Среднегодовая температура как экзогенный фактор роста потребления природного газа

Введение . Изменение климата, наблюдаемое в последние годы, является серьезным вызовом для производственно-хозяйственной деятельности в странах всего мира, серьезно угрожая благосостоянию человека. Понимая это, большинство стран приступили к поиску способов и возможностей перехода на чистую энергетику для снижения выбросов парниковых газов без ограничения экономического роста страны и экологической политики.

Прогноз развития энергетики указывает на то, что в ближайшие 15 лет мировой потребление природного газа будет расти. В 2021 году объемы его добычи в мире существенно увеличились по причине высокого (особенно в Азии) спроса1. Темпы роста добычи газа в мире составили: в Северной Америке +2,4 %, Азии +6,4 %, в Африке +9,8 % (совокупно +58 млрд м3). В России на фоне увеличивающегося внутреннего спроса и наращивания экспорта объемы производства оказались на 69 млрд м3 больше, чем в прошлом году (9,6 %). Максимальный рост добычи зафиксирован в Индии (+20 %) и Алжире (+17 %)1. Мировое потребление природного газа в целом увеличилось на 207 млрд м3 (5,3 %), продемонстрировав высокий темп роста2.

По сравнению с нефтью и углем, природный газ, сгорая, выделяет минимальное количество продуктов горения. Поэтому он имеет более низкую эмиссию, чем ископаемые виды топлива. Более того, природный газ может выступать в качестве промежуточного (переходного) топлива к «чистой» энергетике для контроля загрязнения окружающей среды. В этих свойствах состоит его ценность, делающая данный вид топлива значимым для современных потребителей.

Управление энергией является наиболее сложным вопросом, поскольку решения, принятые сегодня, в значительной степени определяют результаты функционирования отрасли в будущем. Прогнозная оценка спроса на природный газ приведет к эффективному управлению процессами транспортировки, распределения и производства данного вида топлива.

Эффективное планирование заключения договоров в данной сфере, опираясь на данные проведенной оценки, позволит оптимизировать сеть газовых хранилищ и алгоритм транспортировки голубого топлива. Это гарантирует, что добыча, поставки и снабжение природного газа будут соответствовать товарному балансу.

В последние годы применяются различные методы прогнозирования потребления рассматриваемого вида топлива. Среди них – методы временных рядов. На основе моделей линейной регрессии и временных рядов анализируется связь между «выходной переменной» и экзогенными факторами (Soldo, 2012). Следует отметить, что хотя линейные регрессионные модели, безусловно, имеют право на применение, они все же оказываются слабыми в определении «нелинейных» взаимосвязей. Методы временных рядов широко используются в прогнозах потребления природного газа и основываются на установлении естественных взаимосвязей (Brabec et al., 2008).

Учитывая имеющиеся статистические данные, можно утверждать, что производство и потребление природного газа в мире будут расти в последующие годы3. Для своевременной оценки ситуации и контроля в этой сфере целесообразно осуществлять ежегодный прогноз производства и потребления природного газа в различных регионах мира. В качестве дополнительного инструмента прогнозирования потребности в природном газе может быть использована разработанная нами модель, основанная на данных среднегодового температурного баланса, объемах спроса и предложения природного газа на энергетическом рынке, оценке влияния на них внутрирегиональных конфликтов.

Материалы и методы анализа . В ходе разработки модели мы использовали статистические данные о ВВП двадцати крупнейших экономик мира (системообразующих) за период с 1900 по 2021 (121 год) с распределением по годам⁴, значения абсолютного отклонения средней ежегодной температуры в странах за период с 1900 по 2021 (121 год) по 178 странам мира, рассчитанные специалистами Национального управления по аэронавтике и исследованию космического пространства Института космических исследований имени Годдарда⁵. Необходимая информация о ежегодном торговом балансе природного газа (импорт «–» экспорт) за период с 1990 по 2021 (31 год) по 7 регионам мира (Азия, Америка, Африка, Ближний Восток, Европа, Океания, СНГ) была нами получена из информационно-аналитических баз⁶. Кроме того, использовались данные о стоимости природного (трубного) газа за период с 1960 по 2021 (61 год)⁷.

