Provincial Oil Budget Allocation based on a Stochastic Optimal Control Model

Rahmani Fazli, Hadi; Arabmazar, Abbas

doi:10.22054/joer.2016.4204

Document Type : Research Paper

Authors

¹ PhD Student in Economics, Shahid Beheshti University

² Associate Professor, Faculty of Economics and Political Science, Shahid Beheshti University

https://doi.org/10.22054/joer.2016.4204

Abstract

This study investigates the process of budget allocation to provinces of Iran based on two set of factors of 1- major macro provincial indicators and 2-oil price volatility based on stochastic differential equations and stochastic optimal control framework during the period of 2003 to 2014. In this regard, with calculation of optimal share of provinces in total country budget based on macro indicators data for year 2011, the effect of stochastic oil price on dynamic budget allocation is studied. The dynamic analysis of oil price during 2003 to 2014 indicates a volatile trend with jumps in oil price time series in some sub-periods. Accordingly, different models of stochastic differential equations and stochastic optimal control for modeling oil price and petroleum budgets allocation in different years are proposed. The results show that the share of the provincial budget depends on the parameters that determine the behavior of the oil price time series. So that, with an increased average growth rate of oil prices, the provincial budget share increases over time. In addition, an increase in volatility of oil prices and acceleration in the velocity of oil price mean-reversion, reduce the optimal share of provincial oil budgets over time. Also, based on the results of the simulation model for provincial data in year 2011, the optimal share of provincial oil budgets has dynamic and stochastic behavior and it is formed based on the behavior of oil price time series.

Keywords

References

آذر، عادل و قشقایی، علی (1389)، «طراحی مدل ریاضی تخصیص بهینه بودجه، با رویکرد MADM بودجه حمایتی دولت از شهرداری‌های کشور»، اندیشه مدیریت راهبردی، 4(2): 101-128.

آذر، عادل، امینی، محمدرضا، احمدی، پرویز (1393)، » استفاده از برنامه ریزی آرمانی فازی در بودجه ریزی دانشگاهی»، فصلنامه پژوهش و برنامه ریزی در آموزش عالی، 72: 1-24.

انتظاری، یعقوب (1389)، «تحلیل عملکرد تخصیص بودجه به دانشگاههای دولتی»، پژوهش و برنامه‌ریزی در آموزش عالی، 3(57): 1-21.

خداویسی، حسن، حسینی، رضا و ملابهرامی، احمد (1392)، «مقایسه‌ عملکرد مدل‌های ARFIMA-GARCH، شبکه‌ عصبی و معادلات دیفرانسیل تصادفی در پیش‌بینی قیمت جهانی نفت‌ خام»، فصلنامه مطالعات اقتصاد انرژی، 10 (36): 103-137.

رجبی، احمد (1391)، «برنامه‌ریزی آرمانی، رویکردی اثربخش در بودجه‌ریزی و تخصیص بهینه منابع مالی (مطالعه موردی: تخصیص بودجه وزارت بهداشت و درمان به استان‌های کشور)»، فصلنامه حسابداری سلامت، 1(2و3): 1-16.

طیبی، سیدکمیل ، خوش اخلاق، رحمان و فراهانی، مریم (1390)، «برآورد نااطمینانی در قیمت نفت سنگین ایران و سبد اوپک: کاربرد معادلات دیفرانسیل تصادفی»، فصلنامه مطالعات اقتصاد انرژی، 8 (31): 1-24.

طیبی، سیدکمیل ، خوش اخلاق، رحمان و فراهانی، مریم (1392)، «الگوسازی نااطمینانی در قیمت نفت ایران با استفاده از فرآیند تصادفی برگشت به میانگین»، پژوهشنامه اقتصاد انرژی ایران، 3(9): 175-197.

کلانتــری، خلیل (1380)، برنامــهریــزی و توســعه منطقــهای، تهران: انتشــارات خوشــبین و انــوار دانــش، چاپ اول.

عابدی، قاسم و دیگران (1386)، «ارائه مدل برنامه‌ریزی آرمانی جهت تخصیص منابع در بخش آموزشی، دانشگاهی وزارت بهداشت درمان و آموزش پزشکی»، مجله علمی پژوهشی دانشگاه علوم پزشکی مازندران، 17(57): 82-87.

مومنی، منصور (1389)، مباحث نوین تحقیق در عملیات، تهران: انتشارات دانشگاه تهران.

میرشجاعیان حسینی، حسین، رهبر، فرهاد (1391)، «تحلیل کمی الگوی اقتصاد سیاسی تخصیص بودجه‌های استانی در ایران»، جستارهای اقتصادی ایران، 9(17): 107-138.

Allen, E. (2007, Modeling with Ito Stochastic Differential Equations, University of Texas, Published by Springer.

Askari, H. and Krichene, N. (2008), “Oil Price Dynamics (2002-2006)” , Energy Economics, 30: 2134-2153.

