Факторы ценообразования в условиях спотовой торговли природным газом на европейских рынках

В качестве спотовых были избраны цены контрактов «на день вперед», поскольку один день - достаточно короткий срок погашения, в рамках которого уровень неопределенности сведен к минимуму. В связи с этим можно считать цены таких контрактов хорошей аппроксимацией спотовой цены на природный газ.

Для формирования нефтяного параметра были использованы цены нефти Brent в долларах США за баррель. Данные доступны на более долгом временном периоде, поэтому был возможен переход к некоему приближению ценовой формулы для импортных контрактов. Информация была получена из базы данных экономических показателей Федеральной Резервной Системы США.

Как было описано в главе 1, цена на природный газ в текущий момент времени, привязанная к нефти, представляет собой среднюю цену нефти в течение предыдущих периодов, умноженную на заранее оговоренный расчетный коэффициент.

Поскольку действительная ценовая формула для природного газа неизвестна, были протестированы наиболее часто встречающиеся формулы других продуктов, имеющих нефтяную привязку, а именно 3-1-1, 3-1-3, 6-1-3, 6-3-3 и 6-0-1 Mьller J. et.al. Op.cit. P.8..

Была выбрана формула 6-0-1, поскольку она в наибольшей степени объясняет динамику цен природного газа. 79% дисперсии спотовой цены можно объяснить динамикой цены импортного контракта, рассчитанной на основе данной формулы. Другие формулы дают меньший процент объяснения.

Для косвенной оценки уровня запасов используется температурный параметр, предложенный в модели Столла и Вибауера Stoll S. O., Wiebauer K. Op.cit., а именно нормированные накопленные градусо-дни отопительного периода (normalized cumulative heating degree days). Данные о температуре на территории Соединенного Королевства получены из официальной базы климатических данных Метеорологического Офиса Правительства Великобритании (Met Office).

Для целей нашего исследования полагаем, что среднемесячная температура ниже 10 градусов Цельсия означает, что потребители переключаются на отопление. Отопительный сезон принимаем с ноября по апрель включительно.

Тогда градусо-день рассчитывается по формуле:

Где t - месяц отопительного сезона, Т - среднемесячная температура в период t.

Накопленные градусо-дни отопительного сезона рассчитываются как сумма градусо-дней до данного месяца:

Однако для оценки влияния на спотовую цену важно не само значение градусо-дней, а его сравнение со средним показателем. Иначе говоря, насколько данный месяц холоднее по сравнению со средней температурой аналогичного периода. Поэтому вводится показатель нормированных накопленных градусо-дней как:

Где w - число отопительных периодов в выборке.

3.3 Калибровка модели

Перед калибровкой самой модели временной ряд был проверен на стационарность.

Автокорреляционная и частная автокорреляционная функции показали, что ряд нельзя назвать стационарным: автокорреляционная функция убывает медленно, частная автокорреляция на первом лаге близка к единице.

Рис.3.1. Автокорреляционная и частная автокорреляционные функции gas_price

Однако такой вид автокорреляционной и частной автокорреляционной функции может быть обусловлен наличием тренда или сезонности.

Для проверки стационарности были использованы критерии KPSS и тест Филипса-Перрона.

При использовании критерия KPSS нулевая гипотеза о тренд-стационарности не отвергается на уровнях значимости 10, 5 и 2,5% (см. приложение 2).

Результаты теста Филипса-Перрона пограничны на уровне значимости 10%, и нулевая гипотеза о наличии единичного корня не отвергается на уровне значимости 5% (см. приложение 3).

Таким образом, мы можем утверждать, что временной ряд спотовых цен на природный газ является тренд-стационарным.

Для дальнейшего построения модели необходимо очистить временной ряд от тренда. Однако важно заметить, что нефтяной параметр six_null_one также имеет тренд, поэтому он должен быть исключен в обеих переменных Подробнее об устранении трендов в переменных gas_price и six_null_one см. приложение 4..

Полученный временной ряд gas_price_n был проверен на стационарность как графическим методом, так и с помощью тестов.

Рис.3.2. Автокорреляционная и частная автокорреляционная функции gas_price_n

Видим, что автокорреляционная функция затухает достаточно быстро.

