پژوهشنامه اقتصاد انرژی ایران(اقتصاد محیط زیست و انرژی)

مطالعات اخیر بازارهای عمده فروشی برق عموماً براساس مدل های چندعاملی است، که در آن ها تعادل بازار برپایه رقابت و تعامل عوامل متعدد با یک دیگر به دست می آید. از ویژگی های اصلی این نوع مدل ها، امکان یادگیری عوامل از نتایج رفتار خود و سایرین دریک محیط رقابتی است. در بازار عمده فروشی برق، هرعامل یک واحد تولیدکننده برق است که به صورت مستقل و هوشمند با سایر عامل ها برای عرضه برق با قیمت های پیشنهادی رقابت می کند. فرآیند قیمت گذاری را می توان یک بازی ایستا فرض نمود که هرروز تکرار می شود. در این بازی هر عامل قیمت پیشنهادی خود را مستقلا اعلام نموده و بهره بردار با توجه به تقاضای بار مصرفی و محدودیت ها، بهترین پیشنهادها را انتخاب می نماید. عامل به صورت عقلائی عمل نموده و با انتخاب استراتژی مناسب، به دنبال بیشینه نمودن سود بلندمدت خود است. در این راستا، عامل از قدرت یادگیری و بهبود استراتژی قیمت گذاری، که نقش بسیار تعیین کننده در موفقیت عامل دارد، استفاده می کند. یادگیری تقویتی یک روش کلاسیک است که در مدل های چندعاملی امکان یادگیری مبتنی بر سعی و خطا را فراهم می نماید. هدف این مقاله کاربرد و مطالعه روش های یادگیری تقویتی در مدل چندعاملی بازار برق ایران و مقایسه آن ها با دو استراتژی تصادفی و حریصانه است. در این مطالعه، میزان سود واحدها و زمان رسیدن به حالت تعادل به عنوان ملاک ارزیابی در نظر گرفته شده است. نتایج شبیه سازی نشان می دهد، استراتژی یادگیرنده سود عامل ها را به طور معناداری افزایش می دهد و سرعت همگرائی به حالت تعادل را بیشتر می کند.

پیش بینی روند قیمت نفت خام و نوسانات آن همواره یکی از چالش های پیش روی معامله گران در بازارهای نفتی بوده است. این مقاله به پیش بینی قیمت روزانه نفت خام برنت با یک مدل ترکیبی پیشنهادی می پردازد. نمونه آماری قیمت روزانه نفت خام برنت دریای شمال از ژوئیه سال 2008 تا ژوئیه سال 2016 می باشد که از میان کل قیمت های روزانه نفت در تمام بازارهای نفتی انتخاب شده است. در این پژوهش، برای پیش بینی مدلی از ترکیب روش های آماری و هوش مصنوعی (PCA-SVR) ارائه می شود. با توجه به اثبات برتری دقت پیش بینی مدل رگرسیون بردار پشتیبان (SVR)[1] نسبت به سایر روش های پیش بینی در مطالعات گذشته هدف اصلی در این پژوهش، بهبود پیش بینی رگرسیون بردار پشتیبان با استفاده از پیش پردازش اولیه داده ها به وسیله آنالیز مولفه های اصلی (PCA)[2] است. جهت انجام پژوهش پس از انجام آزمون مانایی، با استفاده از آنالیز مولفه های اصلی متغیرهای ورودی را به مولفه های اصلی که کل پراکندگی داده ها را پوشش می دهد تبدیل نموده و به عنوان ورودی برای مدل پیش بینی در نظر گرفتیم. سپس با استفاده از مدل رگرسیون بردار پشتیبان و شبیه سازی آن در نرم افزار متلب اقدام به پیش بینی قیمت روزانه نفت خام برنت نمودیم. به منظور مقایسه عملکرد مدل های SVR و PCA-SVR از آزمون مقایسات زوجی استفاده نمودیم. نتیجه پژوهش بیانگر این موضوع بود که پیش پردازش اولیه به وسیله آنالیز مولفه های اصلی بر روی داده ها باعث کاهش خطای مدل پیشنهادی گردیده است. [1]. Support Vector Regression [2]. Principal Components Analyses

هدف از این مقاله آزمون الگوی قیمت گذاری CAPM و APT برای قیمت گذاری شرکت های شیمیایی و پتروشیمی فعال در بورس اوراق بهادار تهران است. در این راستا از داده های فصلی مربوط به بازده سهام 18 شرکت شیمیایی و پتروشیمی فعال در بورس اوراق بهادار و برخی متغیرهای مهم اقتصاد کلان به عنوان عوامل ریسک در دوره 1395-1386 استفاده شده است. ابتدا الگوی CAPM با استفاده از آزمون سری زمانی GRS و سپس با استفاده از آزمون فاما و مک بث مورد آزمون قرار گرفته است. سپس الگوی عاملی برای آزمون APT با استفاده از عواملی شامل نرخ ارز، بازده کل بورس، بازده قیمت نفت، بازده شاخص قیمت محصولات شیمیایی و پتروشیمی، مازاد بازده بدون ریسک، نرخ تورم، ریسک دارایی ها، نوسانات تولید ناخالص داخلی، عامل اندازه (SMB) و عامل تحریم بررسی شده است. نتایج الگوی CAPM حاکی از عدم برقراری این آزمون در بازار سهام شرکت های شیمیایی و پتروشیمی است. و همچنین نتایج تئوری قیمت گذاری آربیتراژ (APT) حاکی از برقراری این آزمون در بازار سهام شرکت های شیمیایی و پتروشیمی است. متغیرهای نرخ ارز، بازده کل بورس، بازده شاخص قیمت محصولات شیمیایی و پتروشیمی و مازاد بازده بدون ریسک معنادار و منابع ریسک سیستماتیک در بازار سهام صنعت پتروشیمی هستند.