Методы анализа временных рядов. В основу разрабатываемого инструментария была положена модель Бокса-Дженкинса (авторегрессионная интегрированная скользящая средняя, ARIMA) (Ediger, Akar, 2007), позволяющая делать прогнозы на основе временных рядов (исторических наблюдений). Принцип построения линейной функции будущих значений с прошлыми «известными» и случайными ошибками является фундаментирующим (Zhang, 2003). Если временной ряд удовлетворяет условиям стационарности (константы среднего арифметического, дисперсии и периодов наблюдений) и имеет алгоритмичное поведение в течение заданного временного интервала, то можно предположить, что он поведет себя также в какой-то более поздний момент времени. Предложено расширить классическую модель возможностью учета критериев периодности с одним «доминирующим» и прочими «несущественными» экзогенными факторами.

Финальная модель может быть представлена следующим образом: т

V Yt(K)                     у(К)

Yt = “+L ^w»+et;   et = ^К")(at+pt^’ i=i где   φ (K) – функция коэффициентов авторегрессии;

γ ( K ) – функция коэффициентов скользящей средней;

L i,t – показатель запаздывания;

S t – критерий периодной составляющей;

• e t – ошибка регрессии;

• α t – нулевое среднее с условиями ошибки временного ряда;

• β t – синергетический фактор влияния прочих экзогенных факторов.

Модель, дополненная критерием периодности, является альтернативным способом развития ARIMA, повышающим эффективность применения авторегрессионной методики с учетом экономических, геополитических факторов развития производства природного газа или сезонности. Учет же дополнительных экзогенных факторов путем интеграции контекстной информации (температура воздуха, атмосферное давление, влажность и пр.), которые влияют на спрос и потребление природного газа, в прогнозный процесс расширяет возможности использования представленной модели (Taşpınar et al., 2013).

В настоящем исследовании метод дополненной авторегрессионной модели был использован для изучения производства и потребления природного газа. Его реализация предполагала прохождение нескольких этапов работы.

Этап 1: данные временных рядов интегрированием определяют показатель запаздывания L i,t и S t для формирования непрерывной последовательности X i,t .

Этап 2: определяются параметры модели φ ( K ) и γ ( K ).

Оценка связи между последовательностями пар была проведена с помощью робастной (выбросоустойчивой) автокорреляции и метода определения ковариат и лагов для наилучшей модели. График кросскорреляционной функции был использован для оценки связи между отклонением среднегодовой температуры от среднестатистической, темпами прироста внутреннего валового продукта (ВВП), торговым балансом природного газа и экзогенными переменными.

Результаты эксперимента . В рамках исследования был осуществлен кросс-факторный анализ влияния отклонений среднегодовой температуры от среднестатистического значения и изменения темпов прироста внутреннего валового продукта. При его проведении к рассмотрению принимались данные объединенных экономик макрорегионов (для упрощения расчетов): Америка – 35 стран (42,5 млн км²; Европа – 45 стран (10,2 млн км²); Азия – 44 страны (44,6 млн км²), включая Россию; Африка – 54 страны (30,2 млн км²). Учитывались только те периоды, когда в странах указанных регионов не было «крупных» внутренних конфликтов – одного из основных экзогенных факторов. В качестве основного источника формирования ВВП был принят производственный сектор регионов. В результате анализа данных с помощью инструментов MS Office для анализа данных и Gretl был получен ряд результатов. В таблице 1 представлена статистическая сводка зависимости изменения внутреннего валового продукта (ВВП) от значений абсолютного отклонения средней годовой температуры от среднестатистической. Для африканского региона зависимость не рассматривалась из-за несоответствия требованиям точности (вследствие доминирующего влияния прочих экзогенных факторов).

Таблица 1 – Статистическая сводка зависимости изменения ВВП от абсолютного отклонения средней годовой температуры от среднестатистической

∆ Температура («+» – отклонение; «–» – восстановление	∆ ВВП (азиатский регион), % к базовому году	∆ ВВП (европейский регион), % к базовому году	∆ ВВП (американский регион), % к базовому году
–0,3	–8,1	–0,6	3,9
–0,2	0,0	5,7	0,7
–0,1	–2,5	1,5	0,5
0	0,0	0,0	0,0
+0,1	–3,9	0,7	–0,1
+0,2	–3,7	1,8	–1,5
+0,3	0,3	–1,7	3,9

Представим полученные результаты в виде графика (рис. 1).

