prognozy cen ropy na giełdzie w nowym jorku

Zbigniew SKROBACKI
PROGNOZY CEN ROPY
NA GIEŁDZIE W NOWYM JORKU
Streszczenie
Celem publikacji jest przedstawienie prognoz jakościowych dotyczących oceny relacji pomiędzy
podażą a popytem na rynku ropy w najbliższych latach oraz prognoz ilościowych ceny ropy na giełdzie w Nowym Jorku w 2010 r. Do zbudowania prognoz zastosowano dwie następujące metody: zmodyfikowaną metodę scenariuszy użytej do tworzenia prognoz jakościowych, modelu multiplikatywnego
do utworzenia prognozy ilościowej. Do zbudowania scenariuszy wykorzystano własną propozycję
budowy scenariuszy uproszczonych z wykorzystaniem podstaw teorii decyzji i rachunku prawdopodobieństwa. Prognoza ilościowa jest oparta na modelu multiplikatywnym i powstała jako efekt zastosowania standardowych metod statystyki matematycznej w analizie szeregu czasowego. Wykonanie prognoz zostało poprzedzone analizą literatury w celu opisania zjawisk i procesów obecnie występujących na rynku paliw.
WPROWADZENIE
Zdecydowana większość środków transportu lądowego i cały transport wodny i lotniczy
jest zasilany paliwami produkowanymi z ropy. Intensywny rozwój gospodarczy większości
krajów, a w tym rozwój transportu spowodował, że rola ropy jako produktu strategicznego
umacniała się przez cały miniony XX wiek. Z aktualnych badań zasobów ropy w świecie wynika, że obecnie ludzkość wydobyła już około 50% całkowitych zasobów ropy w skorupie
ziemskiej. Obecnie szacuje się, że zasoby ropy naftowej w świecie wynoszą ok. 171 mld ton,
w tym kraje OPEC posiadają ok. 130 mld ton co stanowi 76 % [12]. Zdecydowana większość
odkryć dużych złóż ropy została wykonana w latach 40., 60. i 70. XX wieku. Na rys. 1 pokazano w postaci wykresu słupkowego historię i wielkość odkryć. Na wykresie przeszłe odkrycia ropy są zaprezentowane w postaci czerwonych słupków, zaś przewidywane zasoby przyszłych odkryć w postaci zielonych słupków. W ostatnich dwóch dekadach XX wieku i obecnie następuje ciągły spadek odkryć dużych zasobów ropy pomimo stosowania coraz bardziej
zaawansowanych technik badań geofizycznych. Zauważa się wzrostową tendencję odkryć
coraz większej liczby małych złóż, co krótkookresowo poprawia sytuację na rynku ropy. Na
analizowanym rysunku poziom wydobycia ropy jest przedstawiony za pomocą krzywej, która
obecnie wykazuje jeszcze niewielką tendencję wzrostową. Według danych publikowanych
przez British Petroleum [12] w 2008 r. światowa produkcja ropy osiągnęła wartość
3,9·109 ton/rok (ok. 81,8 mln baryłek/doba). Informację o wzroście wydobycia w ostatnich
trzech dekadach przedstawiono w tabeli 1. Wyczerpywanie się naturalnych zasobów ropy
musi powodować wzrost cen ropy i cen paliw produkowanych na bazie ropy.
AUTOBUSY
1
Rys. 1. Odkrycia zasobów ropy i jej wydobycie w miliardach baryłek rocznie (skala po prawej
stronie wykresu) [14]
Tabela 1. Światowe wydobycie ropy [12]
Rok
[mln baryłek /doba]
[mld ton/rok]
1980
62,9
2,9
1990
65,5
3,2
2000
74,8
3,6
2008
81,8
3,9
Analizując koszty wydobycia należy zwrócić uwagę na występowanie trzech niekorzystnych tendencji [7]:
1. Nowe złoża odkrywane są w trudno dostępnych regionach, np. u brzegów Brazylii ropa
znajduje się 3-4 km pod dnem głębokiego na ponad 2 km Oceanu Atlantyckiego; odkrywane zasobne złoża w Arktyce będzie można eksploatować może za kilkadziesiąt lat dzięki zmianom klimatu.
