Padova, 10 Maggio 2013
IL MERCATO DEL GAS NATURALE: MODELLI PER LA
PREVISIONE DI PREZZO E DI VOLUMI
Analista Quantitativo: Dott. Gaspare Campo
Specialista Forecast Gas: Dott.ssa Stefania Barbieri
Hera Trading
Riservato e Confidenziale – Hera Trading2
Gruppo Hera
•Gas
•Elettricità
•Certificati Ambientali
Mercati Energetici:Mercati Energetici:
•Breve Periodo
Ottimizzazione Portafoglio:Ottimizzazione Portafoglio:
•Hera Comm
Approvvigionamento Materia Prima:Approvvigionamento Materia Prima:
•Commodity
Risk Management: Risk Management:
•Asset Termoelettrici
Gestione Commerciale: Gestione Commerciale:
Titolare di Capacità Breve/Lungo:Titolare di Capacità Breve/Lungo:
•Tag
•Transit Gas
Titolare Capacità di Stoccaggio:Titolare Capacità di Stoccaggio:
•Stogit
•Edison
Import Hub:Import Hub:
•Olanda
•Germania
•Austria
Bilancio Hera Trading 2012 2011 Delta %
Margine di Contribuzione K€ 40.056 26.109 53,4%
Utile Operativo K€ 24.312 14.667 65,8%
Utile netto K€ 14.187 8.881 59,7%
Numero dipendenti 30 28 7,1%
Gas Gestito Mil Mc V 2.082 1.737 19,9%
Riservato e Confidenziale – Hera Trading3
I Fondamentali del Gas Naturale
Il Mercato del Gas Naturale: Analisi dei prezzi Spot-Forward
Modelli ARMA:
•Stazionarietà
•Identificazione
Criteri di Selezione del modello e controllo Diagnostico
Risultati del modello e previsione
Outline
Il Mercato del Gas Naturale: Modelli per la previsione di prezzo
I Fondamentali del Gas Naturale a seguito della direttiva 98/30/EC
Riservato e Confidenziale – Hera Trading4
Dalla Deregulation al Trading di Gas Naturale:
Unbundling (Società Integrate)
Certezza della fornitura
Libero accesso per i nuovi operatori alle reti di trasmissione
Libertà di scelta della fornitura da parte dei clienti
finali
Accesso allo stoccaggio
Regolamentazione nazionale per la
tutela del consumatore
• Livello attuale produzione domestica e riserve
• Infrastrutture disponibili (stoccaggi, interconnettori, rigassificatori)
• Interruzione produzione a causa di incidenti
• Affidabilità e disponibilità di Gas dei paesi produttori (Algeria, Russia, Norvegia...)
Lato Offerta:
• Domanda Stagionale legata a condizioni climatiche
• Grado di competizione domestica tra operatori
• Generazione elettrica (Spark Spread)
• Iniezione in Stoccaggio (Periodi di bassa domanda)
Lato Domanda:
Il Mercato del Gas Naturale: Andamento dei prezzi Spot e Forward.
Riservato e Confidenziale – Hera Trading5
Le transazioni di Gas Naturale agli Hub possono essere realizzate attraverso contratti Forward.
I forward sono contratti (Transazioni Bilaterali) scambiati OTC agevolati da piattaforme elettroniche/Broker,
Il rischio è in capo ai soggetti,
I contratti possono essere non standard,
Con riferimento ai principali Hub istituzioni quali Heren, Platt’s, Argus pubblicano indici di mercato OTC.
Il report ESGM (Heren) riporta una varietà di prezzi, i quali includono:
Indici di prezzo mensili e giornalieri relativi a diversi Hub (NBP, TTF,.. Etc),
Prezzi quotati che coprono diverse delivery: Day Ahead, Week end, Working Days Next Week, The balance of the months, monthly,
quarterly and annually.
