Società Italiana di Statistica Convegno intermedio 21 - 23 settembre 2005, MESSINA World Oil Depletion Models: Price Effects Compared with Strategic or Technological Interventions Renato Guseo Alessandra Dalla Valle Mariangela Guidolin Dipartimento di Scienze Statistiche Padova Dipartimento di Scienze Economiche Padova 1 R. Guseo Petrolio: Produzione mondiale x 1000 barili al giorno 80000 Globale 70000 60000 50000 OPEC 40000 FSU 30000 20000 CSI USA (NGL) 10000 0 1900 10 20 30 40 50 R. Guseo 60 70 80 90 2000 2 Produzione mondiale e prezzi del petrolio Crude Oil Production and Prices per Barrel (X 10000) 8 6 80 Variables Production (barrel x 1000) Price (dollars, 2002) 60 4 40 2 20 0 0 1900 1920 1940 1960 1980 2000 2020 year Fonte: BP Statistical Review of World Energy, 2004 R. Guseo 3 Crescita e sviluppo economico post-bellico: (World War II) -1• Cohen, J.E. (2003) Human Population: The next Half Century, Science, 203, 1172-1175; • Eccezionale espansione demografica sconosciuta nei secoli predenti; • Picco popolazione rurale nei paesi ricchi: 1950; • Aumento vita media (mondiale) dai 30 anni del 1900 ai 65 anni del 2000; • Popolazione: 6,3 mld nel 2004; United Nations Population Division: 8,9 mld per il 2050 (previsione ex medium variant scenario); • Contrazione locale popolazione 2050: Giappone -24%; Italia -22%; FSU -29%; R. Guseo 4 Crescita e sviluppo economico post-bellico: (World War II) -2• Dominanza pre-bellica degli USA nella estrazione e raffinazione del petrolio: shock 1918 (positivo a memoria locale); • Vantaggio militare decisivo. Vantaggio competitivo post-bellico; • American way of life; • Surplus energetico a basso costo: crude oil; • Modifica strutturale dell’evoluzione economica “sostenibile” a spese di risorse non rinnovabili; R. Guseo 5 Crescita e sviluppo economico post-bellico: (World War II) -3• Rischio odierno di limitazioni fisiche nell’espansione della produzione petrolifera in relazione alla domanda emergente (Cina, India, altri paesi asiatici); • Rischio di una migrazione forzosamente tardiva verso sostituti energetici rinnovabili; • Tecnologie emergenti non ancora efficienti e completamente sostenibili per ragioni strettamente tecnologiche o economiche (fuel-cell, idrogeno, sistemi fotovoltaici, sistemi solari termici, energia eolica, ecc. R. Guseo 6 Studi strategici recenti 1. Morse, E.L. e Jaffe, A.M. (2001). “Strategic Energy Policy Challenges for the 21st Century”; (2000 - aprile 2001); James A. Baker III Institute for Public Policy of Rice University, Texas; Council of Foreign Relations of USA 2. National Energy Policy Development Group, (2001, Task Force diretta da D. Cheney). • • • • Politica energetica USA dal 1940 – sicurezza -; Crescita economica mondiale pilotata da un surplus di produzione di crude oil a prezzi bassi; Nuova domanda mondiale emergente non statunitense; Dipendenza da pochi paesi stranieri (Medio Oriente). R. Guseo 7 Esaurimento risorse non rinnovabili: da Hubbert ai giorni nostri • Hubbert, M.K. (1949). Energy from fossil fuels, Science, 4, 103-109. • Hubbert segnala nel 1956 il picco della produzione annuale dei 48-lower states in USA per il 1970; • Campbell, C. e Laherrère, J. (1998). The End of Cheap Oil, Scientific American, March 1998. • Laherrère, J. (2003). Modelling future oil production, population and the economy, ASPO 2nd international workshop on oil and gas, Paris, 26-27. • ASPO (Association for the Study of Peak Oil and Gas); • ASPO Italia (U. Bardi, C. Campbell, A. Di Fazio, R. Guseo, et al.) R. Guseo 8 Stime economico-finanziarie delle riserve: rischi di inflazionamento • Garanzie sui prestiti internazionali; • Attrazione degli investimenti sulle strutture di produzione; • Superamento