2. Wyraźnie rosną koszty eksploatacji tradycyjnych złóż, o czym świadczy zmiana współczynnika EROEI – Energy Returned on Energy Invested. Współczynnik informuje
o zwrocie energii uzyskanej wobec energii zainwestowanej. Przykładowo 100 lat temu
w Teksasie EROEI wynosiło 100, zaś obecnie w USA wynosi 3. Dla porównania aktualnie w Arabii Saudyjskiej EROEI wynosi 10 [13]. Wzrost kosztów wynika z rosnącego
wydobycia tzw. „ciężkiej ropy” o dużej gęstości oraz zanieczyszczonej związkami siarki.
Zmusza to producentów modernizacji lub budowy nowych rafinerii, bowiem dawne nie są
w stanie przerabiać zasiarczonej ropy.
3. Wysoki koszt pozyskiwania ropy z nowych źródeł – głównie z piasków roponośnych
i łupków bitumicznych. Dla wielu złóż koszty przewyższają ewentualne przychody.
Przyjmuje się, że dla piasków roponośnych i łupków bitumicznych współczynnik EROEI
zawiera się w przedziale od 1 do 3.
Powyższe rozważania należy poszerzyć o informacje dotyczące kształtowania się potrzeb
na ropę w świecie. Z danych przedstawionych na wykresie (rys. 2) wynika, że do 2011 roku
potrzeby gospodarki światowej będą pokrywane dostawami ropy. Jedynie w 2007 roku podaż
była niewystarczająca. Jeżeli uwzględni się prognozy gospodarcze dla świata, przy założeniu
średniego tempa wzrostu potrzeb na ropę około 1,6 % rok do roku, to od 2012 roku ropy nie
wystarczy dla wszystkich i ujawni się zjawisko „Oil Gap” – różnica pomiędzy popytem
a podażą ropy.
2 AUTOBUSY
Rys. 2. Podaż i popyt na ropę w tysiącach baryłek dziennie [15]
Jeśli nie zmaleje odpowiednio popyt na produkty ropopochodne to wartość „Oil Gap” będzie w czasie systematycznie rosła, co musi wywoływać ciągły wzrost ceny ropy.
W artykule podjęto próbę przedstawienia własnych prognoz jakościowych i ilościowych.
Prognozy jakościowe dotyczą określenia prawdopodobieństwa wystąpienia zjawiska „Oil
Gap” w 2010 r. i w następnych latach. Prognozy ilościowe dotyczą ceny ropy na giełdzie
w Nowym Jorku w 2010 r.
1. METODYKA BADAŃ
1.1. Metodyka budowania prognozy jakościowej w postaci scenariuszy
Scenariusze są wariantową odpowiedzią na pytanie „co się stanie, jeżeli …?”. Tworzy się
je dla konkretnych sytuacji, opierając się głównie na technikach heurystycznych, uwzględniając jakie zmiany mogą wystąpić w funkcji czasu. Opierając się na publikacjach [2, 4, 5, 6, 8, 9]
opracowano własną metodykę tworzenia uproszczonych scenariuszy, która została szczegółowo opisana w pracy [7].
Celem scenariuszy jest utworzenie dwóch prognoz jakościowych; pierwszą na rok 2010,
drugą na cztery następne lata. Prognozy mają dać odpowiedzi na pytania: czy powstanie na
światowym rynku ropy trwałe zjawisko niezaspokojonego popytu przez podaż („Oil Gap”)
i jakie będą rozmiary tego zjawiska?. Metodyka tworzenia scenariuszy jest modyfikacją standardowych metodyk poprzez wykorzystanie podstaw teorii decyzji uwzględniającej niepewność i ryzyko [4, 8]. W teorii decyzji proponuje się badanie wszystkich możliwości łącznego
występowania stanów oraz badanie konsekwencji ich równoczesnego wystąpienia. Wymagane jest przyjęcie oszacowań prawdopodobieństw subiektywnych wystąpienia każdego stanu
w przyszłości. Rachunek prawdopodobieństwa pozwala obliczyć wartości prawdopodobieństw wystąpienia określonych wcześniej konsekwencji, nazywanych w teorii decyzji wartościami funkcji korzyści.
