| Περίληψη : | Η παρούσα διπλωματική εργασία επιχειρεί την ανάλυση των τιμών του φυσικού αερίου με τη χρήση χρονοσειρών, με σκοπό την εκτίμηση των κατάλληλων υποδειγμάτων για τη διενέργεια προβλέψεων. Αρχικά παρουσιάζονται κάποιες γενικές πληροφορίες για το φυσικό αέριο ως αγαθό, αλλά και μία σύντομη αναδρομή στην ιστορική του πορεία. Επιπρόσθετα, ακολουθεί μία επισκόπηση διεθνών στατιστικών στοιχείων που αφορούν τις ενότητες της παραγωγής, κατανάλωσης, τιμών, αποθεματικών και εμπορικών συναλλαγών. Από την παραπάνω μελέτη, ξεχωρίζει η περίπτωση της Αμερικής, η οποία επιλέγεται και ως βασική χώρα της ανάλυσης. Στη συνέχεια, ακολουθούν τρία κεφάλαια εμπειρικής έρευνας, προκειμένου να εφαρμοστούν εναλλακτικά υποδείγματα με σκοπό την πρόβλεψη των τιμών φυσικού αερίου. Πιο συγκεκριμένα, έγινε συλλογή δύο βασικών χρονοσειρών τριμηνιαίων (σειρά GAS) και μηνιαίων spot τιμών φυσικού αερίου (σειρά SPOT), ενώ επιπλέον χρησιμοποιούμε τις τριμηνιαίες τιμές του πετρελαίου (σειρά OIL) και τρεις βασικές μακροοικονομικές σειρές των ΗΠΑ (GDP, CPI, PPI). Η ανάλυση ξεκινά με τον έλεγχο μοναδιαίας ρίζας των χρονοσειρών μέσω της διαδικασίας Dickey Fuller. Στην πορεία γίνεται προσπάθεια εύρεσης της δυναμικής εξέλιξης του συνόλου των μεταβλητών με τη χρήση των διανυσματικών αυτοπαλίνδρομων υποδειγμάτων (μοντέλα VAR). Στο σημείο αυτό δεν μπορεί να παραληφθεί ο έλεγχος συνολοκλήρωσης, καθώς η μη συνολοκλήρωση αποτελεί βασική προϋπόθεση της εφαρμογής των VAR υποδειγμάτων. Ακολούθως, δημιουργήθηκαν Ολοκληρωμένα Αυτοπαλίνδρομα Μοντέλα Κινητού Μέσου όρου (ARIMA) και Γενικευμένα Αυτοπαλίνδρομα Υποδείγματα Δεσμευμένης Ετεροσκεδαστικότητας (GARCH). Για την πρώτη κατηγορία υποδειγμάτων ταυτοποιήθηκε, εκτιμήθηκε και προκρίθηκε το ARIMA (2,1,1) υπόδειγμα της σειράς SPOT μέσω της διαδικασίας Box Jenkins και ύστερα από τον απαραίτητο διαγνωστικό έλεγχο συνεχίσαμε στη διενέργεια προβλέψεων. Για τη δεύτερη κατηγορία εκτιμήθηκαν τα μοντέλα: GARCH, EGARCH, PARCH, TGARCH και μέσω του ελέγχου των κριτηρίων προσαρμοστικότητας επιλέγεται το EGARCH (1,1) που συμπεριλαμβάνει το υπόδειγμα ARIMA (2,1,1) στην εξίσωση του μέσου. Τέλος, αφού ολοκληρωθεί και η διαδικασία του διαγνωστικού ελέγχου, προβαίνουμε στην πρόβλεψη της μεταβλητότητας των τιμών spot του φυσικού αερίου.
This diploma thesis attempts to analyze natural gas prices using time series to estimate the appropriate models in order to forecast the price volatility. Initially, we present some general information about natural gas as a good, but also a brief overview of its history. Additionally, we continue with a review of international statistics relating to the individual sectors of production, consumption, pricing, reserves and trade. From the above study, the case of America stands out, which is apparently chosen as the basic country of analysis.Afterwards, there are three chapters of empirical research in order to apply alternative models to forecast natural gas prices. In particular, two time series of quarterly (GAS series) and monthly spot gas prices (SPOT series) were collected, while we also use the quarterly oil price series (OIL series) and three major US macroeconomic series (GDP, CPI, PPI).The analysis begins with a unit root test of our time series through the Dickey Fuller process. Along the way, we attempt to find the dynamic evolution of our variables with the use of vector autoregressive models (VAR). At this point, the cointegration test cannot be omitted, since the application of VAR models requires no-cointegrated variables.Subsequently, Autoregressive Integrated Moving Average (ARIMA) and Generalized Autoregressive Conditional Heteroskedastic (GARCH) models were created. For the first category of models, the ARIMA (2,1,1) model of the SPOT series was identified, estimated and qualified through the Box Jenkins methodology and after the necessary diagnostic testing we used it for forecasting. For the second category, the following models were evaluated: GARCH, EGARCH, PARCH, TGARCH and EGARCH (1,1) model including the ARIMA model (2,1,1) in the equation of his mean is finally selected according to the information criteria.Finally, once the diagnostic process has been completed, we forecast the volatility of spot gas prices.
|
|---|
Copyright © 2013 Βιβλιοθήκη Ο.Π.Α. Με την επιφύλαξη παντός δικαιώματος.