R. Guseo 1

World Oil Depletion Models: Price Effects Compared with Strategic or Technological

Interventions

Dipartimento di Scienze Statistiche Padova

Renato Guseo

Alessandra Dalla Valle

Dipartimento di Scienze Economiche Padova

Mariangela Guidolin

Società Italiana di StatisticaConvegno intermedio21 - 23 settembre 2005, MESSINA

R. Guseo 2

Petrolio: Produzione mondiale

0

10000

20000

30000

40000

50000

60000

70000

80000

1900 10 20 30 40 50 60 70 80 90 2000

x 1000 barili al giorno

Globale

OPEC

USA (NGL)

FSU

CSI

R. Guseo 3

Produzione mondiale e prezzi del petrolio

Crude Oil Production and Prices per Barrel

year

VariablesProduction (barrel x 1000)Price (dollars, 2002)

1900 1920 1940 1960 1980 2000 20200

2

4

6

8(X 10000)

0

20

40

60

80

Fonte: BP Statistical Review of World Energy, 2004

R. Guseo 4

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 5

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 6

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 7

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 8

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 9

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

Source: BP Statistical Review of World Energy

R. Guseo 10

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 11

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 12

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 13

I Modelli Normalizzati di Bass, BM e GBM

BM: f(t)/[1-F(t)]=[p+qF(t)] “Standard”

GBM: f(t)/[1-F(t)]=[p+qF(t)] x(t) “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 14

Soluzione dell’equazione: GBM

IIII btatbtatcctx

)()(2)()(12211

1)(

shock Esp.

shock Rett.

shock Misti

IecIec aab

aabtx

t

t

t

t

)(

)(

2)(

)(

12

22

1

111)(

IIcIec baaabtx

ttt

t

)()(2)(

)(

1221

111)(

e

et

p

q

t

mtz

txzmm

zqptz

dxqp

dxqp

0

0

)()(

)()(

1

1)(

)())(()('

R. Guseo 15

Plot of Fitted Model

t

GBb

pC

0 20 40 60 800

0,5

1

1,5

2

2,5

3(X 1000)

Gran Bretagna: GBM, 2 sh. MistiEstimation method: MarquardtEstimation stopped after maximum iterations reached.Number of iterations: 31Number of function calls: 330Estimation Results Asymptotic 95,0% Asymptotic Confidence IntervalParameter Estimate Standard Error Lower Upper----------------------------------------------------------------------------m 4513,39 154,806 4196,77 4830,0p 0,0000708436 0,0000324773 0,00000441993 0,000137267q 0,111872 0,00516425 0,10131 0,122434c1 8,54019 1,02935 6,43493 10,6454b1 -0,250721 0,0114596 -0,274159 -0,227284a1 10,7677 0,458356 9,83028 11,7052c2 -0,331417 0,0175489 -0,367309 -0,295526a2 23,4341 0,190843 23,0438 23,8245b2 28,6819 0,164258 28,3459 29,0178----------------------------------------------------------------------------Analysis of VarianceSource Sum of Squares Df Mean Square Model 6,52091E7 9 7,24545E6Residual 657,546 29 22,674-----------------------------------------------------Total 6,52097E7 38Total (Corr.) 3,31712E7 37R-Squared = 99,998 percentR-Squared (adjusted for d.f.) = 99,9975 percentStandard Error of Est. = 4,76172Mean absolute error = 3,10566Durbin-Watson statistic = 0,889298

Shock positivo con memoria locale

R. Guseo 16

Gran Bretagna: analisi• La “sella” 1987-1991-

1999 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

t

Variables GBbp DIFF(PRED) DIFF(FOR)

0 20 40 60 80 0

30

60

90

120

150

R. Guseo 17

USA: 48 lower States e Alaska,uno shock esponenziale

Estimation Results---------------------------------------------------------------------------- Asymptotic 95,0% Asymptotic Confidence IntervalParameter Estimate Standard Error Lower Upper----------------------------------------------------------------------------m 224,885 0,784401 223,328 226,442p 0,000445866 0,0000177788 0,000410571 0,000481162q 0,0571941 0,000403937 0,0563922 0,057996c1 0,682617 0,0735348 0,536632 0,828602b1 -0,0852885 0,00948373 -0,104116 -0,0664609a1 18,0477 0,981086 16,1 19,9954---------------------------------------------------------------------------- Analysis of Variance-----------------------------------------------------Source Sum of Squares Df Mean Square -----------------------------------------------------Model 735809,0 6 122635,0Residual 7,39124 95 0,0778026-----------------------------------------------------Total 735817,0 101Total (Corr.) 352880,0 100 R-Squared = 99,9979 percentR-Squared (adjusted for d.f.) = 99,9978 percentStandard Error of Est. = 0,278931Mean absolute error = 0,207909Durbin-Watson statistic = 0,173839

