Prof. Dr. agr. habil. Martin Odening

Martin Odening erforscht die Funktionsweise und Effizienz von landwirtschaftlichen Bodenmärkten, insbesondere wie Preise entstehen, welche Rolle Wettbewerb und Marktliquidität spielen, und ob Transaktionen tatsächlich zu einer effizienten Ressourcenverteilung führen. Aktuell untersucht er auch Entschädigungsmechanismen für Landwirtschaftsbetriebe bei Schädlingsbefall und entwickelt Agrarversicherungsprodukte für Klimarisiken in Zentralasien. Seine Arbeiten liefern Entscheidungshilfen für Behörden und Betriebe bei Marktregulierung, Schadensmanagement und Risikoabsicherung in der Landwirtschaft.

🔒 Das System hat 506 mögliche Industrie-Partner gefunden — Firmen, Scores und Begründungen sind nur für eingeloggte Nutzer:innen sichtbar. Anmelden

• FG 497: Strukturwandel und Transformation im Agrarbereich - Teilprojekt 1: Hysterese im Agrarstrukturwandel (I)

  Quelle ↗

  In dem Teilprojekt werden Modellansätze untersucht, die die Dynamik agrarstrukturellen Wandels erklären. Ein Schwerpunkt liegt auf der empirischen Fundierung von Realoptionsmodellen.

• Preisprognosen landwirtschaftlicher Produkte mit Neuronalen Netzen

  Quelle ↗

  Angesichts zunehmender Deregulierung und Volatilität auf Agrarmärkten nimmt die Bedeutung von Agrarpreisprognosen für wichtige Managemententscheidungen zu.Theoretisch gibt es auf informationseffizienten Märkten keine Möglichkeit durch statistische Verfahren bessere Prognosen zu erzielen, da der beobachtbare Preis bereits alle verfügbaren Informationen reflektiert und künftige Preisschwankungen rein zufällig stattfinden. In der Realität lassen sich allerdings in Agrarpreisreihen Strukturen finden, deren Kenntnis eine Prognose ermöglicht. In jüngerer Zeit sind verstärkt Künstliche Neuronale Netze (KNN) verwendet worden, um solche Strukturen zu entdecken. In diesem Forschungsprojekt soll das Potenzial von KNN zur Agrarpreisprognose näher untersucht werden. Untersuchungsgegenstand sind verschiedene Preiszeitreihen aus dem pflanzlichen und tierischen Bereich, wobei sich die Produkte in ihrer Saisonalität, Lagerfähigkeit und Volatilität unterscheiden. Zur Bewertung der Prognoseleistung werden Quasi-ex-ante-Prognosen durchgeführt. Als Vergleichsmaßstab dienen Prognosen mit ARIMA-Modellen sowie Futurespreise.

• Wetterderivate - Einsatzmöglichkeiten im Agribusiness

  Quelle ↗

• Systemic Weather Risk and Crop Insurance: The Case of China

  2012

  Journal of Risk & Insurance · DOI

  A bstract This article explores the possibility of spatial diversification of weather risk for 17 agricultural production regions in China. We investigate the relation between the size of the buffer load and the size of the trading area of a hypothetical temperature‐based insurance. The analysis adopts the hierarchical Archimedean copula approach that allows for flexible modeling of the dependence structure of insured losses. We find that the spatial diversification effect depends on the type of the weather index and the strike level of the insurance. Our findings are relevant for the current discussion on the viability of private crop insurance in China.

• Efficiency and total factor productivity in Ukrainian agriculture in transition

  2005

  Agricultural Economics · DOI

  Abstract This article analyzes efficiency and total factor productivity (TFP) change of large agricultural enterprises during their transition to a market economy in Ukraine. Efficiency is calculated by Data Envelopment Analysis and productivity change is measured by the Malmquist Productivity Change Index in the period between 1990 and 1999. On average, TFP declined by 6% annually, dropping a total 42%. The main reason for the observed TFP decline is a decrease in technical efficiency, which is found to be remarkably significant. At the same time there is a high variation among individual enterprises: the distribution of efficiency scores widens, which indicates that the farms diverge with respect to their economic performance. A Tobit regression analysis is conducted in which efficiency scores are related to factors such as farm type, farm size, initial conditions, and legal form.