20,0021,7523,5025,2527,0028,7530,5032,2534,0035,7537,50
3/1/
1218
/1/1
22/
2/12
17/2
/12
3/3/
1218
/3/1
22/
4/12
17/4
/12
2/5/
1217
/5/1
21/
6/12
16/6
/12
1/7/
1216
/7/1
231
/7/1
215
/8/1
230
/8/1
214
/9/1
229
/9/1
214
/10/
1229
/10/
1213
/11/
1228
/11/
1213
/12/
1228
/12/
1212
/1/1
327
/1/1
311
/2/1
326
/2/1
313
/3/1
3
Eu
ro M
Wh
Frequency: Daily
Time series Day Ahead TTF Day Ahead TTF Platt's
Fig. 1: Serie storica dei prezzi Day Ahead TTF. Fonte: Platt's
23,70
24,55
25,40
26,25
27,10
3/1/
1218
/1/1
22/
2/12
17/2
/12
3/3/
1218
/3/1
22/
4/12
17/4
/12
2/5/
1217
/5/1
21/
6/12
16/6
/12
1/7/
1216
/7/1
231
/7/1
215
/8/1
230
/8/1
214
/9/1
229
/9/1
214
/10/
1229
/10/
1213
/11/
1228
/11/
1213
/12/
1228
/12/
1212
/1/1
327
/1/1
311
/2/1
326
/2/1
313
/3/1
3
Frequency: Daily
Time series Q2'13 Q3'13 TTF Q2'13 TTF Platt's Q3'13 TTF Platt's
Fig. 2: Serie storica dei prezzi Q2 Q3 TTF. Fonte: Platt's
Caratteristiche serie storiche spot:Caratteristiche serie storiche spot:
Domanda e Offerta Volatilità elevata Mean reversionIpotesi di normalità dei
rendimenti rifiutata
Spikes frequenti in periodi di tensione:
interruzione, clima.. Etc
Evidenze di stagionalità minore rispetto a
prodotti longRegime switching
Modelli ARMA
Riservato e Confidenziale – Hera Trading6
•I coefficienti � caratterizzano la dinamica del processo,
•�, rappresenta una costante,
•��èunprocessowhitenoise.
•I coefficienti � caratterizzano la dinamica del processo,
•�, rappresenta una costante,
•��èunprocessowhitenoise.
Tale processo descrive la dipendenza lineare della variabile dipendente dal suo ritardo:
• ��� ��, ���� � �� ∗ !"��!
• � # $; � & "
Il processo a media mobile assume che il valore osservato al tempo t, ovvero '( sia esprimibile come una combinazione lineare di una variabile aleatoria white noise al tempo t e in q tempi precedenti.
• ��� ��, ���� � $• )*+� , !
Il processo a media mobile può essere introdotto quando è ragionevole assumere che esista una situazione di equilibrio verso la quale un
processo tende a ritornare dopo uno shock di natura casuale.
Il Processo a Media Mobile:
�� � - . /0 . 1/��" .⋯. /��3
•4 /0 � !; 0 � ",… ,6•��� /0,/7 � $; 0, 7 � ",… . , 60 # 7•4 /0 � !; 0 � ",… ,6•��� /0,/7 � $; 0, 7 � ",… . , 60 # 7
Il processo �( è una componente importante nei modelli per serie storiche esso deve essere, infatti, omoschedastico e privo di autocorrelazione:
Il Processo Auto Regressivo:
�� � 8 . �"���" . /0
Riservato e Confidenziale – Hera Trading7
Modelli ARMA: Stazionarietà
Stazionarietà del processo stocastico:
• 9 :( � ; & ∞• = :( � 9> :( ? ;@A �BC & ∞• DEF :(, :(�G � 9 :( ? ; :(�G ? ; � BG,H � 1,2,3, …
Campione: 652 oss, serie storica DayAhead. Periodo di riferimento: 01/10/2010 al 19/04/2013.
Test di Radice Unitaria:
Serie storica con costante senza trend:
∆:( � � . � ? 1 :(�M . �(
Serie storica con costante e trend:
∆:( � � . � ? 1 :(�M . BN . �(
Differenziazione logaritmica della serie storica: ∆MOPQ'(@ � OPQ'(@ ? OPQ'(�M@
Modelli ARMA: Identificazione (Box - Jenkins 1976)
Riservato e Confidenziale – Hera Trading8
Se si dispone di una serie stocastica stazionaria occorre procedere per fasi:
Identificazione del Modello: Funzione di autocorrelazione totale e parziale:
La prima fase è l’analisi delle ACF e PACF ovvero delle
funzioni di autocorrelazione
La prima fase è l’analisi delle ACF e PACF ovvero delle
funzioni di autocorrelazione
Stima dei parametri, per stimare i parametri il modello utilizza o lo stimatore OLS o il metodo
della massima verosimiglianza
Stima dei parametri, per stimare i parametri il modello utilizza o lo stimatore OLS o il metodo
della massima verosimiglianza
Verifica delle idoneità del modello, fase in cui vengono
principalmente testati i residui del modello per controllarne l’indipendenza e la normalità
Verifica delle idoneità del modello, fase in cui vengono
principalmente testati i residui del modello per controllarne l’indipendenza e la normalità
Se il modello da noi identificato e stimato è accettato dai nostri test, può essere utilizzato per scopi previsivi o di simulazione, altrimenti occorre
procedere all’iterazione delle tre fasi precedenti fintanto ché non si ottiene un modello che soddisfi i criteri di selezione e d’identificazione.
