R. (Department of Industrial Economics and Technology Management, Norwegian University of Science and Technology, 7491 Trondheim, Norway) ,  Hagspiel Verena (Department of Industrial Economics and Technology Management, Norwegian University of Science and Technology, 7491 Trondheim, Norway) ,  Leth-Olsen Tord (Department of Industrial Economics and Technology Management, Norwegian University of Science and Technology, 7491 Trondheim, Norway) ,  Thijssen Jacco J.J. (The York Management School, University of York, Heslington, York YO10 5GD, UK)
資料名： Energy  (Energy)
巻： 161  ページ： 1262-1281  発行年： 2018年 
JST資料番号： H0631A  ISSN： 0360-5442  CODEN： ENEYDS  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 多くの国は,再生エネルギー(RE)における投資を加速するための支援スキームを導入した。経験は,時間にわたって,サポート方式の後退または修正がより可能になることを示している。REにおける投資家は,そのような補助金変化のリスクにより大きく影響される。本論文では,Bayes学習を実際のオプションモデリングアプローチに組み込んだ,補助金修正のタイミングに対する主観的信念を更新することにより,投資行動がどのように影響されるかを検討した。著者らは,固定フィードイン料金(FIT)の再帰的下方調整がレジームスイッチングモデルを通して期待されるシナリオを解析した。政策変化の到着率が増加すると投資家は投資しにくいことを見出した。さらに,投資家は長い期待寿命を持つ低いFITを好む。また,牽引後,電力が自由市場で販売される拡張も考慮した。政策不確実性が高い場合,FITの増加は投資の加速においてより効果的でないことを見出した。しかし,政策リスクが低ければ,FIT方式は,非常に揮発性の市場においてさえ,投資を著しく加速することができる。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *投資 ,  再生エネルギー ,  料金 ,  揮発性 ,  電力 ,  モデリング ,  *不確実性 ,  補助金 ,  モデル
準シソーラス用語： 投資家 ,  Bayes学習 , 【Automatic Indexing@JST】

分類 (1件)： エネルギー政策・エネルギー制度  (LA01040K)

タイトルに関連する用語 (5件)： 政策 ,  不確実性 ,  Bayes学習 ,  グリーン ,  投資