Documentos de Académico
Documentos de Profesional
Documentos de Cultura
D2T1P1 Aguilar & Valdivia
D2T1P1 Aguilar & Valdivia
Daney Valdivia
2011
Resumen
A partir del boom de precios en materia de commodities como consecuencia de
la ltima crisis acontecida en todas las economas del mundo, la proyeccin de
stos para economas pequeas y en desarrollo se convierte en un factor
importante dentro la estructura de sus ingresos. En este contexto, se plantea la
aplicacin de un poolling de distintos mtodos de proyeccin para los precios de
los fuels que determinan los precios del gas exportado segn contratos. Se aplica:
i) un modelo Garch, ii) un modelo dinmico de corto plazo que considera los
precios futuros del petrleo marcador (WTI), iii) un modelo dinmico de corto
plazo que considera en la determinacin endgena de los precios del WTI, una
ecuacin GARCH determinada por las proyecciones de oferta mundial de crudo
y vi) un modelo ARIMA segn componentes. Los resultados del pool de
proyecciones junto a un modelo de exportacin de volmenes de gas natural al
mercado brasilero, permiten evaluar los precios promedio ponderados ex post al
observado.
Los errores y las conclusiones del presente documento, son de exclusiva responsabilidad de los autores, no
comprometiendo de ninguna manera a las instituciones donde desenvuelven sus actividades laborales. Se
agradece especial colaboracin en el tratamiento de las bases de datos a Javier Flores
I. Introduccin
La toma de decisiones por parte de los Policy Makers se basa en anlisis profundo
de las variables relevantes que intervienen en la aplicacin de algn tipo de
poltica. Por otro lado, en la provisin de esta informacin es muy comn
escuchar los trminos Blue Chip Avegare Forcast o tambin Consensus
Forecast.
Entonces cabe preguntarnos, es bueno realizar un promedio de las proyecciones
de los profesionales dedicados a este rubro?, tendramos que buscar algn
mtodo para la combinacin de los mismos? O por qu no generar
proyecciones que traten de reflejar las caractersticas de las variables
intervinientes y buscar una combinacin con propiedades asintticas deseables y
que busquen proyectar la variable en cuestin?
Desde el reciente episodio de desaceleracin mundial y desacoplamiento en el
ritmo de crecimiento entre las economas desarrolladas y emergentes y en
desarrollo, la importancia de los sectores productores de commodities, para el
caso boliviano el Sector Hidrocarburos, cobra relevancia no slo por su
capacidad de generar mayores volmenes3, sino tambin por los precios externos
relevantes que determinan su comportamiento. Por ejemplo, la determinacin
exgena de precios, en el mercado interno por mecanismo de ajuste ad hoc,
pero fundamentalmente en el mercado externo determinada por el accionar del
comportamiento de los animal spirits de los agentes, elemento central al
momento
de
considerar
la
formulacin
presupuestaria,
posicin
deudora/acreedora en la Cuenta Corriente de la Balanza de Pagos, la direccin
de las poltica pblicas y la expansin de la economa real, cuya interaccin
determina los mrgenes de acuerdo inmerso en los programas monetariofinanciero.
Dado que el sector hidrocarburos es sensible a la determinacin de precios, es
importante considerar con fines de pronstico, una metodologa cuantitativa que
permita acercarse con mayor precisin a los futuros valores a observarse.
Si el fin es realizar proyecciones por mercados de los precios de exportacin de
gas natural, podran existir tantas como el nmero de usuarios que encargaron el
pronstico. Empero, el no considerar la construccin determinstica de estos
precios, podra conducir a ignorar los diferentes precios de los fuels que son los
3
Mismos que podran estar restringidos a utilizacin de capacidades de extraccin, transporte, almacenamiento
e incluso a contratos ya establecidos.
FO1
FO 2
FO3
PG = PI * 0,50
+ 0,25
+ 0,25
FO10
FO 2 0
FO3 0
donde:
PG : Precio del Gas (US$/MMBTU) redondeado al cuarto decimal
P(i) : Precio base (US$/MMBTU)
Para la Cantidad Diaria Contractual Base (QDCB) el P(i) vara de 0,95 a 1,06
(ver el contrato) y para la Cantidad Diaria Contractual Adicional (QDCA) es
1,20 para todo el periodo de vigencia del Contrato.
FO1 : Fuel Oil de 3,5% de azufre, referido bajo el ttulo de Cargo es FOB Med Basis
Italy (US$/TM).