Bardi, M. and Dolcetta, I.C. (1997), “Optimal Control and Viscosity Solutions of Hamilton-Jacobi-Bellman Equations”, Original Published in the Series Systems & Control.

Caputo, M.R. (2005), Foundations of Dynamic Economic Analysis
Optimal Control Theory and Applications, Cambridge University Press.

Dixit, A.K., and Pindyck, R.S. (1994), Investment under Uncertainty, (Princeton, New Jersey), Princeton University Press.

Geman, H. (2007), “Mean Reversion Versus Random Walk in Oil and Natural Gas Prices”, Applied and Numerical Harmonic Analysis, pp. 219-228.

Hansen, F.B. (2006), Applied Optimal Control with Emphasis on the Control of Jump-Diffusion Stochastic Processes, Cambridge University Press.

Hamilton, J. (2013), Historical oil shocks, Handbook of Major Events in Economic History, Routledge Taylor and Francis Group, New York, NY, pp. 239–265.

Hull, I. (2015), “Approximate Dynamic Programing with Post-decision States as a Solution Method for Dynamic Economic Models”, Journal of Economic Dynamic and Control, Accepted Manuscript.

Jacko, P. (2012), “Resource Capacity Allocation to Stochastic Dynamic Competitors: Knapsack problem for Perishable Items and Index-Knapsack Heuristic”, Annals of Operation Research.

Kamien, M. I., and Schwartz, N. L., (1991), Dynamic Optimization: The Calculus of Variations and Optimal Control in Economics and Management, North Holland, Amsterdam, Holland.

Larsson, K. and Nossman, M. (2011), “Jumps and Stochastic Volatility in Oil Price: Time Series Evidence”, Energy Economics, 33, pp. 504-514.

Li, H. and Womer, N.K. (2015), “Solving Stochastic Resource-constraint Project Scheduling Problems by Closed-loop Approximate Dynamic Programing”, European Journal of Operation Research, 2140, pp. 20-33.

Merton, R.C. (1976), “Option Pricing when Underlying Stock Returns and Discontinues, Journal of Financial Economics, 3, pp.125-144.

Neck, R. and Karbuz, S. (1995), “Optimal Budgetary and Monetary Policies under Uncertainty: A Stochastic Control Approach”, Annals of Operations Research, 58(5), pp. 379-402.

Padgett, J.F. (1981), “Hierarchy and Ecological Control in Federal Budgetary Decision Making”, American Journal of Sociology, 87(1), pp. 75-129.

Pindyck, R. S. (1999), “The Long-run Evolution of Energy Prices”, The Energy Journal 20, pp.1 –27.

Postali, F.A.S and Picchetti , P. (2006), “Geometric Brownian Motion and Structural Break in Oil Prices: A quantitative analysis”, Energy Economics,28, pp.506-522.

Wei, F. and Randy, M. and Mason, G. and Leonard, B. (2014), “A Stochastic Dynamic Programing Approach for the Equipment Replacement Optimal under Uncertainty, Journal of Transportation, System Engineering and Information Technology, 14(4), pp. 76-84.

Yong, J. and Zhou, X.Y. (1999), “Dynamic Programming and HJB Equations”, Applications of Mathematics , 43, pp. 157-215.

Zhang, X. and Yu, L. and Wang, Sh. (2009), “The Impact of Financial Crisis of 2007-2008 on Crude Oil Price”,Lecture Notes in Computer Science , 5545, 2009, pp. 643-652.

Economics Research

Provincial Oil Budget Allocation based on a Stochastic Optimal Control Model

References

References

آذر، عادل و قشقایی، علی (1389)، «طراحی مدل ریاضی تخصیص بهینه بودجه، با رویکرد MADM بودجه حمایتی دولت از شهرداری‌های کشور»، اندیشه مدیریت راهبردی، 4(2): 101-128.

انتظاری، یعقوب (1389)، «تحلیل عملکرد تخصیص بودجه به دانشگاههای دولتی»، پژوهش و برنامه‌ریزی در آموزش عالی، 3(57): 1-21.

Volume 16, Issue 60 - Serial Number 60
April 2016
Pages 153-182

Provincial Oil Budget Allocation based on a Stochastic Optimal Control Model

References

References

آذر، عادل و قشقایی، علی (1389)، «طراحی مدل ریاضی تخصیص بهینه بودجه، با رویکرد MADM بودجه حمایتی دولت از شهرداری‌های کشور»، اندیشه مدیریت راهبردی، 4(2): 101-128.

انتظاری، یعقوب (1389)، «تحلیل عملکرد تخصیص بودجه به دانشگاه­های دولتی»، پژوهش و برنامه‌ریزی در آموزش عالی، 3(57): 1-21.

Volume 16, Issue 60 - Serial Number 60April 2016Pages 153-182

انتظاری، یعقوب (1389)، «تحلیل عملکرد تخصیص بودجه به دانشگاههای دولتی»، پژوهش و برنامه‌ریزی در آموزش عالی، 3(57): 1-21.

Volume 16, Issue 60 - Serial Number 60
April 2016
Pages 153-182