Criteri di selezione del modello e controllo diagnostico
Riservato e Confidenziale – Hera Trading9
Test di Ljung Box (1978)
Verifica l’uguaglianza a zero delle prime k autocorrelazioni:
RG � SQS . 2@T 1S ? H U
AGV
VWM
• UG rappresentano le stime dei coefficienti di
autocorrelazione calcolate a partire dai residui
di �( ,• H è un numero scelto a piacere.
Criterio di Informazione di Akaike e Criterio Bayesiano:
Entrambi i criteri sono basati sulla verosimiglianza e rappresentano un trade-off tra adattamento del modello ai dati e parsimonia, quest’ultima è rappresentata dai parametri p+q+1. Il criterio AIC tende asintoticamente a privilegiare modelli sovra parametrizzati.
Analisi dei residui:
Risultati del Modello e Previsione
Riservato e Confidenziale – Hera Trading10
Coefficiente relativo alla dinamica del
processo Arma.
Stima della deviazione standard dello stimatore, riguardante il
campione oggetto di analisi.Il test z altro (rapporto tra il valore del coefficiente e
l’errore standard), tanto più questo valore è
superiore a 1.96, tanto più il livello del p-value si
riduce, aumentanto la probabilità che il nostro
coefficiente sia diverso da zero.
Il p-value è un valore probabilistico, il quale indica se
il nostro coefficiente è diverso da zero, le stellette
indicano invece il livello di confidenza.
E’ lo scarto quadratico medio della variabile
dipendente. Viene considerato per confrontare due
serie storiche o la medesima serie storica in istanti
temporali diversi.
Indica la media aritmetica della variabile
dipendente,
La radice unitaria, nel caso di modello
autoregressivo di ordine 1, o ARMA(1,1) è data dal
rapporto tra 1 e il coefficiente relativo alla dinamica
del processo. Affinché il coefficiente sia
statisticamente corretto tale da spiegare
l’andamento del processo, tale rapporto deve essere
in modulo maggiore di 1.
Le statistiche evidenziate vengono utilizzate per
effettuare dei confronti tra modelli che cercano di
spiegare l’andamento di un processo stocastico.
Tanto minore è il valore della statistica tanto
migliore è il modello che stiamo implementando.
Riservato e Confidenziale – Hera Trading11
Sistema Italia
Shipper e Contratti
Previsione e Serie Storiche
Scelta della metodologia di forecasting
Fattori per la scelta del modello di forecasting
•Termicità
•Periodicità
•Prevedibilità
•Autoregressione
Scrittura del modello
•Clusterizzazione
•Orizzonte di previsione
Outline
Il Mercato del Gas Naturale: Modelli per la previsione di volume
RETE
NAZIONALE
MERCATO DEL GAS NATURALE: SISTEMA ITALIA
Riservato e Confidenziale – Hera Trading12
STOCCAGGIO
GNL
IMPORT
POZZIRICONSEGNE
DIRETTI
RICONSEGNE
REMI
PSV
(PERDITE)
SNAM: l’impresa che gestisce la rete nazionale di gasdotti attraverso il servizio di dispacciamento fisico e
commerciale:
• governo dei flussi di gas naturale e i relativi servizi accessori
• attribuzione di diritti di utilizzo della capacità di trasporto del gas ai singoli utenti
• servizio di bilanciamento che regola le modalità attraverso le quali gli utenti possono esercitare i propri
diritti di utilizzo della capacità di trasporto conferite, la determinazione delle partite fisiche di competenza
di ciascun utente conseguenti all’individuazione delle situazioni di sbilancio cui porre rimedio per la
sicurezza del sistema e le relative determinazione e relazione economica del gas utilizzato per porre
rimedio allo sbilancio.
