Влияние погодных условий на стоимость нефти и газа

В данном исследовании рассмотрим влияние погодных условий на динамику рыночных цен нефти и природного газа.

Существует большой разброс мнений и оценок относительно связи между ценами на энергоносители и погодными условиями. Многие представители экспертного сообщества склоняются к тому, что зависимость между ценами на энергоносители и погодными условиями либо отсутствует совсем, либо очень мала. Другие же, наоборот, считают, что такая связь имеет выраженный характер. Мы, со своей стороны, постараемся расчетным аналитическим путем подтвердить или опровергнуть наличие такой связи.

Под среднесрочным периодом будем понимать интервал времени от одного дня до одного месяца.

При проверке гипотезы будем рассматривать одновременно два сценария:

• климатические отклонения в «холодную» сторону приводят к повышенному спросу на топливо, что стимулирует рост стоимости энергоносителей;
• отклонение в «теплую» сторону, наоборот, приводит к снижению цен энергоносителей.

Также дадим количественную оценку тому, как меняется теснота связи между ценами и величиной отклонения температуры.

Для начала ответим на вопрос: климат каких регионов мира мы будем учитывать в расчетах?

Определение перечня таких регионов важен, поскольку цены на энергоносители носят глобальный характер (едины для всего мирового рынка, за исключением незначительных ценовых различий между разными торговыми площадками), а погодные условия земного шара чрезвычайно разнообразны и уникальны для каждого континента и региона.

Поэтому необходимо подобрать такой метод исследования, который позволил бы относительно корректно сравнивать унифицированные рыночные цены с разнообразными погодными условиями регионов – потребителей энергии.

Для этого определим структуру основных мировых импортеров нефти и газа.

Основные импортеры нефти.

Основные импортеры природного газа.

Для наглядности покажем эти данные на карте.

Выносками отображены основные страны-импортеры нефти и газа с указанием доли в общем объеме мирового импорта.

Цветной заливкой показана плотность населения.

arrow_left

arrow_right

Определившись с перечнем основных мировых импортеров, нам понадобятся климатические наблюдения по каждой из этих регионов за прошедший десятилетний период с 2008 по 2018 годы.

Данные метеонаблюдений будем брать по самым крупным городским агломерациям, в которых сконцентрирована основная часть жителей (потребителей тепловой энергии), а именно:

• Лондон;
• Франкфурт-на-Майне;
• Мадрид;
• Рим;
• Париж;
• Нью-Дели;
• Шанхай;
• Стамбул;
• Нью-Йорк;
• Манила;
• Сеул;
• Токио.

Значения климатических наблюдений получены с сайта "Погода и Климат" (www.pogodaiklimat.ru).

Подробные таблицы с климатическими данными каждой страны приведены в приложении к статье.

После того, как мы получили динамику температурных данных по ключевым регионам мира, рассчитаем суммарное отклонение температур по вместе взятым странам.

Расчет температурных отклонений будем проводить двумя альтернативными способами, результаты которых мы потом сравним.

Первый способ заключается в определении температурного отклонения как разности между фактической температурой месяца и его климатической нормой. Климатическая норма, в свою очередь, рассчитывается метеорологами как среднее значение на основе многолетних наблюдений (значения климатических норм для каждого месяца и каждого города также приведены в приложении к статье). Здесь нужно иметь ввиду, что по мере постепенного потепления климата планеты, величины климатических норм долгое время остаются статичными и со временем, вероятнее всего, перестают отражать действительные средние значения.

Второй способпредлагается нами для более «чуткого» и своевременного измерения температурных отклонений, и рассчитывается как разность между температурой месяца рассматриваемого года и аналогичным месяцем предыдущего года.

Общая для обоих способов расчета формула выглядит следующим образом:

arrow_left

arrow_right

В расчетах мы будем использовать весовые коэффициенты, отражающие долю каждой страны в импорте энергоносителя. К примеру, если доля мирового импорта у Японии выше по сравнению с Великобританией, то и температурные отклонения Японии в суммарном значении будут учитываться более весомо.

