Abstract : | Στόχος αυτής της μελέτης είναι να αξιολογήσει τη συσχέτιση των συμβολαίων μελλοντικής εκπλήρωσης αργού πετρελαίου με τις τιμές φυσικού αερίου και τις τιμές των bunkers . Το σκεπτικό αυτής της έρευνας ήταν να εξεταστεί εάν τα συμβόλαια μελλοντικής εκπλήρωσης αργού πετρελαίου είναι ένα ακριβές μέσο αντιστάθμισης κινδύνου έναντι ανεπιθύμητων διακυμάνσεων της τιμής των καύσιμων συσχέτισης. Χρησιμοποιήθηκαν δεδομένα LNG από τις τιμές εισαγωγών τεσσάρων χωρών (Ηνωμένο Βασίλειο, Ρωσία, Νορβηγία και Ισπανία), και δεδομένα τιμών από τα ναυτιλιακά καύσιμα από το λιμάνι Ρότερνταμ. Όσον αφορά τα συμβόλαια μελλοντικής εκπλήρωσης αργού πετρελαίου, για τους υπολογισμούς χρησιμοποιήθηκαν τα ICE Brent και Nymex. Στο πρώτο βήμα της διπλωματικής πραγματοποιήθηκε ανάλυση συσχέτισης με δοκιμές Johansen. Τα αποτελέσματα έδειξαν ότι υπάρχει επαρκές επίπεδο συσχέτισης και μακροπρόθεσμη σχέση σε αυτές τις χρονοσειρές μεταξύ των τιμών του crude oil και των τιμών των ναυτιλιακών καύσιμων και των εισαγωγών LNG. Στο δεύτερο μέρος δημιουργήθηκε ένα μοντέλο πρόβλεψης που προσπαθεί να παρουσιάσει τα στοιχεία των τιμών των καύσιμων μέχρι το τέλος του 2023. Ωστόσο, η τεράστια αστάθεια αυτών των εμπορευμάτων έχει επηρεάσει αρνητικά την προγνωστική ικανότητα του μοντέλου που προτάθηκε μέσω αυτής της μελέτης. The aim of this study is to evaluate the cointegration of crude oil futures with natural gas and bunker spot prices. The reasoning for this research was to examine whether crude oil futures is an accurate hedging instrument against unwanted bunker or LNG fluctuations. Natural Gas data from four countries (UK, Russia, Norway and Spain) was utilized, while the reference port for the bunker was the Rotterdam port. Concerning the Crude Oil Futures, ICE Brent and Nymex were used for the calculations. On the first step, a cointegration was conducted with Johansen tests. Results indicated that there is a sufficient level of correlation and a long-term relationship in these time series. In the second part forecasting analysis which try to present the data until the end of 2023. However, the huge volatility of these commodities has negatively affected the prediction ability of the model that was proposed through this study.
|
---|