Dla analizowanego przedmiotu badań założono możliwość wystąpienia dwóch stanów
popytu i dwóch stanów podaży ropy. Zidentyfikowano następujące stany:
– (PD1) podaż ropy na wysokim poziomie,
– (PD2) podaż ropy malejąca,
– (PP1) wzrost popytu w gospodarce światowej,
– (PP2) popyt zbliżony do stałego.
AUTOBUSY 3
Funkcję korzyści pełni ocena jakościowa możliwości wystąpienia zjawiska przewagi popytu na rynku ropy nad przewidywaną podażą, nazywanym jako „Oil Gap”. W celu utworzenia alternatywnych scenariuszy postanowiono zbadać możliwości i efekty wystąpienia równoczesnego stanów popytu i podaży ropy. Założono, że zarówno stany popytu oraz stany podaży wyczerpują przestrzeń zdarzeń oraz wystąpienie jednego stanu popytu wyklucza wystąpienie drugiego i podobnie jest dla stanów podaży. Uzyskano następujące cztery wzajemnie
wykluczające się zestawy równoczesnego wystąpienia odpowiednich stanów popytu i podaży,
którym przypisano oczekiwaną wartość funkcji korzyści w postaci możliwości wystąpienia
zjawiska „Oil Gap” (tab. 2).
Jeżeli w danej analizie założy się, że wystąpienie każdego stanu podaży w stosunku do
każdego stanu popytu jest zdarzeniem niewykluczającym i w sensie matematycznym niezależnym to prawdopodobieństwo wystąpienia równocześnie danego stanu podaży i popytu jest
obliczane jako iloczyn prawdopodobieństw wystąpienia pierwszego i drugiego stanu. Według
tej słownej formuły prawa mnożenia zdarzeń niezależnych wyznaczono prawdopodobieństwa
możliwości wystąpienia zjawiska „Oil Gap” z uwzględnieniem skali tego zjawiska. Z powodu
występowania różnych opinii o przyszłości rynku paliw postanowiono przeprowadzić obliczenia dla dwóch wariantów oszacowań prawdopodobieństw subiektywnych wystąpienia stanów popytu.
Wariant pierwszy preferuje wystąpienie stanu (PP2) jako bardziej prawdopodobnego.
Dlatego przyjęto następujące wartości prawdopodobieństw P(1)(PP2) = 0,7; P(1)(PP1) = 0,3. Są
przesłanki, żeby wyniki obliczeń dla tego wariantu przyjąć dla roku 2010.
W drugim wariancie przyjęto założenie o wyraźnym wzroście zapotrzebowania na produkty ropopochodne w latach 2011-2012. Dlatego dla wariantu drugiego przyjęto, że prawdopodobieństwa wystąpienia stanów popytu wynoszą P(2)(PP1) = 0,7 zaś P(2)(PP2) = 0,3.
Założono, że wartości prawdopodobieństw wystąpienia stanów podaży są takie same dla
obu wariantów i opierają się na raporcie głównego ekonomisty Międzynarodowej Agencji
Energetycznej (MAE) Fatih-a Birol-a [14], że już osiągnięto maksymalne wydobycie, zaś
zasoby większości złóż są przeszacowane, a więc należy oczekiwać tendencji narastającego
spadku wydobycia ropy.