Так же был использован тест Филипса-Перрона, который показал стационарность ряда gas_price_n (см. приложение 5). Критерий KPSS не применялся, поскольку его нулевая гипотеза предполагает наличие тренд-стационарности, а стационарный тренд может расцениваться как тренд-стационарный с трендом gas_price_n = 0.

При этом из графика частной автокорреляционной функции видно, что первый лаг значим, поэтому в модель включается не только двенадцатый лаг для обозначения сезонности, но и первый лаг.

Стационарность ряда говорит о его неинтегрированности, то есть, нет необходимости переходить к разностям.

Итак, модель (1) была оценена на данных описанной выборки. Результаты оценки моделей представлены в приложении 6.

Видим, что модель в целом значима на любом адекватном уровне значимости. При этом незначимыми переменными в модели оказывается константа, а также двенадцатый лаг Возможное объяснение данному факту будет приведено в п.3.4.. Переменные six_null_one, nchdd и первый лаг значимы на уровне 0.1%.

Автокорреляции ошибок модели выявлено не было.

Рис.3.3. Автокорреляционная функция ошибок модели

Также модель (1), включающая как нефтяной, так и температурный параметры, была сравнена с моделями, учитывающими только одну из представленных переменных, для проверки устойчивости оценок параметров.

Вспомогательные модели специфицируются следующим образом:

(1.1)

(1.2)

Результаты представлены в таблице 3.1.

Табл.3.1. Сравнение оценок параметров моделей

Видим, что оценки параметров при включении/исключении других переменных меняются слабо. Наибольшее изменение происходит в оценке первого лага при добавлении к температурному параметру также нефтяную составляющую. Вероятно, это связано с меньшей объясняющей силой модели, учитывающей только температуру. Иначе говоря, часть дисперсии, объясняющейся колебанием нефтяных цен, учитывается в первом лаге. При этом добавление переменных улучшает объясняющую силу модели, так как снижается значение информационного критерия Акаике.

Таким образом, с учетом всех переходов к новым переменным, оцененная модель имеет вид:

(2)

(3)

На основе полученных оценок были спрогнозированы значения спотовой цены на природный газ с декабря 2014 по март 2016 года (последние 16 наблюдений выборки).

Рис. 3.4. Предсказанные (gas_price_fit) и исторические (gas_price) значения

Видим, что предсказательная сила модели убывает по мере увеличения номера наблюдения. Этот факт объясняется накапливанием погрешностей в оценке спотовой цены, поэтому модель не рекомендуется использовать для предсказания цены больше, чем на 2-3 месяца.

3.4 Интерпретация полученных результатов

Исходя из оценок, полученных в ходе калибровки модели, мы можем сделать ряд выводов.

Во-первых, в динамике спотовых цен на природный газ можно уследить восходящий тренд. В целом в каждом новом месяце цена возрастает на 0.26 пенса за терм. Частично эту динамику можно объяснить в целом возрастающими ценами на нефть, транслирующимися в спотовую цену через долгосрочные импортные контракты.

Стоит однако отметить, что нефтяные цены включены в модель с лагом в полгода, поэтому динамика спотовых цен на газ будет более сглаженный по сравнению с поведением цены на нефть. Ожидая, например, подорожания газа в будущем за счет растущих сейчас цен на нефть, участники рынка имеют возможность купить газ заранее.

Кроме того, следует предположить преломление тренда в связи с рухнувшими ценами на нефть. Однако пока недостаточно данных, чтобы определить новый, нисходящий тренд.

Во-вторых, с увеличением отклонения цены нефти на 1 доллар за баррель от тренда спотовая цена на газ в среднем растет на 0.455 пенсов за терм. Полученный результат вполне согласуется с нашими ожиданиями относительно влияния нефтяного фактора на спотовую цену природного газа. Подавляющая часть британского импорта поступает из Норвегии, а значит, по газовым контрактам, имеющим нефтяную привязку. То есть, в случае роста цен на нефть покупатели, в рамках условия «бери или плати», имеют возможность снизить потребление подорожавшего контрактного газа, предъявляя дополнительный спрос на спотовом рынке.

