Kursus i @Risk (stokastisk simulering) Øvelsesmanual Hvorfor @Risk og dette kursus? Større og mere komplekse landbrugsbedrifter kræver gode beslutningsværktøjer. I traditionelle regneark regnes der på følsomhed på 1 parameter af gangen, hvilket ikke er tilstrækkeligt i fremtiden, da priser og udbytter bevæger sig samtidigt og kreditgivere stiller større krav til et grundigt forarbejde inden der bevilges lån og kreditter. @Risk er et nem-gå-til Excel-add-in, der kan anvendes på egne og på SEGES udviklede regnearksværktøjer. Målgruppen er primært rådgivere af større landmænd mht. de mere komplekse værktøjer, mens gruppen af landmænd er bredere ved de mere enkle værktøjer. Kurset klæder dig på til at anvende @Risk til simuleringer og fortolkning af resultater. @Risk går ud på at simulere på en model af virkeligheden og f.eks. gøre det 10.000 gange idenfor definerede udfaldsrum, så man f.eks. får en god idé om det forventede resultat ved en aktivitet og hvad sandsynligheden for et godt/dårligt resultat er. Det bliver på kurset forklaret hvad stokastiske variable er og hvordan de kan anvendes til at forbedre rådgivningen af landmanden. Når du går herfra ved du hvad en stokastisk variabel er, hvordan du bygger en simpel @Risk model, hvordan du foretager simuleringer med @Risk og hvordan du fortolker data, så du bliver i stand til at rådgive landmanden derudfra. Beskrivelse af begreber og koncept 1. Stokastisk simulering 1
2. Fordelinger 3. Statistiske nøgletal: Gennemsnitlig værdi (mean) Oftest forekommende værdi (mode) Midterste værdi mellem den laveste og højeste værdi (median) Gennemsnitlig afvigelse mellem de enkelte observationer og den gennemsnitlige værdi (standardafvigelsen) 2
Eksempel Sorteret efter Temperatur 364 størrelse 350 373 357 358 358 394 359 378 363 379 364 367 364 364 365 350 367 363 368 392 373 368 375 359 378 375 379 399 379 365 380 379 392 357 394 380 399 400 400 Gennemsnit 373,2 Midterste værdi 370,5 Hyppigste værdi 364,0 Standardafvigelse 14,1 370,5 3
Øvelse 1 Trin 1: Opbygning af regneark Trin 2: Inputvariable udpeges Trin 3: Outputvariable udpeges Trin 4: Fordelinger af inputvariable defineres Trin 5: Simulering og fortolkning af resultat Trin 1 Indtjening MARKPLAN Fordelinger på basis af viden/skøn Afgrøder Antal ha Udbytte (hkg. pr. ha) Pris (kr. pr. hkg) Kr. pr. ha Vinterhvede 100 75,0 107,5 8.063 Vårbyg 50 54,2 102,5 5.552 Bruttoudbytte 150 7.226 Stykomkostninger 2.500 Dækningsbidrag 4.726 Trin 2 og trin 3 Indtjening MARKPLAN Fordelinger på basis af viden/skøn Afgrøder Antal ha Udbytte (hkg. pr. ha) Pris (kr. pr. hkg) Kr. pr. ha Vinterhvede 100 75,0 107,5 8.063 Vårbyg 50 54,2 102,5 5.552 Bruttoudbytte 150 7.226 Stykomkostninger 2.500 Dækningsbidrag 4.726 4
Trin 4 @Risk funktioner 5
6
7
Trin 5 8
9
10
Øvelse 2 Fordelings-match (distribution fitting) Indtjening MARKPLAN Fordelinger på basis af historik Afgrøder Antal ha Udbytte (hkg. pr. ha) Pris (kr. pr. hkg) Kr. pr. ha Vinterhvede 100 71,9 126,50 9.089 Vårbyg 50 55,0 120,00 6.595 Bruttoudbytte 150 8.258 Stykomkostninger 2.384 Dækningsbidrag 5.874 Prisfordelinger Hvede 11
Byg 12
Udbyttefordelinger Vinterhvede Vårbyg 13
Omkostningsfordeling (stykomkostninger) Output 14
15
16
Øvelse 3 Batch fit fordelinger og korrelationer Brug fanen Historiske data og fremtiden. Trin 1 Vælg Batch fit under fanen Distribution manager : 17
