Рынок газа и возможности его прогнозирования

     Источник: World Energy Outlook, International Energy Agency. - 2004. - С. 524 

     Ошибка  в данном случае рассчитывалась по следующей формуле: 

     Таким образом, по своему смыслу эта величина показывает относительное отклонение реальности от прогноза. Также при определении ошибки прогноза может использоваться относительная погрешность с фактическим значением в знаменателе, что имеет смысл отклонения прогноза от реальности. Такая  погрешность в числовом выражении несколько отличается от погрешности, используемой IEA. Как отмечают Аполонский О.Ю., Орлов Ю.Н. авторы статьи «Сравнительный анализ долгосрочных прогнозов развития мировой энергетики» что отношение этих двух видов относительных ошибок равно отношению факта и прогноза, так что, как правило, переход от одного способа определения погрешности к другому не приводит к значительным отличиям. Например, при относительной ошибке в 5% её значение при переходе к другому определению относительной погрешности (из двух рассматриваемых) изменится приблизительно всего лишь на 0,2%.³⁹

     Наиболее  точный прогноз был представлен  в WEO 1995 года, где ошибка оставляла всего 1,2%, а наименее точный -  в WEO 1998 года, где ошибка оставляла 3,3%. Следует также отметить, что наибольшие погрешности наблюдаются при прогнозировании 2001 и 2002 годов. Вообще, средняя ошибка прогнозирования IEA составляет 2,2%.

     Прогнозы  DOE до 1996 г. осуществлялись на основе прогнозной системы мировой энергетики  (WEPS), в которой внешними (экзогенными) параметрами являлись показатели экономического и демографического роста по отдельным странам. Выходными данными являются макроэкономические параметры по странам, включая спрос и предложение различных видов энергоресурсов. ⁴⁰

     Прогнозные  цены на энергоносители и объемы их поставок по регионам мира моделировались в этой системе на основе принципа минимизации транспортных расходов для стран-поставщиков. Конкуренция  между видами топлив моделировалась в предположении линейной связи  между спросом и ценой единицы  теплосодержания для каждого  топлива на основе принципа минимизации  затрат для стран-покупателей.⁴¹

     В 1996 г. система WEPS была дополнена блоком National Energy Modeling System (NEMS), которая состоит из нескольких блоков. Одним из них является модель передачи и распределения газа. Данная модель включает в себя 3 блока: the Interstate Transmission Module (ITM), the Pipeline Tariff Module (PTM), and the Distributor Tariff Module (DTM). ITM включает в себя моделирование процесса определения цены на природный газ, соединяя все главные экономические и технологические факторы, которые влияют на региональную торговлю природным газом в Соединенных Штатах. PTM разрабатывает параметры для установки тарифов в ITM по услугам транспортировки и хранения, предоставляемых межгосударственными транспортными компаниями. DTM: содействует увеличению  услуг распределения, предоставляемых местными и национальными компаниями.⁴²

     В 2003 г. система была еще раз модифицирована в части моделирования цен  на энергоносители и стала называться System for the Analysis of Global Energy markets (SAGE). Указанная модель включает в себя описание энергосистемы по секторам деятельности и рынкам энергоресурсов отдельных крупных государств в рамках эконометрических моделей, которые комбинируются с «технологическими» моделями функционирования отдельных отраслей (т.е. моделями, содержащими более детализированное – по сравнению с эконометрикой – описание, учитывающее наличие различных технологий потребления энергоресурсов). При описании отраслей используются различные производственные функции, позволяющие определить энергоемкость производимого отраслями продукта. Использование производственных функций за пределами периода, для которого они были определены, является некоторой прогнозной гипотезой, от справедливости которой зависит и точность самого прогноза. Состояние отрасли в этих моделях изменяется с учетом того, что согласно имеющимся официальным данным (в предположении выполнения принятых официальных решений) запланировано выведение из эксплуатации в рассматриваемом секторе части промышленных объектов, а также ввод ряда объектов в эксплуатацию.

     Рассмотрим  точность прогнозов, составленных DOE на основе модели WEPS (табл. 2.2).