В-третьих, увеличение температурного параметра на 1 градусо-день обуславливает в среднем прирост спотовой цены в размере 0.027 пенса за терм. Таким образом, наша гипотеза о влиянии температуры на запасы, и соответственно, спотовую цену подтверждается. Напомним, что температурный параметр NCHDD был сгенерирован таким образом, что при уменьшении температуры показатель растет. То есть, в более холодные зимы требуется больше природного газа для отопления, а с истощением запасов газ становится всё более редким, а значим, более дорогим товаром. В таком случае можно трактовать параметр как своего рода оценку дохода от удобства хранения такого объема газа, необходимого для подогрева на 1 градусо-день.

В-четвертых, динамика спотовых цен на природный газ подчиняется процессу AR(1). При этом прослеживается процесс возврата к среднему. Если перенести первый лаг цены на газ в уравнении (3) в левую часть и раскрыть скобки первого лага, получим:

То есть, при отклонении цены на природный газ от тренда в текущем периоде она стремится вернуться к трендовому значению в следующем периоде. Такое поведение спотовой цены совпадает с нашими ожиданиями относительно её динамики.

Двенадцатый лаг, который предположительно характеризовал сезонность спотовой цены на природный газ, оказался незначим. Вероятнее всего, это связано с тем фактом, что температурный параметр неизбежно носит сезонный характер. Тем не менее, положительное значение параметра NCHDD говорит о том, что в более холодные периоды цены на природный газ возрастают.

Суммируя всё сказанное выше, мы имеем право заключить, что наша гипотеза относительно факторов, оказывающих влияние на поведение спотовой цены на природный газ, а также направления их воздействия, подтвердилась.

Тем не менее, анализ основывался на данных о британском газовом рынке, поэтому возможно, выявленные результаты будут в меньшей степени распространяться на другие торговые платформы.

Полученные выводы с большой долей вероятности можно экстраполировать на рынки северной Европы (Голландия, Германия) по ряду причин. Во-первых, уровень развитости спотовой торговли выше в этом регионе по сравнению с южной частью континента, что обуславливает схожесть с британскими условиями. Во-вторых, климатические особенности региона приводят к тому же характеру сезонности.

Что касается южной Европы, выбранные факторы могут оказывать меньшее значение на формирование спотовой цены. В первую очередь более теплый климат может видоизменять форму сезонности или сглаживать её. Кроме того, структура импорта природного газа и энергетический баланс страны в целом могут варьироваться от рынка к рынку, что приводит к большей или меньшей зависимости от цен на конкурирующие энергоносители. Иными словами, представленная выше модель имеет ограничения применимости.

Заключение

спотовый рынок ценообразование эконометрический

Изучение спотового механизма торговли природным газом, в частности, в Европе, представляет на данный момент особый интерес. Правительства многих стран-участниц ЕС активно поддерживают развитие конкуренции на газовых рынках, что в дальнейшем будет способствовать интеграции локальных страновых рынков в единое торговое пространство. Для этого принимаются меры по стимулированию газовых хабов - площадок, на которых осуществляется спотовая торговля природным газом. Соответственно, исследование механизма спотового ценообразования необходимо не только с теоретической, но и в первую очередь с практической точки зрения. В понимании того, как формируется спотовая цена на природный газ, нуждаются все участники рынка, в том числе и Россия как значимый экспортер природного газа.

Данная работа призвана ответить на вопрос, какие факторы оказывают наиболее значимое воздействие на динамику спотовых цен природного газа. Для достижения означенной выше цели был предпринят ряд шагов.

Прежде всего рынок природного газа был рассмотрен с позиций неоклассической и неоинституциональной экономической теорий. Неоклассическая теория предполагает, что в силу выраженного эффекта масштаба отрасль склонна к появлению естественных монополий, что трактуется как провал рынка. В этом случае оправдано государственное регулирование. Экономика транзакционных издержек объясняет вертикальную интеграцию в отрасли как способ предотвращения оппортунистического поведения, связанного с осуществлением специфических инвестиций. Таким образом, государственное вмешательство оправдано, когда существует потребность в специфических инвестициях.

