عنوان پایان‌نامه
بررسی سیر تطور قیمت گذاری گاز طبیعی و پیش بینی قیمت گاز در آمریکا
- رشته تحصیلی
- اقتصاد انرژی و بازاریابی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده اقتصاد شماره ثبت: 1421;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 53820
- تاریخ دفاع
- ۲۲ شهریور ۱۳۹۰
- دانشجو
- فاطمه بوربورحسین بیگی
- استاد راهنما
- حمید ابریشمی
- چکیده
- گاز طبیعی، به عنوان یک حامل انرژی، اهمیت فراوانی در میان سوختهای فسیلی دارد. بررسی قیمت گاز طبیعی با توجه به افزایش میزان مصرف و تفاضای انرژی و گرایش به دیگر حامل های انرژی قابل جایگزین با نفت خام، از رویکردهای اقتصادی مهم در جهان به حساب می آید. عوامل متعددی در قیمت گذاری گاز طبیعی مؤثرند که از جمله می توان به هزینه بر بودن سرمایه گذاری در صنعت گاز، ریسک بالای آن و وابستگی شدید صادرکننده و واردکننده در تجارت گاز، اشاره کرد. بررسی تاریخی قیمت گذاری گاز طبیعی، نشان از تأثیرپذیری همیشگی آن از قیمت نفت یا مشتقات نفتی دارد. با این حال، قیمت گذاری گاز، بیشتر، متأثر از مؤلفه ها و متغیرهای منطقه ای است. بازارهای گاز طبیعی، بر خلاف نفت، معمولاً به دلیل سیال بودن و انتقال گاز از طریق خطوط لوله، منطقه ای هستند. در این تحقیق، شبکه عصبی مصنوعی، به عنوان یکی از ابزارهای اصلی پیش بینی قیمت مورد استفاده قرار گرفته است که نسبت به سایر روش های پیش بینی دارای مزیتهایی از جمله، قدرت محاسباتی سریع تر نسبت به تکنیک های آماری، قابلیت اصلاح وبهبود برآوردها و دقت بالاتر است. باید توجه داشت با توجه به اینکه در پیش بینی قیمت برای فعالان اقتصادی، پیش بینی صحیح روند تغییرات از اهمیت بیشتری برخوردار است، مهمترین معیار ارزیابی عملکرد پیش بینی، آماره Dstat می باشد. با توجه به بررسی های صورت گرفته، عوامل متعددی بر قیمت گاز طبیعی در بازار نقدی تأثیر دارند که از مهمترین آنها می توان قیمت گاز در بازار آتی، قیمت نفت در بازار نقدی، قیمت نفت در بازار آتی و دمای هوا، را نام برد. در این پژوهش مدلهای OLS و شبکه عصبی GMDH مورد ارزیابی قرار گرفته اند که با توجه به نتایج بدست آمده روش GMDH با توجه به آماره های RMSE و Dstat به مراتب، از کارایی بیشتری نسبت به روش OLS برخوردار است و نیز وقفه اول قیمت گاز در بازار آتی، مؤثرترین متغیر در پیش بینی قیمت گاز در بازار نقد می باشد.
- Abstract
- As an energy carrier, natural gas has an important place among fossil fuels. It is important to study the determinants of gas prices, given rising energy demand and the role of gas as a potential alternative to crude oil. The price of natural gas is dependent on factors such as the high cost and risky nature of investment in the gas industry and its high risk and high mutual dependence of gas importers and exporters. Looking at natural gas pricing over time confirms its dependence on crude oil and oil derivatives prices. However, gas pricing is heavily influenced by regional factors and variables, as the market is segmented into different regional sub-markets given its transport through fixed pipelines. In this study, we use the neural network system to predict gas prices given its advantages over other methods of prediction such as fast computational power and the ability to modify and improve the accuracy of estimates. Given the importance of correct forecasting of changing price trends for economic actors, we evaluate our results using the value of the Dstat indicator. Based on assessments undertaken, the most important factors that influence spot gas prices are: the future price of natural gas, spot and future prices of oil and the temperature in the target market. In this study, we compare the performance of OLS model and GMDH neural network model. The GMDH method demonstrates better prediction power than the OLS model and future price of natural gas is found to be the most effective factor in predicting spot prices.
