Energikrisens Implikationer for en Dansk Plastvirksomhed: En analyse af priselasticitet og forecasting

The Implications of the Energy Crisis for a Danish Plastic Company: An analysis of price elasticity of demand and forecasting

Cloos, Christian Øst ; Krogsgaard, Mathias ; Shanmuganathan, Denesan

4. semester

Økonomi (cand.oecon), Kandidat

2022

2022-06-03

114

Dette speciale undersøger, hvordan energikrisen påvirker omsætningen i en dansk virksomhed i plaststøbningsbranchen gennem en samarbejdsaftale med virksomheden. Vi anvender flere økonometriske og statistiske modeller til at vurdere effekterne på omsætningen og til at lave prognoser. Fordi virksomheden kan ændre sit produktudvalg fra periode til periode, benytter vi stedfortrædende mål (proxies) for solgt mængde og pris for at håndtere den heterogene produktportefølje. Vi estimerer kort- og langsigtet priselasticitet for at belyse, hvordan prisændringer påvirker salget. En strukturel VAR-model (SVAR) viser, at en prisstigning på 1% reducerer salget af plastprodukter med ca. 0,15% på kort sigt og 0,17% på lang sigt. Resultaterne er i tråd med hypotesen om, at efterspørgslen bliver relativt mere elastisk over tid, men forbliver inelastisk (absolutværdi under 1). På den baggrund peger analysen på, at energikrisen samlet set har haft en positiv effekt på virksomhedens omsætning, fordi højere priser ikke medfører proportionale fald i salget. Vi sammenligner også flere prognosemodeller. En VAR-model giver den bedste prognose vurderet på RMSE (et mål for gennemsnitlig prognosefejl) og visuelle vurderinger, med en gennemsnitlig afvigelse på 9,7% fra de observerede værdier. Det er 0,5 procentpoint bedre end en enklere, univariat Prophet-model med XGBoost-fejl. Det rejser spørgsmålet, om den ekstra modelkompleksitet er nødvendig for virksomhedens formål. Neurale netværksmodeller klarer sig samlet set dårligst, hvilket muligvis skyldes den simple regressionsopstilling og datasættets begrænsede længde.

This thesis examines how the energy crisis affects revenue at a Danish company in the plastic molding industry, carried out through a cooperation agreement with the firm. We use a range of econometric and statistical models to assess revenue impacts and to produce forecasts. Because the company can change its product mix from one period to the next, we use proxies for quantity sold and price to handle the heterogeneous product portfolio. We estimate short- and long-run price elasticity to understand how price changes affect sales. A structural VAR (SVAR) model indicates that a 1% increase in the sales price reduces sales of plastic products by about 0.15% in the short run and 0.17% in the long run. These findings are consistent with the hypothesis that demand becomes relatively more elastic over time, yet remains inelastic (absolute value below 1). Based on this inelasticity, the analysis concludes that the energy crisis has a positive impact on the company’s revenue, because higher prices do not lead to proportionate drops in sales. We also compare several forecasting models. A VAR model provides the best forecasts judged by RMSE (a measure of average forecast error) and visual inspection, with an average deviation of 9.7% from observed values. This is 0.5 percentage points better than a simpler univariate Prophet model with XGBoost errors, raising the question of whether such added complexity is necessary for forecasting. Overall, neural network models perform the worst, possibly due to the simple regression setup and the shorter length of the dataset.

[Dette resumé er omskrevet med hjælp fra AI baseret på projektets originale resumé]

Forecasting ; Price Elasticity of Demand ; SVAR ; VAR ; Machine Learning ; Neural Networks ; LSTM ; SARIMA ; Prophet ; XGBoost ; Structural Equation Model ; Energy Crisis ; Russia ; Ukraine ; Invasion ; Impulse Response Analysis ; Estimation ; Implications ; Revenue ; Plastic Industry ; Company ; Firm ; Plastic

Download
Vis denne rapport i AAU Studenterprojekter