Обе теории признают существование естественных монополий, однако с 1980х годов происходи процесс демонополизации и дерегулирования многих рынков, в том числе и газового. Предпринимаются попытки перехода к более гибкому, «ориентированному на рынок» механизму торговли природным газом.

Далее особое внимание было уделено характеристикам этого механизма, то есть спотовой торговле через газовые хабы. Он предоставляет большую свободу покупателям по сравнению с использованием долгосрочных газовых контрактов, зачастую включающих условие «бери или плати».

Кроме того, газовые хабы обеспечивают конкуренцию природного газа от различных поставщиков, что делает условия функционирования этих торговых платформ рыночными. При этом стандартизованность сделок позволяет достичь более высокого уровня прозрачности. Однако эти же обстоятельства приводят к увеличению ценовой волатильности на рынке.

После анализа характеристик газового хаба как такового мы перешли к исследованию развития спотовой торговли в Европе.

Процессы либерализации газовой отрасли в Европе начались позднее по сравнению с США. Первые меры по дерегуляции были предприняты в Великобритании в 1980х годах, и уже в 1996 году был создан первый в Европе виртуальный газовый хаб. Затем аналогичные торговые площадки появляются и на континенте.

Сейчас на территории ЕС функционируют 12 хабов разной степени зрелости, при этом представлены как виртуальные, так и физические площадки. Тем не менее, прослеживается тенденция к переходу к виртуальным хабам.

Два наиболее зрелых хаба находятся в Великобритании и Нидерландах (NBP и TTF соответственно). За ними следуют немецкие торговые площадки, однако по объему торгов они значительно уступают двум лидерам. Корреляция цен на природный газ на различных хабах также возрастает, за некоторым исключением, что в целом говорит об интеграции рынков.

Значение спотовой торговли со временем увеличивается, в 2014 году более 60% потребляемого газа приходилось на спотовые торги или контракты, имеющие ценовую привязку к спотовым индексам. Тем не менее, роль долгосрочных газовых контрактов, имеющих индексацию по ценам на нефть или нефтепродукт, всё ещё велика, в особенности в некоторых государствах.

После обзора наиболее значимых характеристик газовых рынков, мы перешли к более детальному изучению факторов, воздействующих на динамику спотовых цен. Поскольку цена формируется под воздействием спроса и предложения, были рассмотрены факторы, на них влияющие.

Спрос на природный газ определяется погодными условиями и уровнем экономической активности. Кроме того, цена нефти, на основе которой формируется цена контрактного газа, также оказывает воздействие на спрос. Предложение природного газа зависит от объемов внутренней добычи, импорта и мощностей по хранению. При этом предложение неэластично по цене в краткосрочном периоде в силу особенностей технологий добычи и хранения газа.

Затем были проанализированы подходы к эмпирическому изучению динамики спотовых цен. Большинство классических моделей представляют собой одно- и двухфакторные стохастические процессы, учитывающие процесс возврата к среднему. В анализ могут также включаться экзогенные переменные, являющиеся фундаментальными параметрами рынка.

На основе полученных выводов была сформулирована модель, характеризующая поведение спотовой цены на природный газ в зависимости от уровня запасов, цен на нефть, выраженных через ценовую формулу, и сезонности. Модель тестировалась на выборке из 236 наблюдений, характеризующих спотовый рынок Великобритании. Для анализа был избран британский хаб NBP, поскольку он демонстрирует значительный уровень зрелости и существует дольше других, что дает возможность получить выборку большего объема.

Перед оценкой модели временной ряд был протестирован на стационарность. Было выявлено наличие тренд-стационарности. Для дальнейшего анализа тренд был устранен.

Оценки всех параметров, кроме двенадцатого лага, отвечающего за сезонность, оказались значимы. Незначимость двенадцатого лага объясняется тем, что температурный параметр, характеризующий заполненность хранилищ в отопительный период, косвенно учитывает и сезонность. Остатки модели были проверены на автокорреляцию. Автокорреляционная функция показала ее отсутствие.