FO2 : Fuel Oil N6 de 1% de azufre, referido bajo el ttulo U.S. Gulf Coast
Waterborne (US$/bbl).
FO3 : Fuel Oil de 1% de azufre, referido bajo el ttulo Cargo es FOB NWE (US$/TM).
FO1, FO2 y FO3 son promedios aritmticos de cada da del trimestre
inmediatamente anterior al trimestre correspondiente a la aplicacin de PG.
Mientras que FO1o, FO2o y FO3o son promedios aritmticos para los mismos Fuel Oils
definidos anteriormente para el periodo comprendido entre el 1ro de enero de
1990 hasta el 30 de junio de 1992, excluyendo el periodo comprendido entre el
1ro de agosto de 1990 al 31 de enero de 1991.
De acuerdo a lo establecido en el Contrato a partir del segundo trimestre de
entrega y recepcin del gas y para cada trimestre posterior, el precio del Gas
(PG) ser reajustado aplicndose la siguiente frmula:
Pt = 0,5 PG + 0,5 Pt 1
Donde:
Pt : Precio del Gas para el trimestre pertinente (US$/MMBTU)
PG : Precio del Gas clculado de acuerdo a la frmula (US$/MMBTU)
Pt-1 : Precio del Gas correspondiente al trimestre inmediatamente anterior
(US$/MMBTU)
Bajo esta metodologa de clculo, los precios efectivos en el periodo enero 2002
junio 2011 se muestran a continuacin, (grfico 1):
Grfico 1
Precios de exportacin para Brasil
($us/MMBTU)
9.0
GSA_QDCA
8.5
8.0
GSA_QDCB
GSA
7.5
7.0
6.5
6.0
5.5
5.0
4.5
Ene-08
Feb-08
Mar-08
Abr-08
May-08
Jun-08
Jul-08
Ago-08
Sep-08
Oct-08
Nov-08
Dic-08
Ene-09
Feb-09
Mar-09
Abr-09
May-09
Jun-09
Jul-09
Ago-09
Sep-09
Oct-09
Nov-09
Dic-09
Ene-10
Feb-10
Mar-10
Abr-10
May-10
Jun-10
Jul-10
Ago-10
Sep-10
Oct-10
Nov-10
Dic-10
Ene-11
Feb-11
Mar-11
Abr-11
May-11
Jun-11
4.0
FO1i
FO 2 i
FO3i
DOi
PG = P * 0,20
+ 0,40
+ 0,20
+ 0,20
FO10
FO 2 0
FO3 0
DO0
donde:
PG: Precio del Gas (US$/MMBTU)
P: Precio base igual a 4,0588 US$/MMBTU
FO1, FO2 y FO3 son los mismos del Contrato GSA.
DO: LS Diesel referido
(UScents/USgaln)
bajo
el
ttulo
U.S.
Gulf
Coast
Waterborne
en
FO1i, FO2i, FO3i y DOi son promedios aritmticos de cada da del semestre
inmediatamente anterior al trimestre correspondiente a la aplicacin de PG.
El precio P de 4,0588US$/MMBTU, fue determinado endgenamente para que
en el inicio del contrato el precio PG tome un valor de 5US$/MMBTU.
Bajo esta metodologa de clculo, los precios efectivos en el periodo enero 2008
junio 2011 se muestran a continuacin, grfico 2.
Grfico 2
Precios de exportacin para la Argentina
($us/MMBTU)
11.0
10.5
10.0
9.5
9.0
8.5
8.0
7.5
7.0
6.5
6.0
5.5
5.0
4.5
Ene-08
Feb-08
Mar-08
Abr-08
May-08
Jun-08
Jul-08
Ago-08
Sep-08
Oct-08
Nov-08
Dic-08
Ene-09
Feb-09
Mar-09
Abr-09
May-09
Jun-09
Jul-09
Ago-09
Sep-09
Oct-09
Nov-09
Dic-09
Ene-10
Feb-10
Mar-10
Abr-10
May-10
Jun-10
Jul-10
Ago-10
Sep-10
Oct-10
Nov-10
Dic-10
Ene-11
Feb-11
Mar-11
Abr-11
May-11
Jun-11
4.0
3. Desarrollo metodolgico
Como se hizo referencia en la parte introductoria del presente documento, se
realizan cuatro proyecciones de los precios de los fuels que determinan los precios
del gas exportado, para el caso de Brasil son: FO1, FO2 y FO3 mientras que para la
Argentina se le adiciona el precio del DO.