dei vincoli OPEC: l’esportazione è proporzionale alle riserve “dichiarate”. BP - Statistical Review of World Energy R. Guseo Source: BP Statistical Review of World Energy 9 Lavori recenti di taglio statistico • Guseo, R. (2004) Interventi strategici e aspetti competitivi nel ciclo di vita di innovazioni, Working Paper Series, 11, Department of Statistical Sciences, University of Padua. • Guseo, R e Dalla Valle, A. (2004) Oil and Gas Depletion: Diffusion Models and Forecasting under Strategic Intervention, Atti LXII Riunione Scientifica della S.I.S., 733-736, (vers. Estesa in revisione) • Guidolin, M. (2004) Cicli energetici e diffusione delle innovazioni. Il ruolo dei modelli di Marchetti e di Bass, Tesi, Università di Padova • Guseo, R. (2005) Esaurimento mondiale del petrolio: modelli Bass-let per il riconoscimento di generazioni successive del parco automobilistico italiano, Sco2005, Bressanone 15-17 settembre 2005 R. Guseo 10 Produzione di Petrolio: Diffusione di un’Innovazione • Produzione modulata dalla dinamica della domanda internazionale; • Domanda come funzione dei processi di diffusione delle tecnologie di base (trasporti, industrie, riscaldamento, ecc.); • Diffusione delle innovazioni tecnologiche condizionata dalla struttura della comunicazione sociale: innovatori ed imitatori (word-of-mouth) R. Guseo 11 L’Equazione di Bass: BM • z’(t) = mf(t) = m[p+qF(t)][1-F(t)] oppure • z’(t) = pm+(q-p)z(t) - (q/m) z(t)2 (Riccati) • • • • • • z’(t)=mf(t) (adozioni istantanee); f(t)=F’(t) z(t)=m F(t) (adozioni cumulate); F(t)=z(t)/m f(t)/[1-F(t)]=p+qF(t) Hazard rate di Bass m=mercato raggiungibile; carrying capacity p=coefficiente di innovazione, p>=0 q=coefficiente di imitazione, q>=0 R. Guseo 12 I Modelli Normalizzati di Bass, BM e GBM BM: f(t)/[1-F(t)]=[p+qF(t)] GBM: f(t)/[1-F(t)]=[p+qF(t)] x(t) “Standard” “GBM” x(t) è una funzione del tempo, integrabile, positiva, centrata sul “polo unitario” 1. Rappresentazione delle variazioni di prezzo, della pressione pubblicitaria, degli interventi politici, strategici, normativi, ambientali. R. Guseo 13 Soluzione dell’equazione: GBM z z ' (t ) ( p q )( m z ) x (t ) m t ( p q ) x ( ) d 0 1 e z (t ) m t q ( p q ) x ( ) d 0 1 pe b1(t a1) b2(t a2 ) shock Esp. x(t ) 1 c1 e shock Rett. x(t ) 1 c1 I (t a ) I (t b ) c2 I (t a I (t a 1 shock Misti b1(t a1) x(t ) 1 c1 eR. Guseo c2 e ) 1 1 I (t a ) 1 c2 I (t I 2) (t I a2 ) ( t b2 ) a2) I (t b142) Gran Bretagna: GBM, 2 sh. Misti Estimation method: Marquardt Estimation stopped after maximum iterations reached. Number of iterations: 31 Number of function calls: 330 Estimation Results GBbpC Asymptotic 95,0% Asymptotic Confidence Interval Parameter Estimate Standard Error Lower Upper ---------------------------------------------------------------------------m 4513,39 154,806 4196,77 4830,0 p 0,0000708436 0,0000324773 0,00000441993 0,000137267 q 0,111872 0,00516425 0,10131 0,122434 c1 8,54019 1,02935 6,43493 10,6454 b1 -0,250721 0,0114596 -0,274159 -0,227284 a1 10,7677 0,458356 9,83028 11,7052 c2 -0,331417 0,0175489 -0,367309 -0,295526 a2 23,4341 0,190843 23,0438 23,8245 b2 28,6819 0,164258 28,3459 29,0178 ---------------------------------------------------------------------------Analysis of Variance Source Sum of Squares Df Mean Square Model 6,52091E7 9 7,24545E6 Residual 657,546 29 22,674 (X 1000) ----------------------------------------------------3 Total 6,52097E7 38 Total (Corr.) 3,31712E7 37 R-Squared = 99,998 percent 2,5 R-Squared (adjusted for d.f.) = 99,9975 percent Standard Error of Est. = 4,76172 Mean absolute error = 3,10566 2 Durbin-Watson statistic = 0,889298 Shock positivo con memoria locale Plot of Fitted Model 1,5 1 0,5 0 0 R. Guseo 20 40 t 60 80 15 Gran