Tesis:
New methods and models for residual value assesment of agricultural tractors and combine harvesters
- Autor: HERRANZ MATEY, Iván
- Título: New methods and models for residual value assesment of agricultural tractors and combine harvesters
- Fecha: 2023
- Materia:
- Escuela: E.T.S. DE INGENIERÍA AGRONÓMICA, ALIMENTARIA Y DE BIOSISTEMAS
- Departamentos: INGENIERIA AGROFORESTAL
- Acceso electrónico: https://oa.upm.es/80715/
- Director/a 1º: RUIZ GARCÍA, Luis
- Resumen: La inversión en activos, especialmente en maquinaria, es esencial para el éxito a largo plazo. Con el fin de prosperar en el mercado, es fundamental optimizar los costos de producción, y los costos operativos y de propiedad de la maquinaria a menudo constituyen más de la mitad de los costos totales de producción de cultivos.
La abundancia de datos de rendimiento georreferenciados de la maquinaria, disponibles a través de las pasarelas de telecomunicaciones de la maquinaria o Machine Telecommunications Gateway (MTG) que permite almacenar en la nube toda la comunicación entre las unidades de control electrónico a través de las redes comunicación, ofrece una oportunidad única para evaluar y optimizar el costo de operación de la maquinaria agrícola. Un número creciente de estudios así lo demuestra y ha contribuido a un aumento del enfoque en la optimización del costo de operación. Sin embargo, el costo de propiedad, que es un aspecto más complejo y desafiante de abordar, no recibe un nivel equivalente de atención.
Para minimizar la parte de los costos de producción asociados a la maquinaria, es necesario evaluar rutinariamente los beneficios y costos asociados con la propiedad, el arrendamiento o el alquiler de la maquinaria. Los planes de compra tradicionales siguen siendo la forma más común para que los agricultores adquieran equipos. El capital puede provenir de los propios fondos del comprador, una entidad financiera, un leasing operativo (en los que el usuario puede deducir fiscalmente los pagos ya que la máquina pertenece al financiero), o leasing financiero (en los que el usuario es propietario de la máquina y, por lo tanto, tiene derecho a deducciones por depreciación) o mediante la compra con rollover (en la que el operador compra un equipo nuevo o casi nuevo de un distribuidor con la expectativa de que se intercambie por otro modelo después de un año o una temporada).
Las tres categorías de maquinaria agrícola en las que los agricultores invierten más dinero son los tractores, las piezas y las cosechadoras. Independientemente de si un equipo se paga por adelantado, se intercambia equipo usado como pago en especie, o la maquinaria se financia, arrienda o alquila de forma tradicional, el valor residual tiene un impacto significativo en el costo financiero, ya que el financiero se asegurará de que el gravamen del préstamo esté por debajo del valor residual. Si el valor residual es incierto, el financiero incluirá una deducción como factor de seguridad que hace que el esquema de financiación sea más costoso para el comprador.
Estudios previos han intentado abordar un desafío común: la falta de información transaccional tanto sobre equipos nuevos como usados. En el pasado, estos estudios se basaron en informes de asociaciones de concesionarios, pero al cuestionarse la precisión de los datos, recurrieron a los resultados de subastas, que son bastante comunes en Norteamérica. Los estudios europeos prefirieron la información publicitaria para compensar el número mucho menor de subastas.
En las últimas décadas, la complejidad de los portafolios de los fabricantes ha aumentado hasta el punto en que se ofrece la misma potencia del motor en múltiples tamaños (distancia entre ejes y masas), así como especificaciones (transmisiones e interfaces de usuario), lo que resulta en diferencias de precio de hasta el 40% entre los modelos de tractor que presentan la misma potencia del motor.
Las regulaciones de emisiones de motores diésel impuestas por las agencias ambientales han contribuido a aumentos de precios muy superiores a la inflación. Por lo tanto, confiar en la inflación como factor homogeneizador no es tan confiable como lo era en la era anterior a las regulaciones de emisiones.
Esta tesis presenta una metodología basada en la comparación del precio de equipos usados disponible a través de anuncios en línea públicamente disponibles con el del modelo equivalente nuevo, lo que lo hace más accesible. Al mismo tiempo, los modelos se agrupan en familias que comparten niveles de tamaño y especificación similares para construir un conjunto de datos lo suficientemente grande como para efectuar un análisis exhaustivo mediante modelos paramétricos y no paramétricos optimizados por aprendizaje automático.