Tabela 2. Przewidywania wystąpienia zjawiska „Oil Gap” w latach 2010-2014
PODAŻ
PD1 wysoka P(PD1) = 0,4
PD2 malejąca P(PD2) = 0,6
POPYT
PP1 rosnący
PP2 stały
P(1)(PP1) = 0,3;
P(1)(PP2) = 0,7;
(2)
P (PP1) = 0,7
P(2)(PP2) = 0,3
W 2010 r. brak „Oil Gap”
W 2010 r. brak „Oil Gap”
W latach 2011-2014 pojawienie się W latach 2011-2014 brak „Oil
„Oil Gap”
Gap”
W 2010 r. pojawienie się „Oil Gap” W 2010 r. brak „Oil Gap”
W latach 2011-2014 znaczny wzrost W latach 2011-2014 pojawienie się
niedoboru ropy
„Oil Gap”
Źródło: opracowanie własne
Podane w tabeli wartości prawdopodobieństw dla popytu odnoszące się do wariantu
pierwszego są oznaczone indeksem górnym (1), zaś odnoszące się do wariantu drugiego są
oznaczone indeksem górnym (2). Oszacowania wartości prawdopodobieństw wynikają
z informacji zawartych głównie w opisie stanu faktycznego na podstawie analizowanych źródeł [10, 12, 14, 15]. Wyniki zastosowania powyższej metodyki przedstawiono w p. 3 niniejszej publikacji.
4 AUTOBUSY
1.2. Metodyka budowania prognozy ilościowej na podstawie modelu
multiplikatywnego
Przyjęto, że są merytoryczne przesłanki, że wartości ceny ropy lub innych paliw można
przedstawić w postaci szeregu czasowego i utworzyć model matematyczny, w którym teoretyczna cena ropy lub danego paliwa ŷ jest iloczynem wartości funkcji trendu tm
i współczynników zmian sezonowych s , zmian cyklicznych c i zmian nieregularnych l.
Oznacza to, że można w dalszych rozważaniach korzystać z modelu szeregu czasowego
w wersji multiplikatywnej. Tak rozumiany model można przedstawić w postaci:
ŷt = tmt · st · ct · lt
(1)
gdzie:
ŷ - ocena szeregu czasowego,
tm - funkcja trendu,
s - współczynnik zmian sezonowych,
c - współczynnik zmian cyklicznych,
l - współczynnik zmian losowych,
t - okres lub moment czasu.
Funkcja trendu tmt jest wyrażona w jednostkach naturalnych, identycznych jak wartości
oryginalnego szereg czasowego. Pozostałe składowe modelu są wielkościami pozbawionymi
miana. Jeżeli któryś z nich nie występuje to należy przypisać mu wartość 1.
Do otrzymania modelu multiplikatywnego zastosowano metodykę opisaną przez Aczel-a [1].
Wymaga ona identyfikacji każdej składowej modelu.
Pierwszą czynnością jest poszukiwanie postaci funkcji trendu. W tym celu dane źródłowe
przedstawia się w postaci szeregu czasowego średniej kwartalnej, oraz szeregu czasowego
średniej ruchomej (rys. 4). Analiza wykresu szeregu czasowego może być pomocna w wyborze postaci funkcji trendu. Według Dittmanna (s. 81 [3]) cyt. „Przy wyborze postaci funkcji
trendu zawsze powinny być brane pod uwagę przesłanki empiryczne i dedukcyjne, przy czym
przy bardziej złożonych postaciach analitycznych tych funkcji powinny przeważać przesłanki
dedukcyjne, a przy mniej złożonych - przesłanki empiryczne. Chodzi o to, by wybór bardziej
złożonej funkcji nie tylko był wynikiem sugestywnej oceny wzrokowej wykresu czasowego
zmiennej, lecz wypływał także z głębszych, merytorycznych przesłanek”.
W modelu multiplikatywnym przyjmuje się, że wartości średniej ruchomej w funkcji czasu nie zawierają wahań sezonowych i losowych. Oznacza to, że średnia ruchoma jest iloczynem trendu i współczynnika zmian cyklicznych [1]:
MAt = tmt · ct
(2)
gdzie: oznaczenia jak we wzorze (1) i w tekście powyżej.
Zależność (2) po przekształceniu przy danych średniej ruchomej MAt pozwala wyznaczyć
szereg czasowy dla współczynnika zmian cyklicznych c.
Ostatnim działaniem metodyki proponowanej przez Aczel-a jest wyznaczenie indeksów
sezonowych (można nie analizować zmienności losowej). W niniejszej publikacji pominięto
szczegółowy opis metodyki identyfikacji zmienności sezonowej i losowej ponieważ jest dokładnie podana w literaturze [1].
