شبیه‌سازی قیمت نقدی فوب برای صادرات گاز طبیعی ایران از هاب فرضی شمال‌غرب با استفاده از روش شوارتز – اسمیت

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار گروه اقتصاد دانشگاه علامه طباطبایی

2 استادیار گروه اقتصاد دانشگاه صنعت نفت

3 استادیار گروه اقتصاد دانشگاه علامه طباطبائی

4 دانشجوی دکتری اقتصاد نفت و گاز دانشگاه علامه طباطبائی و عضو هئیت علمی موسسه مطالعات بین‌المللی انرژی

چکیده

در این مقاله تلاش شده است که با استفاده از مدل­های تصادفی با فرم کاهنده قیمت­های نقدی فوب گاز طبیعی در هاب فرضی شمال­غرب ایران شبیه­سازی شود. با توجه به تمایل کشورهای اروپایی برای خرید گاز طبیعی بر اساس قراردادهای کوتاه­مدت در سال­های آینده شاهد تغییر جهت عقد قراردادهای گاز به سمت قراردادهای نقدی خواهیم بود. قطع چندین‌باره جریان صادراتی گاز طبیعی روسیه به اروپا از سال 2006 موقعیت ویژه­ایی را برای صادرات گاز ایران رقم زده است. به همین دلیل فروش نقدی گاز خود مشوقی برای نفوذ به بازار اروپا است. مدل مورد استفاده در این مقاله مدل دو عاملی شوارتز اسمیت است که با استفاده از آن دامنه قیمت­های تصادفی گاز طبیعی برای دامنه تغییر قیمت نفت خام 35 الی 100 دلار به ازای هر بشکه محاسبه شده است. در این مقاله ابتدا قیمت سیف در بازار اروپا بر اساس متوسط شش هاب اصلی گاز طبیعی شبیه‌سازی‌شده است و سپس با محاسبه هزینه انتقال گاز از مرز ایران به اروپا (گزینه بهینه) و با استفاده از روش‌های اقتصاد مهندسی استخراج و سپس از روش خالص برگشتی به شبیه‌سازی متوسط قیمت نقدی فوب پرداخته‌شده است. بر اساس نتایج این مطالعه دامنه قیمت نقدی فوب گاز طبیعی در هاب فرضی ایران بین 232 الی 335 دلار در هر هزار مترمکعب تغییر خواهد کرد. با مقایسه نتایج شبیه‌سازی قیمت‌های نقدی با قیمت در قراردادهای بلندمدت (وابسته به قیمت نفت) تفاوت چندانی در درآمد حاصل از صادرات گاز ایران دیده نمی­شود در همین حال ایران قادر است با افزایش انعطاف­پذیری در تجارت گاز از ترانزیت گاز طبیعی کشورهای همسایه و علاقمند به صادرات گاز به اروپا نیز بهره ببرد. بالطبع تشکیل هاب گازی می­تواند به­عنوان یک کانون قیمت­گذاری برای تمام خریداران (داخلی و خارجی) مورد استفاده قرار گیرد و پیش­زمینه­ائی برای آزاد سازی گاز طبیعی در بازار داخلی ایران باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Iran’s Short term Natural Gas Pricing in the North-East Part Assumed Hub (According to Schwartz-Smith two factors model)

نویسندگان [English]

  • teymoor mohammadi 1
  • hojatallah janimifard 2
  • atefah taklif 3
  • afshin javan 4
چکیده [English]

This paper examines the possibility of natural gas pricing in assumed hub formation in Northwestern Iran, in the Turkey border line for exporting natural gas to Europe by the Schwartz-Smith (S-S)two factors modelas a reduced form model. In the recent years European countries would like to purchasing natural gas in order to short term contracts and it seems in near future market movment is toward mentioned contract. However it is a good chance for Iran’s natural gas export to European countries additionaly evral ntruption of natural gas export convey from Russia to Europe will highlight Iran’s position in the natural gas trade to Europe.Based on the S-S model results stochastic range of natural gas price simulated for oil price between 35 to 100 $/bbl.Natural gas CIF dynamic simulation is based on average of six main European hubs,then according to net back calculation estimated natural gas FOB price in Iran’s North-East hub.According to the model results FOB average price ranges is between 232 to 335 $/1000 cubic Meters.Comparison long term and short term simulated price has not any significant diffrences and if Iran exercise short term contract can increase trade flexibility in market and also made an advantage from transit fee of nighburing countries who interested to develop natural gas export to European market.Hub formation can be applied as a natural gas pricing focal point for all the buyers.