Husk at vinge af i i Run parametric boot strap. Batch Fit Summary: Dataset 11 Performed By: Brian Oster Hansen Date: 22. april 2015 12:02:10 Name Kr. pr. kg Kr. pr. FEsv Historiske data og fremtiden!i3:i98 Historiske data og fremtiden!j3:j98 Range Best Fit (Ranked by AIC) RiskLogistic(10,6888;0,4416) RiskUniform(1,29264;2,12919) Function 10,6888 1,710915 AIC 230,6631-30,1373 Minimum -Infinity 1,2926 Maximum +Infinity 2,1292 Mean 10,6888 1,7109 Mode 10,6888 1,2926 Median 10,6888 1,7109 Std. Deviation 0,801 0,2415 Graph Correlation Kr. pr. kg Kr. pr. FEsv Kr. pr. kg 1,000 Kr. pr. FEsv 0,456 1,000 18
19
Øvelse 4 DC garanti og bonus Danish Crown ønsker at flere slagtesvin bliver produceret i Danmark, og derfor tilbyder de et bonustillæg på 15 øre pr. kg. slagtevægt de første 5 år ved bygning af et nyt produktionsanlæg. Der tilbydes også en DB garanti der gives ud fra DB på slagtesvin i den beregnede notering. Denne bliver udløst når DB beregnet notering kommer under 87 kr. pr. år i de første 7 år. Garantien kan maksimalt andrage 25 kr. /svin pr. år. Trin 1 A. Hvad betyder DC's bonustillæg og DB garanti for DB pr. slagtesvin år 1 i forhold til stald uden bonustillæg og garanti? Indsæt notering og foderpris inputvariable på baggrund af fordelinger fra øvelse 3. Marker de to funktioner og copy paste dem over i fanen DC garanti og bonus. 20
Trin 2 Indsæt korrelation mellem notering og foderpris. Marker området med de to celler med notering og foderpris der ønskes korrelation imellem samt deres navneceller til venstre for. Vælg Define Correlations fra @Risk menulinjen. 21
22
Udfyld vinduet med korrelationen mellem notering og foder, vælg hvor matricen skal placeres og ving af i Add heading. Korrelationsmatricen skal se ca. sådan her ud. Notering, kr. pr. kg @RISK Correlations slagtevægt in $C$3 Notering, kr. pr. kg slagtevægt in $C$3 1 Foderpris, kr. pr. FEsv in $C$4 Foderpris, kr. pr. FEsv in $C$4 0,456 1 23
Trin 3 Tillæg bonus på 15 øre for stalden med bonus og garanti. Formel i celle C46: =(C17+0,15)*C11*(1-C6/100-C10/100)/(1-C6/2/100) Trin 4 Tillæg DB-garanti for stalden med bonus og garanti. Formel i celle C47: =RiskOutput()+HVIS(C30<62;25;HVIS(C30<87;87-C30;0)) Trin 5 Indsæt RiskMean-funktioner for DB og mål effekten af bonus og garanti. =RiskMean(C55) (gns. af DB uden DC garanti og bonus) = 157,34 kr. =RiskMean(C42) (gns. af DB med DC garanti og bonus) = 139,71 kr. =RiskMean(C47) (gns. af DC garanti) = 5,42 kr. =RiskMean(C46)-RiskMean(C34) (gns af DC bonus) = 12,21 kr. Samme resultat kan fås ved blot at regne C46-C34. Samlet bonus og garanti = 17,63 kr. pr. slagtesvin beregnet ud fra enten 157,34 kr. -139,71 kr. eller 5,42 kr. + 12,21 kr. Overlay mellem de to DB-funktioner i C55 og C42: 24
Outputfunktion for DB garanti i C47: B. Hvis foderforbrug og dødelighed fjernes som stokastiske variable, hvad sker der så med fordelingerne for DB? Overskriv cellerne C6-C9 med værdierne der står i celle B6-B9. Overlay funktionen for stalden med garanti og bonus får nu en nærmest lodret hældning på en del af kurven, da der udløses DB garanti op til 25 kr. pr. slagtesvin, før var denne garanti maskeret af forskelle i dødelighed og foderforbrug i hver simulering. 25
C. Hvad er sandsynligheden for at DB kommer under 100 kr. pr. slagtesvin? Ved aflæsning af outputfunktioner kan det ses at sandsynligheden for at komme udner 100 kr. i Db pr. slagtesvin er ca. 14,9 % for stalden uden og ca. 2,2 % for stalden med garanti og bonus. Hvis der er tid: Udbyg modellen så der regnes for en investeringshorisont på 25 år. Hvad er DB hvert år med og uden garanti og bonus? Hvad er nutidsværdi af samlet DB over 25 år ved en diskonteringsrente på 5 %? 26
Uden bonus og garanti? Med bonus og garanti? Uden bonus og med garanti? Med bonus og uden garanti? 27