Los tres primeros pronsticos de estos fueles, consideran una especificacin de un
modelo de corto plazo que anida en sus estructuras relaciones de largo plazo. En
el fondo son modelos de correccin de errores. Todos estos fuels son
determinados por el precio internacional del petrleo. Entonces al final del da se
requiere como insumo central el pronstico del precio internacional del petrleo.
Uno de estos modelos lo determina endgenamente bajo un escenario ARCH, un
segundo lo determina en funcin de la oferta mundial del petrleo (dato que es
conocido, al menos para los siguientes 24 meses6) en una especificacin GARCH
(1,1), finalmente un tercero considera los valores futuro del crudo proporcionados
negociados en el mes del pronsticos para los siguientes 24 meses7.
La cuarta aproyeccin utiliza factores observados y estructurales de cada una de
las variables, plasmados en una forma ARIMA para replicar las caractersticas y
movimiento emprico de las series.
6
7
Ordenando: pt = 1WTIt (1 2 ) pt 1
i
( + )
o
3 1 WTIt 1 + t
(1 2 ) (1 2 )
Realizando operaciones:
0 = (1 2 ) ; 1 =
o
( + 1 )
; 2 = 3
(1 2 )
(1 2 )
Finalmente:
pti = 1WTI t 0 [t 1 ] + t
La ltima ecuacin, refleja la expresin anidada de corto y largo plazo.
Dnde: t 1 = pti1 1 2WTI t 1 , es el vector de largo plazo.
Yt = f ( X t ) + t
b) Ecuacin de la varianza.
a) Ecuacin de la media
Yt = f ( X t ) + t
c) Ecuacin de la varianza.
Var ( t ) = + 1t2 1 + ... + p t2 p + 1Var ( t 1 ) + ... + qVar ( t q )
Transformando se tiene:
Yt = f ( Xt ) + t
b) Ecuacin de la varianza.
p
= +
2
t
i =1
2
i t i
j =1
2
tj
Esquema de la proyeccin
ARIMA
Xt_st
Xt_irr
Obtencin de la
variable xt
Aplicacin de X12
Xt
Xt_cy
Xt_st
Xt_tc
Aplicacin n de ChristianoFitzGelrald
Xt_cy
Combinacin de pronsticos
Existen distintas metodologas de combinacin de pronsticos. Barnard (1963) y
Bates y Granger (1969), entre otros, han mostrado que un pronstico combinado
es mejor que lospronsticos individuales en trminos de error cuadrtico medio. En
esa lnea, hoy existen distintas metodologas para la combinacin, por ejemplo,
basadas en modelos no lineales como la de Deutsch, Granger y Tersvirta (1994)
que utiliza modelos de transicinsuave (STR) o la basada en redes neuronales de
Donaldson y Kamstra (1996a y 1996b) y Harrald y Kamstra (1997).
Para el caso boliviano, existe poca literatura emprica que aplic combinacin de
pronsticos para variables relevantes de la economa y en particular para mejorar
las predicciones de precios de exportacin de gas natural.
Basados en la metodologa de Coulson y Robins (CB - 1993) y Hallman y Kamstra
(1989), tcnicas desarrolladas para series no estacionarias, I(1), y si tenemos f ,
para i =1, ,N, la combinacin de las proyecciones ser:
Tenindose que cumplir que los pesos w, son no negativos y tienen que sumar la
unidad:
1
Las metodologas aplicadas para la combinacin de pronsticos aplican una
amplia gama de componentes de las series (en diferencias, con y sin constante,
en logaritmos, etc.). Sin embargo, el presente trabajo, realizar la combinacin de
pronsticos en niveles dentro de muestra con las estimaciones realizadas - para
determinar el peso de cada proyeccin y poder combinarlas de manera ptima
fuera de muestra, de la manera que:
de
Cuadro 1
Combinacin: Ponderacin de pesos de las proyecciones
PF1B
PF1BR1
PF1BR2
PF1BR3
PF1
0.80
0.12
0.03
0.05
PF2B
0.41
PF2BR1
PF2
PF2BR2
0.10
PF2BR3
0.49
PF3B
0.74
PF3BR1
0.19
PF3BR2
PF3
PF3BR3
0.08
DIESELB
0.59
DIESELBR1
0.37
DIESELBR2
0.04
DIESELBR3
DIESEL
WTIB
0.526
WTIBR1
0.473
WTIBR2
0.001
WTIBR3
WTI
9,5
9,3
9,1
8,8
8,7
9,0
8,0
7,3
7,4
7,3
6,0
6,1
7,5
7,7
7,3
7,4
7,0
7,0
7,2
9,5
8,9
7,3
7,5
7,7
6,5
5,7
6,0
Argentina
5,0
5,0
Brasil
Oct-Dic 2012
Jul-Sep 2012
Abr-Jun 2012
Ene-Mar 2012
Oct-Dic 2011
Jul-Sep 2011
Abr-Jun 2011
Ene-Mar 2011
Oct-Dic 2010
Jul-Sep 2010
Abr-Jun 2010
Ene-Mar 2010
4,0
Conclusiones
Los precios de venta de gas natural a los mercados de Argentina y Brasil son
determinados mediante contrato de compra y venta; sin embargo, stos tienen
como insumo los precios de los fuels (PF1, PF2, PF3), Diesel, WTI y los quatums
QDCA y QDCB. Teniendo en cuenta que la determinacin futura de stos es
imperativa para los ingresos de la economa boliviana, en el presente trabajo se
realiz una combinacin de pronsticos, ampliando la metodologa propuesta
por Barnard (1963) y Bates y Granger (1969).