Otrzymany model matematyczny w postaci równania (1) bez składowej losowej może
być wykorzystany do wykonania prognozy lub wielu prognoz. W tym celu należy wyznaczyć
prognozy każdego regularnego składnika modelu multiplikatywnego. Prognoza badanej cechy
jest iloczynem prognoz składowych modelu. Łatwo jest wyznaczyć prognozę dla trendu, po-
AUTOBUSY 5
nieważ wystarczy podstawić odpowiednią wartość czasu w równaniu trendu. Zakładamy, że
współczynniki zmienności sezonowej dla kolejnych sezonów mają stałe wartości, co pozwala
łatwo wykonać stosowne podstawienie w równaniu prognozy (3).
ypt = tmpt · spt · cpt
(3)
gdzie:
yp - prognoza badanej cechy,
tmp - prognoza funkcji trendu,
sp - prognoza współczynnika zmian sezonowych,
cp - prognoza współczynnika zmian cyklicznych,
t - okres lub moment czasu.
Wykonanie prognozy dla zmian cyklicznych, niesezonowych może być trudne, ponieważ
składowa cykliczna nie ma stałego okresu i może mieć zmienną wartość amplitudy. Według
literatury (s. 640 [1]) cyt. „... na podstawie przebiegu wartości składowej cyklicznej próbujemy odgadnąć jej wartość w punkcie prognozy …”. Ta część zaleceń metodycznych jest najtrudniejsza w zastosowaniu i może w ocenie prognozy powodować największe wątpliwości
co do jakości prognozy. Równocześnie przewidywania wartości współczynnika zmian cyklicznych jest szansą dla prognosty, aby uwzględniać inne informacje ilościowe i jakościowe
o zjawiskach i procesach w przyszłości, które wpływają na rynek paliw ropopochodnych.
2. ANALIZA DANYCH I MODEL MULTIPLIKATYWNY DLA CEN
ROPY NA GIEŁDZIE W NOWYM JORKU
Stany Zjednoczone są największym konsumentem ropy w świecie, zaś notowania ceny
ropy na giełdzie w Nowym Jorku determinują w znacznym stopniu ceny ropy na świecie.
Wykorzystując serwis internetowy [11] dokonano odczytu notowań średniej dobowej ceny
ropy na wymienionej giełdzie w okresie październik 2004 – marzec 2010. Na podstawie tych
danych policzono średnie miesięczne oraz średnie kwartalne ceny ropy na giełdzie. Na rys. 3
przedstawiono przykład danych oryginalnych, zaś na rys. 4 przedstawiono szereg czasowy
średnich kwartalnych cen ropy oraz szereg wygładzony za pomocą średniej ruchomej.
Rys. 3. Przykład notowań ceny ropy naftowej na giełdzie w Nowym Jorku [USD/baryłka] [11]
6 AUTOBUSY
140
Cena ropy [USD/baryłka]
120
100
80
60
40
20
0
y = 1,4247x + 55,722 dla danych śr. ruchomej
zima2005
zima2006
zima2007
zima2008
zima2009
zima2010
Kwartał [-]
Średnia ruchoma
Dane kwartalne
Rys. 4. Ceny ropy naftowej na giełdzie w Nowym Jorku [USD/baryłka] jako średnie kwartalne,
oraz wygładzone wraz z trendem
Źródło: obliczenia własne
Zaproponowana w p. 1 metodyka pozwoliła w okresie 22 kwartałów na identyfikację
funkcji trendu, współczynnika zmian sezonowych i współczynnika zmian cyklicznych
(rys. 5). Przyjęto liniową postać funkcji trendu, która po estymacji parametrów utworzyła
następujące równanie:
tm = 1,4247t + 55,72 (t = 1, 2, …, 22)
4)
Następnie obliczono wartości współczynnika zmian sezonowych, który dla kolejnych sezonów przyjmuje następujące wartości: dla zimy s = 0,90; dla wiosny s = 1,06; dla lata
s = 1,10; dla jesieni s = 0,94. Uzyskane wyniki obliczeń są wystarczające do wykorzystania
modelu multiplikatywnego do wykonania prognozy.