I + PSV + POZZI + GNL – E – RIC – STOC – P = 0
EQUAZIONE DI BILANCIAMENTO EX-POST NOMINA
I’ + PSV + POZZI’ + GNL’ – E – RIC’ – STOC – P’ ≠ 0
EQUAZIONE DI BILANCIAMENTO FINALE
I’ + PSV + POZZI’ + GNL’ – E – RIC’ – STOC – P’ - ΔS = 0EXPORT
EQUAZIONE DI BILANCIAMENTO IN FASE DI NOMINA
MERCATO DEL GAS NATURALE: SHIPPER E CONTRATTI
Riservato e Confidenziale – Hera Trading13
La categorizzazione dei contratti da un punto di vista del forecasting viene secondo:
� Definizione dei volumi alla chiusura dei contratti:
a. CHIUSI;
b. APERTI;
� Ruolo della società:
a. SHIPPER (Utente del Servizio di Bilanciamento): trasporta commercialmente gas sulla rete di trasporto
nazionale fino alle cabine alle porte delle città (REMI);
b. TRADER: la società acquista direttamente sul REMI da una o più società e rivende ad altre la medesima
quantità di gas naturale
� Caratteristica del punto dove avviene lo scambio di gas:
a. HUB;
b. REMI;
c. AL CONFINE.
Sulla base delle caratteristiche di cui sopra una classificazione semplificata è la seguente:
� CONTRATTI CHIUSI: contratti in cui è fissato a priori il prezzo e la quantità del gas oggetto del contratto
� CONTRATTI INTERMEDIATI: Hera Trading svolge il ruolo di Trader sul REMI;
� CONTRATTI DI SHIPPING: contratti di fornitura di gas naturale da parte dello Shipper al REMI
� TERMOELETTRICI: contratti di fornitura di gas naturale verso gestori di impianti termoelettrici, solitamente
connessi direttamente alla rete di trasporto;
� DIRETTI: contratti di fornitura di gas naturale verso gestori di impianti direttamente connessi alla rete di
trasporto, tipicamente grossi industriali;
� INCUMBENT: contratti di fornitura di gas naturale verso clienti finali allacciati ad una rete di distribuzione
dove lo Shipper fornisce una quota predominante di tutta la clientela ivi presente;
� REMI IN FASE DI SVILUPPO COMMERCIALE: contratti di fornitura di gas naturale verso clienti finali allacciati
ad una rete di distribuzione dove lo Shipper fornisce una quota minima di tutta la clientela ivi presente.
FORECAST VOLUMI GAS: PREVISIONE E SERIE STORICHE
Riservato e Confidenziale – Hera Trading14
OBIETTIVO PREVISIONE CORRETTA
E’ una previsione caratterizzata da un errore che la renda utilizzabile
per gli SCOPI per cui è stata prodotta
La previsione statistica si basa sull’utilizzo di “modelli statistici”.
Un sistema di previsione ha a che fare quindi con l’individuazione di un modello
statistico e con la sua gestione e manutenzione
STORICO DEL
DISTRIBUTORE
DICHIARAZIONE DEL
CLIENTE FINALE
ELABORAZIONI DELLA
SOCIETA’ DI VENDITA
PRODUZIONE DI
UNA SERIE STORICA
SCELTA METODOLOGIA DI FORECASTING
Riservato e Confidenziale – Hera Trading15
PRECISIONE TEMPO DI CALCOLO
COMPROMESSO
NECESSITA’ DI
MONITORAGGIO
DIFFICOLTA’ DI
CONTROLLO
INFRASTRUTTURE
HARDWARE
METODI DI
REGRESSIONE LINEARE
ANALISI della serie storica assumendo che i fattori che hanno influenzato l’andamento della serie
nel passato e nel presente continuino ad esercitare effetti analoghi anche nel futuro
SCRITTURA DEL MODELLO e
STIMA DEI PARAMETRI di MODELLO
2200 endogene finali con profondità media di un anno e mezzo (2200 x 10 considerando le endogene intermedie) trattate ogni giorno
in 8 ore + elaborazione intermedia di 2 ore pomeridiana
FATTORI PER LA SCELTA DEL MODELLO DI FORECASTING
Riservato e Confidenziale – Hera Trading16
� Termicità del profilo
� Periodicità del profilo
� Frequenza di aggiornamento di dati di storico significativi
� Tipologia del cliente servito e prevedibilità del profilo
� Orizzonte temporale della previsione
� Eventuale eliminazione automatica delle variabili non significative dal sistema
