The role of economic uncertainty on the block economic value – a new valuation approach

• Autorzy: Dehghani H. , Ataee-Pour M.

Warianty tytułu

PL

Rola czynnika niepewności przy obliczaniu wskaźnika rentowności – nowe podejście

• Języki publikacji: EN

Abstrakty

EN

The block economic value (BEV) is one of the most important parameters in mine evaluation. This parameter can affect significant factors such as mining sequence, final pit limit and net present value. Nowadays, the aim of open pit mine planning is to define optimum pit limits and an optimum life of mine production scheduling that maximizes the pit value under some technical and operational constraints. Therefore, it is necessary to calculate the block economic value at the first stage of the mine planning process, correctly. Unrealistic block economic value estimation may cause the mining project managers to make the wrong decision and thus may impose inexpiable losses to the project. The effective parameters such as metal price, operating cost, grade and so forth are always assumed certain in the conventional methods of BEV calculation. While, obviously, these parameters have uncertain nature. Therefore, usually, the conventional methods results are far from reality. In order to solve this problem, a new technique is used base on an invented binomial tree which is developed in this research. This method can calculate the BEV and project NPV under economic uncertainty. In this paper, the BEV and project NPV were initially determined using Whittle formula based on certain economic parameters and a multivariate binomial tree based on the economic uncertainties such as the metal price and cost uncertainties. Finally the results were compared. It is concluded that applying the metal price and cost uncertainties causes the calculated block economic value and net present value to be more realistic than certain conditions.

PL

Wskaźnik rentowności jest jednym z najważniejszych parametrów przy ocenie ekonomicznej kopalni. Parametr może warunkować kolejne czynniki, takie jak kolejność prowadzenia wybierania, określenie limitu wybierania oraz wartość bieżąca netto. W chwili obecnej celem planowania działalności kopalni odkrywkowej jest zdefiniowanie optymalnych granic odkrywki i optymalnego cyklu produkcyjnego zakładu, tak by maksymalnie zwiększyć wartość odkrywki z uwzględnieniem ograniczeń narzuconych przez uwarunkowania techniczne i ruchowe. Dlatego też konieczne jest określenie wskaźnika rentowności już w początkowych etapach planowania działalności kopalni. Nierealistyczne wyliczenia rentowności prowadzić mogą do podejmowania złych decyzji, co pociągnie za sobą straty przedsiębiorstwa. Niektóre parametry, takie jak cena metali, koszty działania, zawartość metalu w rudzie uważane są za parametry pewne w tradycyjnych metodach określania rentowności, podczas gdy w rzeczywistości parametry te zawierają pewien element niepewności. Dlatego też częstokroć wyniki uzyskane przy użyciu metod tradycyjnych znacznie odbiegają od rzeczywistości. W celu rozwiązania tego problemu, opracowano nową metodę wykorzystującą drzewa dwumianowe. Metoda ta umożliwia obliczania wskaźnika rentowności i wartości bieżącej netto w warunkach niepewności. W pracy określono najpierw wskaźnik rentowności i prognozowaną wartość bieżącą netto w oparciu o wzór Whittle’a, bazujący na pewnych parametrach ekonomicznych oraz przy użyciu diagramu wielu zmiennych z uwzględnieniem niepewności warunków ekonomicznych, takich jak ceny metali czy koszty wydobycia. Porównano wyniki uzyskane w oparciu o obydwie metody. Stwierdzono, że przyjęcie cen metali i kosztów wydobycia jako wielkości niepewnych przy obliczaniu wskaźników rentowności i wartości bieżącej netto daje bardziej realistyczne wyniki niż gdy parametry te przyjmowane są jako pewne.

Słowa kluczowe

EN

metal price uncertainty; operating cost uncertainty; binomial tree; block economic value; net present value

PL

niepewność ceny metalu; niepewność związana z wysokością kosztów wydobycia; drzewo dwumianowe; wskaźnik rentowności; wartość bieżąca netto

• Wydawca: Instytut Mechaniki Górotworu PAN
• Czasopismo: Archives of Mining Sciences
• Rocznik: 2012
• Tom: Vol. 57, no. 4
• Strony: 991--1014
• Opis fizyczny: Bibliogr. 22 poz., rys., tab., wykr.