3. WYNIKI PROGNOZY JAKOŚCIOWEJ
Dla wariantu pierwszego, w którym założono, że w roku 2010 bardziej prawdopodobne
jest wystąpienie popytu na poziomie niezmienionym – obliczono, że zdarzenie „brak zjawiska
Oil Gap” prawie na pewno zajdzie. Prawdopodobieństwo zdarzenia brak „Oil Gap” wynosi
0,82, zaś prawdopodobieństwo przeciwnego zdarzenia, czyli pojawienie się zjawiska „Oil
Gap” wynosi 0,18. Analogiczne obliczenia dla okresu 2011-2014 (wariant drugi) pozwalają
wyznaczyć następujące prawdopodobieństwa: P{brak „Oil Gap”} = 0,12; P{ pojawienie się
„Oil Gap”} = 0,46; P{ znaczny wzrost niedoboru ropy} = 0,42.
AUTOBUSY 7
1,4
1,3
Współczynnik zmian cyklicznych [-]
1,2
1,1
1,0
0,9
0,8
0,7
0,6
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
Czas [kwartał]
Rys. 5. Współczynnik zmian cyklicznych w modelu multiplikatywnym cen ropy na giełdzie
w Nowym Jorku
Źródło: obliczenia własne
4. WYNIKI PROGNOZY ILOŚCIOWEJ
Po wykonaniu prognoz w postaci scenariuszy, na podstawie których uzyskuje się informacje głównie o charakterze jakościowym proponuję się wykonanie prognozy ilościowej
krótkoterminowej opartej o prezentowany w punkcie 1.2 niniejszej publikacji model matematyczny.
Aby uzyskać prognozę szeregu o postaci modelu danym równaniem (3) należy wyznaczyć oddzielne prognozy w zadanych kwartałach, poza obszarem danych źródłowych, dla
składników „nielosowych” modelu tzn. dla trendu tm, dla indeksu sezonowego s i dla współczynnika zmian cyklicznych c. Końcowa prognoza ceny ropy jest iloczynem prognoz poszczególnych składników modelu.
Należy zwrócić uwagę na rozbieżność okresów dla danych źródłowych ceny ropy kwartalnej obliczonej na podstawie danych pozyskanych z Internetu, które obejmują kwartały 1, 2,
…, 22 (zima 2010) i dla danych w modelu multiplikatywnym, które dotyczą kwartałów: 3, …,
20 (lato 2009). Rozbieżność ta wynika z przyjętej metodyki liczenia średniej ruchomej, w
której „traci się” dwie pierwsze i dwie ostatnie dane. Dlatego wykorzystując model multiplikatywny do prognozowania można przyjąć, że kwartały 21 (jesień 2009) i 22 (zima 2010) są
objęte prognozą. W prognozowaniu [2] wykorzystuje się wspólny przedział czasu dla danych
źródłowych i dla wartości prognozowanych do sprawdzenia dokładności prognozy z wykorzystaniem metod oceny błędu ex post. W tym przypadku postąpiono inaczej wykorzystując
dane źródłowe z kwartałów 19 i 20 do obliczenia wartości współczynnika zmian cyklicznych
dla tych kwartałów.
Przy założeniu, że chcemy uzyskać prognozę krótkoterminową o horyzoncie czasowym
wynoszącym półtora roku (sześciokwartalną) należy wykonać następujące działania:
a) obliczyć wartości trendu dla kwartałów objętych prognozą,
b) obliczyć wartości współczynnika zmian cyklicznych na podstawie znanych danych
źródłowych dla kwartałów 21 i 22 wykorzystując przekształcony wzór (1) gdzie zamiast oceny szeregu czasowego ŷ należy wstawić dane źródłowe, oraz przyjąć, że wartość współczynnika zmian nieregularnych (losowych) l wynosi 1.
c) wyznaczyć wartości współczynnika zmian cyklicznych dla następnych kwartałów objętych prognozą próbując „przewidzieć” wartości na podstawie przebiegu badanej
funkcji przedstawionej na wykresie (rys. 5).