هدف از این مطالعه بکارگیری یک مدل ترکیبی جهت تخمین تراز سرانه گازطبیعی کل کشور و همچنین پیش بینی آن برای دوره 1396 - 1415 می باشد. در این مطالعه با استفاده از مدل پویای خودتوضیح با وقفه های توزیعی (ARDL)، کشش های بلندمدت و کوتاه مدت عرضه و تقاضای سرانه گاز طبیعی کل کشور برای دوره 1360-1395 برآورد شده است. سپس با قرار دادن مقادیر پیش بینی شده هر یک از متغیرهای مورد نظر که از مدل ARIMA بدست آمده در مدل ترکیبی ARDL، مقدار تراز سرانه گاز طبیعی تا سال 1415 پیش بینی گردیده است. نتایج پیش بینی بیانگر این است که مقدار تقاضای سرانه گاز طبیعی تا سال 1415 به میزان 36/4177 میلیون مترمکعب خواهد رسید، همچنین در همین سال مقدار عرضه سرانه گاز طبیعی برابر با میزان 26/3417 میلیون مترمکعب خواهد بود. جهت پاسخگویی به این میزان مازاد تقاضا باید سیاست هایی در جهت افزایش تولید یا محدودیت تقاضا اتخاذ گردد.

پژوهش حاضر به بررسی رابطه علیت بین مصرف حامل های مختلف انرژی و ارزش افزوده در بخش های اقتصادی ایران، طی دوره ی زمانی 1392-1353 با استفاده از آزمون علیت گرنجری در پانل های مختلط نامتجانس پرداخته است. روش استفاده شده در این پژوهش بر اساس آزمون علیت پانلی که توسط امیرمحموتوگلو و کوز (2011) ارائه شده و مبتنی بر مدل خودرگرسیون برداری (VAR) و آزمون های والد با مقادیر بحرانی بوت استرپ خاص هر بخش است، می باشد. این آزمون، همبستگی مقطعی و عدم تجانس بین اعضای پانل و هم چنین هم انباشتگی بین متغیرهای مورد بررسی را درنظر می گیرد. بر اساس نتایج، وجود رابطه علیت یک طرفه از نفت و گاز به ارزش افزوده و وجود رابطه علیت دوطرفه بین برق و ارزش افزوده در بخش خدمات و کل بخش ها تأیید می شود. در بخش کشاورزی تنها وجود رابطه علیت از برق به ارزش افزوده وجود دارد. در بخش صنعت وجود رابطه علیت دو طرفه بین گاز و برق با ارزش افزوده و وجود رابطه علیت یک طرفه از ارزش افزوده به نفت تأیید می شود. در بخش حمل و نقل نیز رابطه علیت یک طرفه از گاز و برق به ارزش افزوده و وجود رابطه علیت دوطرفه بین نفت و ارزش افزوده وجود دارد. نتایج به دست آمده می تواند توصیه های سیاستی مهمی در برنامه ریزی و تبیین سیاست های بخش انرژی در سطح بخشی کشور داشته باشد.

اقتصاد ایران به دلیل اتکای بالا به درآمدهای نفتی، از نوسانات قیمتی بازار نفت تاثیر می پذیرد بنابراین پیش بینی روند حرکتی قیمت نفت هم از جهت تعیین صحیح قیمت نفت در بودجه دولت و هم از جهت مدیریت و کنترل نوسانات شدید قیمتی برای سیاست گذاران اقتصاد کلان از اهمیت زیادی برخوردار است. بنا بر اهیمت پیش بینی روند حرکتی قیمت نفت، هدف این مقاله ارائه یک الگوی هشدار پیش از وقوع برای نوسانات شدید در بازار نفت خام اوپک می باشد. این الگو می تواند با پیش بینی احتمال وقوع نوسانات شدید قیمت نفت در دوره های آتی، دیدی مناسب از روند حرکت قیمت نفت در اختیار سیاست گذار قرار دهد. بدین منظور در گام نخست با استفاده از مدل مارکوف سوئیچینگ گارچ روند حرکتی قیمت نفت به همراه نوسانات آن برای دوره 2010- 2016 مدلسازی و برآورد شد؛ سپس با استفاده از این مدل، ماتریس احتمالات انتقال که شامل احتمال ماندن در رژیم های پرنوسان و کم نوسان و احتمال تغییر از رژیم پرنوسان به کم نوسان و برعکس می باشد بدست می آید و مبتنی بر این ماتریس احتمالات شرطی قرار گرفتن در رژیم قیمت نفت کم نوسان و پرنوسان پیش بینی می گردد تا با استفاده از آن سیاست گذاران و فعالان در بازار نفت دید بهتری برای تصمیم گیری پیدا کنند تا بتوانند از اثرات مخرب ناشی از نوسانات شدید قیمت نفت جلوگیری نمایند.