Модель подтвердила наши предположения о влиянии выбранных факторов на поведение спотовой цены. С увеличением цены на нефть, и как следствие, цены природного газа по долгосрочным соглашениям, спотовая цена растет, поскольку покупатели контрактного газа предъявляют дополнительный спрос на рынке. Более холодные зимы ведут к большему истощению запасов газа, поэтому дополнительное изъятие из хранилищ приводит к росту цены. Помимо этого, в отопительный период цены на газ в принципе возрастают, что свидетельствует о наличии сезонности. Кроме того, было выявлено, что спотовая цена колеблется вокруг тренда.

Однако полученные результаты могут быть менее справедливы для других рынков, в особенности на юге Европы, поскольку может отличаться структура энергетического баланса стран, климатические условия могут изменять вид сезонности и т.д. Наиболее близки к модели по условиям рынки северной Европы.

Список источников и литературы

1. Газовый рынок Европы: утраченные иллюзии и робкие надежды / Под ред. В.А.Кулагина, Т.А.Митровой; НИУ ВШЭ-ИНЭИ РАН. - Москва, 2015.

2. Agency for the Cooperation of Energy Regulators (ACER). Annual Report on the Results of Monitoring the Internal Electricity and Natural Gas Markets in 2014. - 2015.

3. European Commission. Quarterly report on European gas markets. - Vol.8. - № 3. 3^d quarter of 2015. - 2015.

4. Federal Reserve Bank of St. Louis. Economic Data.

5. Met Office. UK climate - historic station data. URL: http://www.metoffice.gov.uk/public/weather/climate-historic/#?tab=climateHistoric.

6. Секретариат Энергетической Хартии (СЭХ). Цена энергии: Международные механизмы формирования цен на нефть и газ. - 2007.

7. Alterman S. Natural gas price volatility in the UK and North America. - Oxford Institute for Energy Studies. Working paper, n NG. - 2012. - Vol.60.

8. Creti A. et al. Long-term contracts and take-or-pay clauses in natural gas markets //Energy Studies Review. - 2004. - Vol. 13. - №. 1. - P. 75-94.

9. Heather P. Continental European gas hubs: are they fit for purpose //Oxford Institute for Energy Studies. Working paper, n NG. - 2012. - Vol. 63.

10. Heather P. The evolution of European traded gas hubs// Oxford Institute for Energy Studies. Working paper, n NG. - 2015. - Vol. 104.

11. Joint UNDP, Worldbank. Long-term gas contracts. Principles and application. - 1993.

12. Kim S. R., Horn A. Regulation policies concerning natural monopolies in developing and transition economies. - UN, 1999.

13. Mьller J., Hirsch G., Mьller A. Modeling the price of natural gas with temperature and oil price as exogenous factors //Innovations in Quantitative Risk Management. - Springer International Publishing, 2015. - P. 109-128.

14. Schwartz E. S. The stochastic behavior of commodity prices: Implications for valuation and hedging //The Journal of Finance. - 1997. - Vol. 52. - №. 3. - P. 923-973.

15. Schwartz E., Smith J. E. Short-term variations and long-term dynamics in commodity prices //Management Science. - 2000. - Vol. 46. - №. 7. - P. 893-911.

16. Spanjer A. R. Regulatory intervention on the dynamic European gas market--neoclassical economics or transaction cost economics? //Energy Policy. - 2009. - Vol. 37. - №. 8. - P. 3250-3258.

17. Stern J. P., Rogers H. V. The Dynamics of a Liberalised European Gas Market: Key determinants of hub prices, and roles and risks of major players. - 2014.

18. Stoll S. O., Wiebauer K. A spot price model for natural gas considering temperature as an exogenous factor with applications //J. Energy Mark. - 2010. - Vol. 3. - №. 3. - P. 113-128.

19. Volmer T. Spot Price Models for Natural Gas-Robustness of the Convenience Yield Approach. - 2011.

20. Xu Z. Stochastic models for gas prices. - 2004.

21. Yafimava K. The EU Third Package and the Gas Target Model: major contentious issues inside and outside the EU. - Oxford Institute for Energy Studies, Oxford. 2013.

22. Портал NaturalGas.org URL:http://naturalgas.org/naturalgas/marketing/.

Размещено на Allbest.ru