3,0%

^^^^^^^^^^^ Линейная (∆ВВП (Америка))

^^^^^^^е Линейная (∆ВВП (Европа))

^^^^^^^^ш Линейная (∆ВВП (Азия))

^^^^^^^е Линейная (∆ВВП (СВОД))

Рисунок 1 – Линейная интерпретация изменения ВВП от абсолютного отклонения средней годовой температуры от среднестатистической по регионам

Угловые коэффициенты, характеризующий тренд для американского и европейского регионов, равны –0,0182 и –0,006. Для азиатского региона их значение составило +0,0175.

Для анализа специфики реакции региональных экономик на отклонение и восстановление среднегодовой температуры от среднестатистической был предпринят перевод модели от линейного вида к кубической параболе (полином третьей степени). Учитывая исключительно ознакомительный характер прогноза, допустимый уровень значимости корреляции определен на уровне не ниже 0,8 (рис. 2).

^^^^^^^^^^^ Полиномиальная (∆ВВП (Америка)) ^^^^^^^^^^^ Полиномиальная (∆ВВП (Европа)) ^^^^^^^^ш Полиномиальная (∆ВВП (Азия))

^^^^^^^в Полиномиальная (∆ВВП (СВОД))

Рисунок 2 – Параболическая зависимость изменения ВВП от абсолютного отклонения средней ежегодной температуры от среднестатистической по регионам

Модель демонстрирует специфику реакции региональных экономик на климатические температурные сдвиги: снижение уровней производства и эффективность механизмов регулирования при отклонении температуры (положительная полуось) и ее нормализации (отрицательная полуось). Степень соответствия полиномной модели исходным данным превышает 82 %.

В рамках настоящего исследования был проведен также кросс-факторный анализ влияния темпов прироста ВВП и объемов потребления природного газа.

Принято, что изменение ВВП является определяющим фактором, влияющим на развитие регионального потребления газа как обслуживающей отрасли энергетики. Влияние прочих экзо- генных факторов учитывалось через синергетический фактор βt. В результате кросскорреляци-онного анализа статистических данных (табл. 2) был сформирован прогнозный сценарий с учетом поправки на влияние среднегодовых перепадов температуры.

Таблица 2 – Статистическая сводка зависимости темпов прироста потребления природного газа от динамики увеличения ВВП, %

∆ ВВП	∆ V потребления газа (азиатский регион)	∆ V потребления газа (европейский регион)	∆ V потребления газа (американский регион)
–4	–0,5	–12	–7
–3	2	–6	–15
–2	3	–12	–10
–1	4	–9	–6
0	0	0	0
1	–1	–16	–8
2	2	–16	–10
3	14	–15	–11
4	11	–14	–13

Представим полученные данные наглядно в виде линейных графиков (рис. 3).

15,0%

-5%   -4%   -3%   -2%   -1%   0%    1%    2%    3%    4%    5%

-5,0%

-20,0%

^^^^^^^^м Линейная (∆V (азиатский регион))

^^^^^^^^^^^ Линейная (∆V (европейский регион))

Линейная (∆V (американский регион))

Рисунок 3 – Линейная интерпретация корреляционной зависимости темпов прироста потребления природного газа от динамики увеличения ВВП

Угловые коэффициенты для американского и европейского трендов равны –0,0845 и –0,0156 соответственно. Для азиатского региона это значение составило +0,0812.

Различия в трендах прогнозов темпов прироста потребления природного газа и ВВП объясняется спецификой и энергоемкостью производств регионов: от более технологичных, характерных для американского и европейского регионов экономики (металлопереработка, машиностроение, химическая промышленность, ТЭК) к более энергоемким (горнодобывающая, обрабатывающая, сельское хозяйство), которые сосредоточены в азиатском регионе.

Таким образом, установлена возможность потенциальной оценки зависимости темпов прироста потребления природного газа от отклонений среднегодовой температуры от среднестатистического значения в рамках рассматриваемой модели.

Выводы . Прогнозирование будущего состояния энергетики, которая является важнейшим компонентом экономики, имеет значение для развитых и развивающихся стран. Оно позволит определить будущую энергетическую политику, спланировать инвестиции в энергетику и принять необходимые меры по управлению рисками. Предложенный метод ориентирован на поиск наиболее релевантных значений прошлых наблюдений путем проведения идентичных оценок.

Проведя описанный эконометрический анализ и оценив полученные результаты, можно утверждать, что предложенная нами модель позволяет строить прогнозы в отношении предполагаемых годовых балансов добычи газа и пиков его потребления для принятия решений, в том числе логистических.