Plot of Fitted Model

t

cum

0 20 40 60 80 100 1200

40

80

120

160

200

Multiple X-Y Plot

t

VariablesbariliDIFF(PREDb1)DIFF(PREDbe1)

0 20 40 60 80 100 1200

1

2

3

4

Shock positivo con memoria locale

R. Guseo 18

USA: 48 lower States e Alaska,affinamento ARMAX(4,0,2)

Forecasting - bariliAnalysis SummaryData variable: bariliNumber of observations = 101Start index = 1,0Sampling interval = 1,0 Forecast Summary----------------Forecast model selected: ARIMA(4,0,2) + 1 regressorNumber of forecasts generated: 40Number of periods withheld for validation: 0   ARIMA Model SummaryParameter Estimate Stnd. Error t P-value----------------------------------------------------------------------------AR(1) 1,21416 0,691695 1,75534 0,082426AR(2) -0,140994 1,11031 -0,126986 0,899220AR(3) -0,146337 0,49692 -0,294488 0,769028AR(4) -0,132467 0,0891259 -1,48629 0,140514MA(1) 0,591549 0,68527 0,863235 0,390183MA(2) 0,299352 0,650254 0,460362 0,646308DIFF(PREDbe1) 0,20426 0,0890786 2,29303 0,024052----------------------------------------------------------------------------Backforecasting: yesEstimated white noise variance = 0,00495321 with 95 degrees of freedomEstimated white noise standard deviation = 0,0703791Number of iterations: 17

Time Sequence Plot for bariliARIMA(4,0,2) + 1 regressor

baril

i

actualforecast95,0% limits

0 30 60 90 120 150-1

0

1

2

3

4

Shock: 1918

R. Guseo 19

Alaska: affinamento ARMAX(2,0,1)

Multiple X-Y Plot

t

Variables alaskap DIFF(FORar2ma1)

0 20 40 60 80 0

0,4

0,8

1,2

1,6

2

2,4 Residual Autocorrelations for alaskac

ARIMA(2,0,1) with constant + 1 regressor

lag

Aut

ocor

rela

tions

0 3 6 9 12 15-1

-0,6

-0,2

0,2

0,6

1

ARIMA Model SummaryParameter Estimate Stnd. Error t P-value----------------------------------------------------------------------------AR(1) 0,323713 0,100318 3,22686 0,002667AR(2) -0,172177 0,054492 -3,15967 0,003195MA(1) -0,818595 0,102552 -7,98224 0,000000PREDbme1 0,847508 0,0501864 16,8872 0,000000Mean -0,0143829 0,0282678 -0,508809 0,613990Constant -0,0122034 ----------------------------------------------------------------------------Backforecasting: yesEstimated white noise variance = 0,00281514 with 36 degrees of freedomEstimated white noise standard deviation = 0,0530579Number of iterations: 20

R. Guseo 20

World Oil data:Produzione giornaliera

Fonti:

• Industriedatenbank 2001 (1900 – 1986)

• BP Statistical Review of World Energy (1987- 2002)

R. Guseo 21

GBM con x(t) funzione dei prezzi

R. Guseo 22

GBM shock exp + effetto prezzo

R. Guseo 23

Guidolin (2004): GBM con 2 shock

World Oil Depletion Models

year

VariablesProduction datagbm2e+for

1950

1960

1970

1980

1990

2000

2010

0

2

4

6

8(X 10000)

R. Guseo 24

GBM con 3 shock exp: g.loc(persistenza della memoria)

World Oil Depletion Models

year

VariablesProduction datagbm3e+for

1950

1960

1970

1980

1990

2000

2010

0

2

4

6

8(X 10000)

R. Guseo 25

GBM con 3 shock exp: stime(persistenza della memoria)

q/p = 608 Qp=1%;

999994708,02 R

06,17)1951/.( parzmF

R. Guseo 26

World Oil Depletion: GBM with three shocks vs Hubbert-Bass

Oil Peak: 2007

Depletion time 90% : 2019 Depletion time 95% : 2023

URR=1524 Gbo

R. Guseo 27

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 28

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 29

Crude Oil: Consumi per Area

Consumi medi giornalieri (in barrel X 1000)

Anno

Variables

North Ame

Europe Eurasia

Asia Pacific

South Central Ame

Middle East

Africa

1960 1970 1980 1990 2000 20100

0,5

1

1,5

2

2,5

3(X 10000)

R. Guseo 30

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 31

World Oil Depletion: GBM with three shocks vs Hubbert-Bass vs five shocks scenario

R. Guseo 32

World Oil Depletion: GBM with three shocks vs five shocks vs four shocks scenarios

Shock 2008 (sim. 1951)

R. Guseo 33

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