Twórcy

autor

Dehghani H.

• Faculty of Mining and Metallurgical Engineering, Amirkabir University of Technology, Tehran, Iran

autor

Ataee-Pour M.

• Faculty of Mining and Metallurgical Engineering, Amirkabir University of Technology, Tehran, Iran

Bibliografia

• Abdel Sabour S.A., Poulin R., 2006. Valuing real capital investments using the least-squares Monte Carlo method. The Engineering Economist, 51: 141-160.
• Akbari A.D., Osanloo M., Shirazi M.A., 2009. Minable reserve estimation while determining ultimate pit limits (UPL) under price uncertainty by real option approach (ROA). Archives of Mining Sciences, 54: 321-339.
• Ataee-pour M., 2005. A Linear Model for Determination of Block Economic Values. The 19th International Mining Congress and Fair of Turkey, pp. 289-294.
• Brennan M.J., Schwartz E.S., 1985. Evaluating natural resource investments. Journal of Business, 58: 135-157.
• Cox J.C., Ross S.A., Rubinstein M., 1979. Option pricing: A simplified approach. Journal of Financial Economics, 7: 229-263.
• Dehghani H., Ataee-pour M., 2011. Determination of the effect of operating cost uncertainty on mining project evaluation, Resources Policy, Article in press.
• Dimitrakopoulos R., Abdel Sabour S.A., 2007. Evaluating mine plans under uncertainty - Can the real options make a difference? Resources Policy, 32: 116-125.
• Henry E., Marcotte D., Samis M., 2004. Valuing a mine as a portfolio of European call options - The effect of geological uncertainty and implications for strategic planning. In Geostatistics (eds: O Leuangthong and C V Deutsch), pp 501-510 (Banff: Canada).
• Jaszczuk M.. Kania J., 2008. Coal production costs components and coal price as crucial factors in the designation of coal output, Archives of Mining Sciences, 53: 183-214.
• Kelly S., 1998. A binomial lattice approach for valuing a mining property IPO. Quarterly Review of Economic Finance, 38: 693-709.
• Meagher C., Abdel Sabour S.A., Dimitrakopoulos R., 2009. Pushback Design of Open Pit Mines Under Geological and Market Uncertainties. Orebody Modelling and Strategic Mine Planning, pp. 297-304.
• Moel A., Tufano P., 2002. When are real options exercised? An empirical study of mine closings. Review of Financial Studies, 15: 35-64.
• Monkhouse P.H.L., Yeates G., 2005. Beyond naive optimization. In Orebody Modelling and Strategic Mine Planning, pp 14:3-8 (The Australasian Institute of Mining and Metalurgy: Melbourne).
• Moyen N., Slade M., Uppal R., 1996. Valuing risk and flexibility - A comparison of methods. Resources Policy, 22: 63-74.
• Parhizkar A., Ataei M., Moarefvand P., Rasouli V., 2011. Grade uncertainty and its impact on ore grade reconciliation between the resource model and the mine. Archives of Mining Sciences, 56: 119-134.
• Roman R., 1974. The role of time value of money in determining an open pit mining sequence and pit limits. In T. Johnson and D. Gentry, editors, 12th APCOM, Colorado School of Mines, Golden, CO. pp. 72-85.
• Samis M., Davis G.A., Laughton D., Poulin R., 2006. Valuing uncertain asset cash flows when there are no options - A real options approach. Resources Policy, 30: 285-298.
• Trigeorgis L., 1993. The nature of option interactions and the valuation of investments with multiple real options. Journal of Financial and Quantitative Analysis, 28:1-20.
• Whittle J., 1988. Beyond optimization in open pit design. In Proceedings Canadian Conference on Computer Applications in the Mineral Industries, pp. 331-337 (Balkema: Rotterdam).
• Whittle J., 1999. A decade of open pit mine planning and optimization: The craft of turning algorithms into packages. In Proceedings APCOM ’99 Computer Applications in the Minerals Industries 28th International Symposium, pp. 15-24 (Colorado School of Mines: Golden).
• www.infomine.com.2011, Grasberg mine.
• www.Ime.com.2011, Copper price.