Los resultados muestran una combinacin ptima de stos para la determinacin
de precios futuros a los mercados de Brasil y Argentina. Como se observa, los
indicadores de pronstico llevan a pensar que la combinacin ptima replicara
las condiciones futuras que son (o que seran) tomadas en cada una de las
proyecciones por separado.
Bibliografa
Armstrong, J. S. and Collopy F., Error Measures for Generalizing About Forecasting
Methods: Empirical Comparisons. International Journal of Forecasting. 1992.
Andrews, D. W. K. Tests for parameter Instability and Structural Change with
Unknown Change Point. Econometrica, Working Paper, Yale University. 1993.
Andrews, D. W. K. and Ploberger, W. Optimal tests when a Nuisance Parameter is
Present only under the alternative. Issue 6. 1994.
Bates, J. and Granger C.W. (1969). The Combination of Forecasts. Operational
Research Quarterly, Vol. 20, 1969.
Castao, Elkin y Melo V. Luis F. Mtodos de Combinacin de Pronsticos: Una
Aplicacin a la Inflacin Colombiana. Borradores de Economa, No 109. Banco
de la Repblica, Colombia 1998.
Clements, M. and Hendry, D, Forecasting Non-stationary Economic Time Series,
The MIT Press. 1999.
Coulson, N. and Robins, R. Forecast Combination in a Dynamic Setting. Journal of
Forecasting, Journal Paper Vol. 12. 1993.
Deutsch, M.; Granger C.W. and Tersvirta, T. The combination of Forecasts Using
Changing Weights. International Journal of Forecasting. Vol. 10. 1994.
Donaldson, R.G. and Kamstra, M. Forecast Combining with Neural Networks.
Journal of Forecasting. Vol. 15, 1996.
Donaldson, R.G. and Kamstra, M. Neural Network Forecast Combining with
Interaction Effects. Reprint from Proceedings of the Workshop on Foundations of
Information, 1996.
Hallman, J. and Kamstra, M. Combining Algorithms Based on Robust Estimation
Techniques and Co-integrating Restrictions. Journal of Forecasting. Vol. 8, 2009.
Barigozzi, M. () Arima Estimation: Theory and applications (hand out)
Buss, Ginters Comparing forecasts of Latvia's GDP using simple seasonal ARIMA
models and direct versus indirect approach, Munich Personal REPEC Archive,
Paper No. 16684.
ANEXO I
MODELO 1 con determinacin exgena del WTI, futuros Bloomberg.