Bretagna: analisi • La “sella” 1987-19911999 è assorbita perfettamente da uno shock rettangolare: • a) modificazione Petroleum Reven Tax, • b) ristrutturazione degli impianti di trasporto 1986-1991; la ripresa simmetrica conferma il ritorno al regime ordinario, • c) parziale stallo produttivo dettato dalla carenza di scoperte di nuovi giacimenti. Multiple X-Y Plot 150 Variables GBbp DIFF(PRED) DIFF(FOR) 120 90 60 30 0 0 20 40 60 80 t R. Guseo 16 USA: 48 lower States e Alaska, uno shock esponenziale Estimation Results ---------------------------------------------------------------------------Asymptotic 95,0% Asymptotic Confidence Interval Parameter Estimate Standard Error Lower Upper ---------------------------------------------------------------------------m 224,885 0,784401 223,328 226,442 p 0,000445866 0,0000177788 0,000410571 0,000481162 q 0,0571941 0,000403937 0,0563922 0,057996 c1 0,682617 0,0735348 0,536632 0,828602 b1 -0,0852885 0,00948373 -0,104116 -0,0664609 a1 18,0477 0,981086 16,1 19,9954 ---------------------------------------------------------------------------- Plot of Fitted Model 200 cum 160 120 80 40 0 Analysis of Variance ----------------------------------------------------Source Sum of Squares Df Mean Square ----------------------------------------------------Model 735809,0 6 122635,0 Residual 7,39124 95 0,0778026 ----------------------------------------------------Total 735817,0 101 Total (Corr.) 352880,0 100 R-Squared = 99,9979 percent R-Squared (adjusted for d.f.) = 99,9978 percent Standard Error of Est. = 0,278931 Mean absolute error = 0,207909 Durbin-Watson statistic = 0,173839 0 20 40 60 80 100 120 t Multiple X-Y Plot 4 Variables barili DIFF(PREDb1) DIFF(PREDbe1) 3 2 1 Shock positivo con memoria locale 0 0 R. Guseo 20 40 60 t 80 100 120 17 USA: 48 lower States e Alaska, affinamento ARMAX(4,0,2) Time Sequence Plot for barili ARIMA(4,0,2) + 1 regressor 4 actual forecast 95,0% limits 3 barili Forecasting - barili Analysis Summary Data variable: barili Number of observations = 101 Start index = 1,0 Sampling interval = 1,0 2 1 0 Forecast Summary ---------------Forecast model selected: ARIMA(4,0,2) + 1 regressor Number of forecasts generated: 40 Number of periods withheld for validation: 0 -1 0 ARIMA Model Summary Parameter Estimate Stnd. Error t P-value ---------------------------------------------------------------------------AR(1) 1,21416 0,691695 1,75534 0,082426 AR(2) -0,140994 1,11031 -0,126986 0,899220 AR(3) -0,146337 0,49692 -0,294488 0,769028 AR(4) -0,132467 0,0891259 -1,48629 0,140514 MA(1) 0,591549 0,68527 0,863235 0,390183 MA(2) 0,299352 0,650254 0,460362 0,646308 DIFF(PREDbe1) 0,20426 0,0890786 2,29303 0,024052 ---------------------------------------------------------------------------Backforecasting: yes Estimated white noise variance = 0,00495321 with 95 degrees of freedom Estimated white noise standard deviation = 0,0703791 Number of iterations: 17 R. Guseo 30 60 90 120 150 Shock: 1918 18 Alaska: affinamento ARMAX(2,0,1) ARIMA Model Summary Parameter Estimate Stnd. Error t P-value ---------------------------------------------------------------------------AR(1) 0,323713 0,100318 3,22686 0,002667 AR(2) -0,172177 0,054492 -3,15967 0,003195 MA(1) -0,818595 0,102552 -7,98224 0,000000 PREDbme1 0,847508 0,0501864 16,8872 0,000000 Mean -0,0143829 0,0282678 -0,508809 0,613990 Constant -0,0122034 ---------------------------------------------------------------------------Backforecasting: yes Estimated white noise variance = 0,00281514 with 36 degrees of freedom Estimated white noise standard deviation = 0,0530579 Number of iterations: 20 Multiple X-Y Plot Residual Autocorrelations for alaskac 2,4 2 1,6 1,2 0,8 ARIMA(2,0,1) with constant + 1 regressor Autocorrelations 1 0,6 0,2 -0,2 Variables alaskap DIFF(FORar2ma1 ) 0,4 0 -0,6 0 -1 0 3 6 9 12 15 20 40 60 80 t lag R. Guseo 19 World Oil data: Produzione giornaliera Fonti: • Industriedatenbank 2001 (1900 – 1986) • BP Statistical Review of World Energy (19872002) R. Guseo 20 GBM con x(t) funzione dei prezzi R. Guseo 21 GBM shock exp + effetto prezzo R. Guseo 22 Guidolin (2004): GBM con 2 shock World Oil Depletion Models (X 10000) 8 Variables Production data gbm2e+for 6 4 2 R. Guseo 2010 2000 year 1990 1980 1970 1960 1950 0 23 GBM con 3 shock exp: g.loc (persistenza della memoria) World Oil Depletion Models (X 10000) 8 Variables Production data gbm3e+for 6 4 2 2010 2000 year R. Guseo 1990 1980 1970 1960 1950 0 24 GBM con 3 shock exp: stime (persistenza della memoria) q/p = 608 Qp=1%; R2 0,999994708 F ( m. parz / 1951) 17,06 R. Guseo 25 World Oil Depletion: GBM with three shocks vs Hubbert-Bass Oil Peak: 2007 URR=1524 Gbo Depletion time 95% : 2023 Depletion time 90% : 2019 R. Guseo 26 Operatori mercato petrolifero: crescita dei prezzi • Autocontenimento della domanda e dell’offerta come nel ’73 e nel ’79-’83. Prolungamento vita economica del crude oil; • Margini di recupero di efficienza tecnologica ridotti dopo i miglioramenti introdotti negli anni ’70 , ’80 e ‘90; • Recupero mediante la modifica degli “stili di vita”: è il dilemma centrale nei paesi industrializzati. • Inerzia delle Classi media e medio-bassa abituate ad una crescita e ad uno sviluppo indefiniti ed irreversibili. R. Guseo 27 Paesi in via di sviluppo • Crescita del fabbisogno di crude oil nei paesi a sviluppo recente: Cina, India, altri paesi asiatici; • La US EIA (Energy Information Administration) “prevede” per il 2020 una “richiesta” mondiale di 40 Gbo/anno (ovvero 109,6 ml di barili/giorno); • Guseo, Dalla Valle, Guidolin (2005) e Bakhtiari (2004) indicano per il 2019-20 solo 55 ml di barili/giorno: la metà. R. Guseo 28 Crude Oil: Consumi per Area Consumi medi giornalieri (in barrel X 1000) (X 10000) 3 2,5 2 Variables North Ame 1,5 Europe Eurasia Asia Pacific 1 South Central Ame 0,5 0 1960 Middle East Africa 1970 1980 1990 R. Guseo Anno 2000 2010 29 Prospettive future e opportunità • Italia: la ripresa della via alla fissione nucleare è forse tardiva: ci vogliono 7 anni (Francia) o 10 anni (Italia) per varare un nuovo impianto; • Suddivisione sforzi tecnologici ed economici su più fronti: fotovoltaico, solare termico, bio-fuel, biomasse, eolico, idrogeno, ecc.; • Settore elettrico: investimenti diffusi a carico dell’utenza (fotovoltaico, micro-cogenerazione, ecc.). Scambio con la rete nazionale e recupero nel periodo di “indisponibilità”; • Investimenti specifici sulla mobilità individuale e collettiva. R. Guseo 30 World Oil Depletion: GBM with three shocks vs Hubbert-Bass vs five shocks scenario R. Guseo 31 World Oil Depletion: GBM with three shocks vs five shocks vs four shocks scenarios Shock 2008 (sim. 1951) R. Guseo 32 Tematiche Statistiche •Processi a ciclo di vita finito con origine temporale parametrica •Modificabilità della capacità di nicchia e GBM •Parametri dell’evoluzione naturale ed intervento x(t) •Simulazioni di scenario; Modelli con vincolo di bilancio •Stabilità delle stime ed inferenza esatta ed approssimata •Effetto della stabilizzazione delle stime su serie cumulate •Implementazione gerarchica delle serie storiche e non linearità •ARMAX con regressori di primo stadio, ARMAX non-lin. •Contesa tra aree geopolitiche: Lotka-Volterra e Guseo-Bonaldo •Interventi strategici congiunti •Inferenza multivariata e stima diretta delle equazioni; stabilità •Shock stocastici e interventi naturali •Studio congiunto delle estrazioni nei paesi attivi R. Guseo 33