Выполнив предложенные расчеты, посмотрим на полученные результаты распределения температурных отклонений.

Распределение температурных отклонений от климатической нормы.

arrow_left

arrow_right

Пояснение к диаграмме:

Сформированы и показаны 3 условные группы в зависимости от степени отклонения:

• все полученные значения температурных отклонений - все красные, синие и черные точки распределения;
• отклонения больше 1°С и меньше -1°С (сильные отклонения - только точки в границах группы 1 на рисунке);
• отклонения больше 1,5°С и меньше -1,5°С (очень сильные отклонения - только точки в границах группы 2 на рисунке);

Дальше посмотрим, какие получились результаты распределения разностей между значением месяца и значением аналогичного месяца предыдущего года.

Расчет выполнен с поправкой на долю каждой страны в мировом импорте. Результаты представлены по температурной шкале в условных баллах.

Примем следующие условные группы значений по степени отклонения:

• все значения отклонений;
• отклонения выше 100 и ниже -100 баллов (группа 1 на рисунках);
• отклонения выше 200 и ниже -200 баллов (группа 2 на рисунках).

arrow_left

arrow_right

Далее, перейдем непосредственно к определению тесноты связи между динамикой температуры окружающей среды и ценами на энергоносители.

Вычислив значения суммарных температурных отклонений по основным странам импортерам нефти и газа, полученных двумя способами по каждому месяцу за период с января 2008 года по ноябрь 2018 года, и располагая данными рыночных цен на нефть и газ за аналогичный период, рассчитаем коэффициенты корреляции между этими значениями.

Сопоставим температурные и ценовые значения с помощью двух сценариев:

• Значение котировки берем на первое число каждого месяца (к примеру, 1 февраля становились известны полные климатические данные за прошедший январь, и эти данные сопоставлялись с котировкой открытия февраля);
• Значение котировки берем со смещением даты на одну неделю вперед. Здесь мы исходили из условия, что участникам рынка нужно некоторое время, чтобы оценить климатические данные прошедшего месяца и принять соответствующие торговые решения (к примеру, климатические данные за прошедший январь сопоставлялись с котировкой открытия второй недели февраля).

Оценка тесноты статистической связи.

Для наглядности отобразим полученные результаты с помощью диаграмм:

На первой диаграмме температурное отклонение рассчитано через сравнение с аналогичным месяцем прошлого года.

На второй диаграмме – через сравнение с климатической нормой месяца.

Красной цифрой 1 на обеих диаграммах показаны ряды, где сравнивались температурные отклонения и котировки без смещения в датах.

Цифрой 2 обозначены ряды, где оценивалась корреляция при условии недельного ожидания реакции рынка.

Статистическая связь между температурой и ценами на энергоносители.

arrow_left

arrow_right

Мы видим, что при любых сценариях, проявляется одна общая закономерность: чем больше величина климатического отклонения, тем сильнее она связана с последующим изменением цен на энергоносители.

При росте величины температурного отклонения (рассчитанного двумя разными способами), увеличивается значение коэффициента обратной корреляции.

На фоне значительного потепления климата, наблюдается снижение рыночных цен на нефть и газ.

И наоборот, на фоне похолодания климата, отмечается рост цен на энергоносители.

Кроме этого, если сравнивать реакцию нефтяных и газовых цен между собой, можно заметить, что нефтяной рынок коррелирует в среднем в 2-3 раза «теснее» с климатическими отклонениями, чем рынок природного газа.

get_appXLSX (0.10 MB)Importers Ambient Temperature (2008-2018).xlsxget_appXLSX (0.27 MB)LCO (27.06.1988 - 24.12.2018).xlsxget_appXLSX (0.26 MB)NG (04.04.1990 - 24.12.2018).xlsx