(4.88)
(76.4)
(1)
+ 0, 85 d log (B _ WTIt ) + t
(18,31)
R 2 ajustado: 0.74
Desv. est. Residuos: 4.4%
Test LM de correlacin serial (12 rezagos): n R 2 = 9.18 (valor-p 0.6871)
n R 2 = 4 9 .9
(3,2)
(26.16)
(valor-p
(2)
(2,34)
R 2 ajustado: 0.52
Desv. est. Residuos: 8.2%
Test LM de correlacin serial (4 rezagos): n R 2 = 17.43 (valor-p 0.1340)
Test de normalidad Jarque-Bera: = 53.86 (valor-p 0.00)
Test de heteroscedasticidad de White (Trminos Cruzados):
0.0089)
Factor de Ajuste: 0.19
Vida Media de un shock: 3 meses
Perodo de la estimacin: 1994 marzo 2011 junio
2
n R 2 = 29.52 (valor-p
(2,49)
(9.35)
+ 0, 33 d log (B _ WTIt 1 )
(2,95)
R 2 ajustado: 0.11
(3)
n R 2 = 1 4.2 1
(valor-p 0.2877)
n R 2 = 69.1
(3,6)
(24.9)
(valor-p
(4)
(17.37)
R 2 ajustado: 0.58
Desv. est. Residuos: 6.5%
Test LM de correlacin serial (12 rezagos): n R 2 = 14.64 (valor-p 0.2615)
n R 2 = 1 8.8 1
(valor-p
(4.88)
(76.4)
R 2 ajustado: 0.75
Desv. est. Residuos: 4.4%
Test LM de correlacin serial (12 rezagos): n R 2 = 9.18 (valor-p 0.6871)
n R 2 = 4 9 .9
(valor-p
(5)
(3,2)
(26.16)
(6)
(2,34)
R 2 ajustado: 0.52
Desv. est. Residuos: 8.2%
Test LM de correlacin serial (4 rezagos): n R 2 = 17.43 (valor-p 0.1340)
Test de normalidad Jarque-Bera: = 53.86 (valor-p 0.00)
Test de heteroscedasticidad de White (Trminos Cruzados):
0.0089)
Factor de Ajuste: 0.19
Vida Media de un shock: 3 meses
Perodo de la estimacin: 1994 marzo 2011 junio
2
n R 2 = 29.52 (valor-p
(2,49)
(9.35)
R 2 ajustado: 0.11
Desv. est. Residuos: 9.6%
Test LM de correlacin serial (4 rezagos):
n R 2 = 1 4.2 1
(valor-p 0.2877)
n R 2 = 69.1
(24.9)
(3,6)
(17.37)
R 2 ajustado: 0.58
Desv. est. Residuos: 6.5%
Test LM de correlacin serial (12 rezagos): n R 2 = 14.64 (valor-p 0.2615)
(valor-p
(8)
(7)
t2 = 0.002 +0.15 t2
(1.04)
(1.8)
+ 0.57 t2 1
n R 2 = 1 8.8 1
(valor-p
(9)
(1.8)
MODELO 3
(4.88)
(76.4)
(10)
+ 0, 85 d log (G _ WTIt ) + t
(18,31)
R 2 ajustado: 0.75
Desv. est. Residuos: 4.4%
Test LM de correlacin serial (12 rezagos): n R 2 = 9.18 (valor-p 0.6871)
n R 2 = 4 9 .9
(valor-p
(3,2)
(26.16)
(2,34)
R 2 ajustado: 0.52
Desv. est. Residuos: 8.2%
Test LM de correlacin serial (4 rezagos): n R 2 = 17.43 (valor-p 0.1340)
Test de normalidad Jarque-Bera: = 53.86 (valor-p 0.00)
Test de heteroscedasticidad de White (Trminos Cruzados):
0.0089)
Factor de Ajuste: 0.19
Vida Media de un shock: 3 meses
2
n R 2 = 29.52 (valor-p
(11)
(2,49)
(9.35)
+ 0, 33 d log (G _ WTIt 1 )
(2,95)
R 2 ajustado: 0.11
Desv. est. Residuos: 9.6%
Test LM de correlacin serial (4 rezagos):
n R 2 = 1 4.2 1
(valor-p 0.2877)
n R 2 = 69.1
(3,6)
(24.9)
(valor-p
(13)
(17.37)
R 2 ajustado: 0.58
Desv. est. Residuos: 6.5%
Test LM de correlacin serial (12 rezagos): n R 2 = 14.64 (valor-p 0.2615)
t2 = 0.0046 +0.27 t2
(7.34)
(3.02)
(14)
n R 2 = 1 8.8 1
(valor-p
(12)
ANEXO 2
Indicadores Utilizados
T +h
T h e il =
( y
t = T +1
T +h
t = T +1
RM SE =
T +h
y t 2 / h +
t = T +1
T +h
( y
t = T +1
M AE =
yt ) / h
T +h
t = T +1
M A PE = 100
yt ) / h
2
y t y t / h
y t y t
/h
yt
T +h
t = T +1
T h e il / S e s g o =
yt 2 / h
((
( y
T h e il / V o la tilid a d =
T h e il / A l e a to r ie d a d =
y t / h ) y
yt ) / h
2
(s
( y
sy
yt ) / h
2
2 (1 r ) s y s y
( y
yt ) / h
2