8 AUTOBUSY
Przewidywania wartości współczynnika zmian cyklicznych jest szansą dla prognosty, aby
uwzględniać inne informacje ilościowe i jakościowe o zjawiskach i procesach w przyszłości,
które wpływają na rynek paliw ropopochodnych. Proponuje się wykorzystanie informacji
z wykonanych scenariuszy do oszacowania prognozowanych wartości współczynnika zmian
cyklicznych dla kwartałów oznaczonych liczbami: 23, 24, 25. Istotne jest równoczesne
uwzględnianie wniosków, które są wynikiem wcześniejszej analizy przebiegu współczynnika
zmian cyklicznych w funkcji czasu c = f(t). Dla analizowanego przypadku przyjęto następujące oceny przebiegu wyznaczonej funkcji c = f(t) dla danych źródłowych w przedziale czasu
t = 3, 4, .., 20 (rys. 5):
– w funkcji czasu amplituda i okres zmian współczynnika wzrastają dynamicznie, co mogło
być efektem zapoczątkowanym mniejszą podażą od popytu w roku 2007 (rys. 2); maksymalna wartość amplitudy współczynnika wyznaczonego dla danych źródłowych w kwartałach 14 i 15 wynosiła około 0,35,
– w kwartałach 10 – 14, które należą do 2007 roku i początku 2008, gdy cena ropy intensywnie rosła to współczynnik zmian cyklicznych wzrastał od 0,05 do około 0,15/kwartał,
– w kwartałach od 15 do 19 gdy na giełdzie cena ropy malała to przyrost wartości współczynnika wynosił około -0,2/kwartał.
po dużym spadku cena ropy „musiała odrabiać straty” ale z nieznaną tendencją wzrostową.
Na podstawie powyższych ocen z uwzględnieniem zarówno wniosku ze scenariuszy dla
2010 o dużym prawdopodobieństwie pełnego pokrycia przez producentów zapotrzebowania
na ropę i prezentowanych opinii ekspertów o przewidywanej w gospodarce światowej tendencji powolnego wychodzenia z kryzysu przyjęto założenie:
w następnych kwartałach przyrosty współczynnika będą stopniowo zmniejszać swoje
wartości od 1,0/kwartał do 0,04/kwartał.
W wyniku realizacji tego założenia powstała prognoza wartości współczynnika zmian
cyklicznych, którą zaprezentowano na wykresie (rys. 6).
Po obliczeniu trendu dla kwartałów objętych prognozą (kwartały 21 -25) i odpowiednim
dobraniu wartości wskaźnika sezonowości oraz po uwzględnieniu prognozy współczynnika
zmian cyklicznych wykonano obliczenia według zależności (3) prognozowanych wartości cen
ropy na giełdzie w Nowym Jorku. Prognoza cen przedstawiona na rysunku 7 nie uwzględnia
wpływu zakłóceń losowych.
1,4
Współczynnik zmian cyklicznych [-]
1,3
1,2
1,1
1,0
0,9
0,8
0,7
0,6
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Czas [kwartał]
Rys. 6. Prognoza (w kolorze czerwonym) współczynnika zmian cyklicznych w modelu multiplikatywnym cen ropy na giełdzie w Nowym Jorku
Źródło: obliczenia własne
AUTOBUSY 9
Prognoza dla średnich kwartalnych
Cena ropy [USD/baryłka]
140
120
100
80
60
40
20
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
Kwartał [-]
Dane kwartalne
15
16
17
18
19
20
21
22
23
24
25
Prognoza
Rys. 7. Prognoza (w kolorze niebieskim - pogrubiona) cen ropy na giełdzie w Nowym Jorku
Źródło: Obliczenia własne
WNIOSKI KOŃCOWE
1. Zaprezentowano propozycję własnej metodyki tworzenia uproszczonych scenariuszy,
umożliwiających wnioskowanie z zastosowaniem rachunku prawdopodobieństwa.
W wyniku przeprowadzonych analiz, prognozuje się, że w roku 2010 utrzymane zostanie
wydobycie na poziomie poprzedniego roku, które zaspokoi potrzeby. Uznaje się, że aktualne wydobycie jest zbliżone do maksymalnego. Prawdopodobnie w następnych latach
ujawnią się niedobory ropy w stosunku do rosnących potrzeb gospodarki światowej.