     Таблица 2.2

     Относительная ошибка прогнозов DOE мирового спроса на энергию в 2000 и 2005 гг. (в %) 

Источник: разработано автором на основе данных International Energy Outlook, US Department of Energy. – 2006. – С.125.  

     Ошибка в данном случае рассчитывалась по той же формуле, что и при анализе точности прогнозов IEA. При рассмотрении средней ошибки видно, что наиболее точные прогнозы были составлены в 1998 и 1999 гг.

     Стоить отметить, что исследуемые прогнозные системы – DOE и IEA – работают с различными показателями при составлении прогнозов. Так, DOE прогнозирует потребление («consumption») энергии или отдельных его видов. Тогда как IEA в своих обзорах оперирует величиной спроса («demand») на энергию. Но, начиная с 1998 года, в WEO вместо спроса на энергию начинает использоваться величина поставок («supply») энергии, а точнее – величина TPES («total primary energy supply»). В WEO-94, имел место краткий комментарий по данному вопросу, в котором говорилось об «эквивалентности» использования величин «primary energy demand» и «total primary energy supply».⁴³ В свою очередь специалисты DOE в своих обзорах – International Energy Outlook – регулярно проводят сравнение результатов своих прогнозов с прогнозами IEA, в том числе, и в отношении вышеупомянутых характеристик использования энергии, тем самым неявно указывая на сопоставимость сравниваемых величин.

     Еще одним из прогнозирующих агентств является PIRA Energy Group, которое было основано в 1976 г. Это международная консалтинговая фирма, которая специализируется на анализе глобальных энергетических рынков.⁴⁴ Данная компания изучает и прогнозирует следующие параметры:

1. спрос на энергию;
2. цены на сырую нефть;
3. рынки очищенных продуктов;
4. цены на очищенную продукцию;
5. торговля нефтью и очищенной продукцией.

     В рамках представленной темы наиболее важным показателем является спрос на энергию. При прогнозировании спроса на энергию учитываются такие параметры, как реальный уровень ВВП и его рост, рост населения, спрос на различные виды топлива (нефть, природный газ, уголь и т.д.), измерение энергетической интенсивности (например, энергия/ВВП, энергия/население, и т.д.), выбросы углекислого газа.⁴⁵

     Также анализом и прогнозированием энергетических рынков занимается Petroleum Economics Limited (PEL), которая в 2002 году стала частью KBC Market Services, которая занимается консультированием в области энергетики. PEL имеет более 70 клиентов по всему миру, среди которых компании, правительства и другие субъекты являющие участниками энергетических рынков. Данная компания занимается прогнозирование цен, анализом рынков и стратегическим анализом.⁴⁶

       Рассмотрим какие прогнозы по потреблению топливно-энергетических ресурсов в целом сделали различные институты и компании на период с 2010 по 2020 гг. (табл. 2.3). 

     Таблица 2.3

     Сравнение прогнозов среднегодовых темпов роста потребления ТЭР по регионам в период с 2002 по 2020 гг.(в %) 

       Источник: International energy outlook. Energy information administration– 2006. – С. 179. 

     Прогнозы в области потребления топливно-энергетических ресурсов (ТЭР) очень сильно различаются. Разброс в темпах роста составляет по разным прогнозам до 60%. К тому же прогнозы расходятся и в определении направления изменение объемов потребления ТЭР. Если по данным DOE, IEA и PEL потребление ТЭР в Европе будет снижаться, то по данным PIRA и – потребление будет расти. Также расходятся и прогнозы потребления ТЭР в азиатских странах входящих в Организацию экономического сотрудничества и развития (ОЭСР). По данным DOE и IEA потребление будет расти, а по данным PIRA и PEL – падать.

     Рассмотрим прогнозы среднегодовых темпов роста потребления различных видов ТЭР. 

     Таблица 2.4

     Сравнение прогнозов среднегодовых темпов роста потребления ТЭР по виду топлива в период с 2002 по 2020 гг. (в %). 

     Продолжение табл. 2.4