La metodología propuesta ha dado lugar a un modelo de regresión potencial que proporciona los resultados más sólidos (la raíz del error cuadrático medio más bajo y el coeficiente de determinación ajustado más alto). El modelo ha demostrado su flexibilidad y adaptabilidad para proporcionar el mismo nivel de resultados sólidos cuando se utiliza para pronosticar el valor de la cosechadora combinada de granos y cuando se alimenta con ventas de subastas para comprender los precios residuales mayoristas de los tractores.
Además de la solidez del modelo, cabe destacar que puede ser utilizado por cualquier interesado, incluyendo agricultores, ganaderos, contratistas, fabricantes, vendedores, financiadores y aseguradoras, mediante una hoja de cálculo integrada, no solo para determinar qué modelo es más adecuado para optimizar su productividad, sino también para evaluar qué estrategia de propiedad (compra, alquiler, arrendamiento o incluso contratación personalizada) se adapta mejor a sus necesidades.
ABSTRACT
Effective investment in capital assets, particularly machinery, is essential for long-term success. In order to thrive in the market, optimizing production costs is critical, and the operating and ownership costs of machinery often constitute more than half of total crop production costs.
The abundance of machine georeferenced performance data, made available through machine telecommunications gateways that store all communication between electronic control units via bus networks, offers a unique opportunity to evaluate and optimize the cost of operation for agricultural machinery. A growing number of studies have demonstrated the effectiveness of this approach, leading to an increased focus on optimizing the cost of operation. However, the cost of ownership, which is a more complex and challenging aspect to address, does not receive an equivalent level of attention.
To minimize the machinery portion of production costs, it is necessary to routinely assess the benefits and costs associated with owning, leasing, or renting machinery. Conventional purchase plans are still the most common way for farmers to acquire equipment. The capital may come from the purchaser's own funds, a third-party lender, or a company financing plan. However, an increasing number of major machinery items are being leased through operating leases (in which the user can tax-deduct the payments as the machine belongs to the financer), finance leases (in which the user owns the machine and is therefore entitled to take depreciation deductions), or by using a rollover purchase (in which the operator purchases a new or nearly new piece of equipment from a dealer with the expectation that it will be exchanged for another model after one year or season).
The top three agricultural machinery items for which farmers expend the most money are tractors, parts, and combines. Regardless of whether a piece of equipment is paid for upfront, used equipment is traded as a payment in kind, or machinery is traditionally financed, leased, or rented, the residual value has a significant impact on the finance cost, as the financer will ensure that the loan's lien is below the residual value. If the residual value is uncertain, the financer will include a haircut as a safety factor that renders the finance scheme more expensive to the purchaser.
Previous studies have attempted to address a common challenge: a lack of transactional information on both new and used equipment. In the past, these studies relied on dealer association reports, but as the accuracy of the data was questioned, they turned to auction results, which are quite common in North America. European studies preferred advertisement information to bypass the much smaller number of auctions.
In the last few decades, the complexity of manufacturers' portfolios has increased to the point where the same engine power is offered in multiple sizes (wheelbases and masses) as well as specifications (User Interface (UX) and transmission), resulting in price differences of up to 40% between tractor models featuring the same engine horsepower. Diesel engine emission regulations enforced by environmental agencies have contributed to price increases far superior to inflation. Therefore, relying on inflation as the homogenizing factor is not as reliable as it was in the pre-emission regulations era.
This PhD thesis presents a methodology based on comparing the used equipment price available through publicly available online advertisements to that of the new equivalent model, making it more feasible. At the same time, models are grouped into cohorts sharing similar sizes and specification levels to build a dataset large enough to accommodate a thorough analysis by means of parametric and nonparametric models optimized by machine learning.
The proposed methodology has led to a power regression model that provides the most robust results, lowest Root-Mean-Square Error (RMSE) and the highest Adjusted Coefficient of Determination (RSqAdj). The model has demonstrated its flexibility and adaptability to provide the same level of robust results when used to forecast the grain combine harvester value and when fed with auction sales to gain an understanding of tractor residual wholesale prices.
In addition to the robustness of the model, it is worth noting that it can be used by any stakeholders, including farmers, ranchers, contractors, manufacturers, sellers, financers, and insurers, by means of a mainstreamed spreadsheet, not only to determine which model is most suitable for optimizing their productivity but also to assess which property strategy (purchase, rent, lease, or even custom hire) best suits their needs.