� Esperienza e sensibilità della persona che scrive il modello
GENERAZIONE DEL FORECAST
IMPORTAZIONE DATI DI STORICO
ANALISI DEL FORECAST RISPETTO ALLO STORICO
Calcolo dell’ERRORE DI PREVISIONE Calcolo del DISEQUILIBRIO
EVENTUALE MODIFICA DEI PARAMETRI DI MODELLO
SCRITTURA DEL MODELLO: TERMICITA’
Riservato e Confidenziale – Hera Trading17
DISTRIBUZIONE CITTADINA: variabili meteo significative
CLIENTE INDUSTRIALE 7 SU 7: variabili meteo non significative
SCRITTURA DEL MODELLO: PERIODICITA’
Riservato e Confidenziale – Hera Trading18
INDUSTRIALE 5 SU 7: variabili calendariali settimanali non significative
INDUSTRIALE 7 su 7 con profilo mensile: variabili calendariali settimanali e festive non significative
SCRITTURA DEL MODELLO: PREVEDIBILITA’
Riservato e Confidenziale – Hera Trading19
INDUSTRIALI CON CONSUMI DIFFICILMENTE PREVEDIBILI
SCRITTURA DEL MODELLO: AUTOREGRESSIONE
Riservato e Confidenziale – Hera Trading20
MODELLO STABILE
MODELLO INSTABILE
SCRITTURA DEL MODELLO: CLUSTERIZZAZIONE
Riservato e Confidenziale – Hera Trading21
AUMENTO PROGRESSIVO DELLA NUMEROSITA’ DEI PUNTI DI FORNITURA
E’ necessario ridurre la complessità computazionale,
i tempi di calcolo e il monitoraggio
CLUSTERIZZAZIONE
DEI MODELLI
INCUMBENT DIRETTI TERMOELETTRICIREMI IN FASE DI
SVILUPPO COMMERCIALE
� Modelli autoregressivi
� Utilizzo di variabili
meteo
� Utilizzo di variabili
calendariali
� Sfruttamento dei dati di
allocato provvisorio
� Principalmente
autoregressivi
� Utilizzo di variabili
calendariali
� Sfruttamento dei dati di
allocato provvisorio
� Si impone il forecast � Modelli regressivi
� Limitato uso delle variabili
meteo
� Utilizzo di variabili
calendariali
� Non vengono sfruttati i dati
di allocato provvisorio
UTILIZZO DI MODELLI PIU’
SEMPLICI POSSIBILI
AFFIANCAMENTO SISTEMA DI
MONITORAGGIO DEI RISULTATI
GESTIONE DIVERSIFICATA
FORECAST DI LONG TERM
E DI SHORT TERM
SCRITTURA DEL MODELLO: ORIZZONTE DI PREVISIONE
Riservato e Confidenziale – Hera Trading22
SHORT TERM LONG TERM
Obiettivi Ricerca della massima precisione
sul singolo Giorno Gas per
minimizzare lo sbilanciamento
puntuale
� Fornire una visione statistica
stocastica di tipo «what if»
(cosa succede ai consumi se…)
attraverso un approccio con
scenari
� Ogni scenario ha un suo
particolare significato e quindi
un suo specifico obiettivo e
deve essere verosimigliante ed
attinente ad esso
Output 1 solo dato di forecast Più dati di forecast
Accorgimenti � Forte autoregressività
� Massimo dettaglio possibile dei
dati meteo
� Frequenza di aggiornamento
massimo
� Autoregressività limitata
� Minore numero di variabili
meteo usate
� Ricalcolo ad intervalli regolari
Sviluppi futuri per i modelli di previsione
Riservato e Confidenziale – Hera Trading23
� Modelli di previsione del prezzo del gas naturale:
1. Analisi delle correlazioni con i principali drivers lato domanda e offerta
a. Livello di gas prodotto e importato all’interno del sistema nazionale
b. Consumi di gas naturale: termoelettrico, industriale e distribuzione
c. Analisi delle temperature per contratti forward spot
2. Modelli che spiegano la variabilità del prezzo gas con l’ausilio di variabili esogene, come:
a. Modelli di regressione lineare dinamici
b. Modelli autoregressivi a media mobile con variabili esogene (ARMAX)
c. Altri strumenti econometrici, VAR (vector autoregressive), … etc
� Modelli di previsione dei volumi di gas naturale
1. Metodi per modellare scenari di temperatura avendo a disposizione serie storiche con profondità
limitata
2. Metodi per migliorare i modelli nei periodi spalla (aprile, ottobre)
Riservato e Confidenziale – Hera Trading24
Grazie per l’attenzione
www.gruppohera.it
Dott. Gaspare Campo
Dott.ssa Stefania Barbieri