Show simple item record

dc.contributor.advisorGuttormsen, Atle G.
dc.contributor.advisorEwald, Christian Oliver
dc.contributor.authorZitti, Mikaella
dc.date.accessioned2024-03-05T13:33:04Z
dc.date.available2024-03-05T13:33:04Z
dc.date.issued2023
dc.identifier.isbn978-82-575-2103-5
dc.identifier.issn1894-6402
dc.identifier.urihttps://hdl.handle.net/11250/3121108
dc.description.abstractThis thesis examines key aspects of the salmon industry, including financial effects of climate change, market volatility, price predictions, and the role of news on market prices. The work consists of four research articles that offer practical insights to various stakeholders in the salmon market, thus adding to the growing body of literature in the field and enhancing the understanding of the salmon industry. The first article underlines the importance of climate-related financial disclosures in the salmon industry. It showcases a trend of increased transparency, encouraged by organizations such as the TCFD and CDP, leading to better practices in addressing climate-related risks. This shift benefits not only the companies themselves but also investors and policymakers, enabling sustainable decision-making. The second study investigates the prediction of salmon market volatility using a deep learning technique known as LSTM. The findings reveal that the LSTM model did not outperform the benchmark ARMA model in forecasting accuracy, suggesting that the salmon market volatility may not exhibit complex temporal patterns that can be effectively captured by LSTM. In the third article, the effectiveness of a hybrid VAR-LSTM model is tested against a traditional VAR model for predicting salmon spot prices. The study suggests that the hybrid model does not significantly improve salmon price forecasting, suggesting that salmon price series do not exhibit (exploitable) non-linear patterns. This result implies the efficiency of the salmon market, where new information is swiftly identified and incorporated by investors. The final study investigates how news affects the stock prices of major salmon companies. This paper brings attention to the need for industry-specific sentiment analysis tools (“lexicons”). In addition, it addresses the competition within the global salmon market and discusses factors contributing to market volatility, with Covid-19 identified as a major influence. Overall, this research contributes to the existing knowledge by enhancing the understanding of climate-related disclosures, improving prediction models for market volatility and prices, and offering insights into the effects of news on the market. These findings have significant implications for the salmon industry and could assist policymakers, companies, and investors in making informed decisions, promoting the industry’s resilience and sustainability. Furthermore, these findings provide insights into potential future trends and price fluctuations in the salmon industry, which are crucial for efficient market operation and strategic planning.en_US
dc.description.abstractDenne avhandlingen undersøker nøkkelaspekter ved lakseindustrien, inkludert de finansielle effektene av klimaendringer, markedsvolatilitet, prisprognoser og nyheters rolle på markedsprisene. Arbeidet består av fire forskningsartikler som tilbyr praktiske innsikter til ulike interessenter i laksemarkedet. Den første artikkelen understreker betydningen av klimarelaterte finansielle avsløringer i lakseindustrien. Den viser en trend med økt transparens, oppmuntret av organisasjoner som TCFD og CDP, noe som fører til bedre praksis i håndtering av klimarelaterte risikoer. Denne endringen gagner ikke bare selskapene selv, men også investorer og beslutningstakere, ved å muliggjøre bærekraftig beslutningstaking. Den andre studien fokuserer på å forutsi laksemarkedets volatilitet ved hjelp av tradisjonelle tidsseriemodeller og en dyp læringsmetode kalt LSTM. Funnene avslører at LSTM presterer bedre, spesielt for langsiktig prognose, noe som gjør det mulig for markedsdeltakerne å ta informerte beslutninger om risikostyring og produksjonsplanlegging. I den tredje artikkelen testes effektiviteten av en hybrid VAR-LSTM-modell mot en tradisjonell VAR-modell for å forutsi lakse spotpriser. Studien antyder at den hybride modellen ikke forbedrer laks prisprognosen betydelig, noe som antyder at laksepriser ikke viser ikke-lineære trender. Dette resultatet antyder effektiviteten i laksemarkedet, der prisendringer raskt blir identifisert og innarbeidet av investorer. Den endelige studien undersøker hvordan nyheter påvirker aksjekursene til de største lakseselskapene. Denne artikkelen retter oppmerksomheten mot behovet for bransjespesifikke verktøy for sentimentanalyse (“leksikoner”). I tillegg tar den opp konkurransen i det globale laksemarkedet og diskuterer faktorer som bidrar til markedsvolatilitet, med Covid-19 identifisert som en hovedpåvirker. Denne forskningen bidrar til eksisterende kunnskap ved å forbedre forståelsen av klimarelaterte avsløringer, forbedre prognosemodeller for markeds volatilitet og priser, og tilby innsikt i effekten av nyheter på markedet. Disse funnene kan hjelpe politikere, selskaper og investorer med å ta informerte beslutninger og bidra til bransjens motstandsdyktighet og bærekraft. Videre kan resultatene gi veiledning til markedsdeltakere i håndtering av potensielle fremtidige trender og prisfluktuasjoner, og fremme mer effektive praksis innen lakseoppdrettsindustrien.en_US
dc.language.isoengen_US
dc.publisherNorwegian University of Life Sciences, Åsen_US
dc.relation.ispartofseriesPhD Thesis;2023:72
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internasjonal*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/deed.no*
dc.subjectNeural Networksen_US
dc.subjectText Miningen_US
dc.subjectLong Short-term Memory (LSTM)en_US
dc.subjectLatent Dirichlet Allocation (LDA)en_US
dc.subjectForecastingen_US
dc.subjectSalmon Marketsen_US
dc.subjectCommodity Marketsen_US
dc.subjectClimate-related financial disclosuresen_US
dc.titleEssays on salmon commodity marketsen_US
dc.title.alternativeEssayer i laksemarkederen_US
dc.typeDoctoral thesisen_US


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivatives 4.0 Internasjonal
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivatives 4.0 Internasjonal