کلیدواژه‌ها [English]

  • Natural Gas Hub
  • Calibration
  • Schwartz-Smith two factors model
  • Price dynamic simulation
  • Net Back Calculation
جوان، افشین (1385). «بررسی تئوریک مدل­های قیمت­گذاری گاز طبیعی»، فصلنامه مطالعات اقتصاد انرژی، شماره 8، 3-25.
منظور، داود و نیاکان، لیلی (1391). «مدیریت ریسک در صنعت نفت و گاز کشور؛ ضرورت­ها و ابزارها»، نشریه انرژی ایران، 15 (1)، 18-1.
Bachelier, L. (1900). “Th'eorie de la sp'eculation. Annales Scientifiques de l’Ecole Normale Sup'erieure”. (English Translation: In P. H. Cootner, editor, Random Character of Stock Market Prices), Massachusetts Institute of Technology: 17-78.
Benavides, D. L.; Duley, J. R and Johnson, B. E. (1999). “As Good as It Gets Optimal Fab Design and Deployment”. IEEE Transactions on Semiconductor Manufacturing, Vol. 12(3), 281-287.
Brit, D. and Rosellón, J. (2011); Lumpy Investment in Regulated Natural Gas Pipelines: An Application of the Theory of the Second Best”. Deutsches Institut für Wirtschaftsforschung. Networks and Spatial Economics. Volume 11, Issue 3, 533-553.
Deoras, A. (2011). Energy Trading & Risk Management with MATLAB Webinar Case Study. https://www.mathworks.com/matlabcentral/fileexchange/28056-energy-trading---risk-management-with-matlab-webinar-case-study.
Energy Intelligence - World Gas IntelligenceEnergy Intelligence (WGI) May 2000- May 2014.
Fladmark, B. and Grimstad, G. B. (2013). Seasonality in Natural Gas Price an empirical of Henry Hub Natural Gas Future Prices,Master thesis in Financial Economics and Economic Analysis-Norwegian School of Economics, 34.
Gibson, R. and Schwartz, E.S.  (1990). “Stochastic convenience yield and the pricing of oil contingent claims”. The Journal of Finance, 45, 959-976.
Heidari, H.; Katircioglu, S. T. and Saeidpour, L. (2013); Natural gas consumption and economic growth: Areweready to natural gas price liberalization in Iran?, Energy Policy. 63, 638-645.
IHS Contry Risk Analzsis. (1998 Q1- 2014 Q4). IHS CERA.UK. Data bank.
Mirantes, A. G.; Población, J. and Serna, G. (2012). “The Stochastic Seasonal Behaviour of Natural Gas Prices”. European Financial Management. Vol. 18(3), 410-443.
Nick, S. and Thoenes, S. (2013). What Drives Natural Gas Prices? A Structural VAR Approach. EWI Working Paper, Energiewirtschaftliches Institut an der Universitaet zu Koeln (EWI).
Pindyck, R. S. (2004). “Volatility and Commodity Price Dynamics”. The Journal of Futures Markets, Vol. 24, No. 11, 1029-1047.
Petrovich, B. (2013). European gas hubs: how strong is price correlation?’ The Oxford Institute for Energy Studies. NG 79.
Pruyt, E. (2013). Small System Dynamics Models for Big Issues: Triple Jump towards Real-World Complexity. TU Delft Library, Delft, the Netherlands Vensim Ventana Simualation Environment.
Ramezani, A. (2015). Iranian Gas Industry (Potentials & Opportunities).European Autumn Gas Conference 17-19 November 2015 Geneva, Switzerland, Slide 12-15.
Stern, J. (2012). The Pricing of Internationaly Traded Gas.The Oxford Institute for energy studies.150-200.
Shale gas and EU energy security.December 2014.European Parlemrnt
European Energy Security Strategy.Wednesday, 28 May, 2014 Latest communications.
Schwartz, E. S. and Smith, J. E. (2000). Short-term variations and long-term dynamics in commodity prices. Management Science, 46(7), 893-911.
True, W. R. (1985-2000). U.S. pipeline mileage up a bit. Oil and Gas Journal.
User’s Guide Version 5 Copyright © 1998-2007 Ventana Systems,
Villaplana, P. (2004). Valuation of Electricity Forward Contracts: The Role of Demand and Capacity, Spanish National Energy Comission, Energy Derivatives Market Division. Working paper, 2-37
Vassbo, F. (2012). A stochastic Model for Correlated Commodity Prices.Master’s Thesis .Faculty of Science and Technology. University of Stavanger, Norway. 22-40.