2. Przedstawiono zastosowanie modelu multiplikatywnego do krótkookresowego prognozowania ceny ropy na giełdzie w Nowym Jorku. Z prognozy wynika, że w okresie zima
2010 – jesień 2010 cena na giełdzie będzie rosła od poziomu 80 USD/baryłka aż do około
110 USD/baryłka.
3. Jeżeli w najbliższej dekadzie zrealizują się pesymistyczne prognozy o coraz większych
niedoborach ropy, to z analizy własnej dostępnych źródeł wynika, że w Ameryce Północnej i w Europie, substytutem ropy w transporcie może stać się gaz ziemny wydobywany
ze skał łupkowych.
BIBLIOGRAFIA
1. Aczel A. D.: Statystyka w zarządzaniu. Wyd. Naukowe PWN, Warszawa 2000.
2. Cieślak M. (red.) i inni: Prognozowanie gospodarcze. Metody i zastosowania. Wyd. Naukowe PWN, Warszawa 1997.
3. Dittmann P.: Prognozowanie w zarządzaniu przedsiębiorstwem, [w:] Prognozowanie
w przedsiębiorstwie. Seminarium StatSoft Polska sp. z o. o., Warszawa 10 X 2000.
4. Moore P. G.: Ryzyko w podejmowaniu decyzji. PWE, Warszawa 1975 (tytuł oryginału:
Risk in business decision. Longman Group Limited, London 1972).
5. Remisiewicz M. i inni.: Gry wojenne. Scenariusze w biznesie. Businessman, nr 4(145),
2003, s. 22-27.
6. Skrobacki Z.: Controlling strategiczny w eksploatacji. VIII Międzynarodowe Sympozjum
Inżynieria systemów bioagrotechnicznych, ISB z. 2-3 (11-12), Politechnika Warszawska,
Płock 2003.
10 AUTOBUSY
7. Skrobacki Z.: Qualitative Forecast for Fuel Market Accounting for Sustainable Development. Rozdział w pracy zbiorowej pod redakcją naukową Leszka Powierży: Problems of
Maintenance of Sustainable Technological Systems. Tom II, serii Monografii Zespołu
Systemów Eksploatacji SPE KBM PAN. Wyd. PN-TTE Warszawa 2010 (ISBN 978-83930944-0-0) s. 213-231.
8. Supernat J.: Techniki decyzyjne i organizatorskie. Wydawnictwo Kolonia Limited, Wrocław 2000.
9. Vollmuth H. J.: Controlling, instrumenty od A do Z. Agencja Wydawnicza PLACET,
Warszawa 1995.
10. Walewska D.: Ropa w centrum uwagi. Rzeczpospolita z dn. 5.06.2009.
11. http://www.bankier.pl/inwestowanie/
12. www.bp.com Statistical Review of Word Energy 2009.
13. The Oil Drum (http://www.theoildrum.com/tag/update).
14. www.wnp.pl © Polskie Towarzystwo Wspierania Przedsiębiorczości 1997-2009 z dnia
3.08.2009.
15. http://ziemianarozdrozu.pl
THE FORECASTS FOR THE OIL PRICES
ON THE NEW YORK STOCK EXCHANGE
Abstract
This paper’s objective is to present the qualitative forecast regarding the assessment of the relation between the supply and demand on the oil market in the next few years as well as the quantitative
forecast for the oil prices on the New York Stock Exchange in 2010. The analysis focuses on the application of the scenario method used to develop qualitative forecasts. In order to develop scenarios, the
author’s own method of simplified scenario construction using the basics of decision theory and the
calculus of probability was applied . The quantitative forecast is based on the multiplicative model
and it was created as a result of the application of standard methods of the analysis of time series.
Forecasting was preceded by the analysis of present and historical phenomena and processes on the
oil market.
Recenzent: dr hab. inż. Tadeusz Cisowski, prof. WSEI
Autor:
dr inż. Zbigniew SKROBACKI - Politechnika Świętokrzyska
AUTOBUSY 11