Impulsores del precio del petróleo a corto plazo: la integración energética de América del Sur
DOI:
https://doi.org/10.35319/lajed.200912166Palabras clave:
West Texas Intermediate, Henry Hub, Integración energética, Análisis coyuntural, Extracción de señal, Evolución subyacente, Crecimiento subyacente, Modelos ARIMA, Valores atípicos, fundamentos de mercadoResumen
El objetivo de este documento es analizar cómo el comportamiento coyuntural y las condiciones estructurales del precio de la energía afectan la visión a corto y medio plazo del proceso de integración de la energía en Sudamérica (SA). Para este propósito, primero describimos la agenda energética mundial y el efecto de las oscilaciones actuales del precio del petróleo y el correspondiente ajuste del gas natural. A continuación, analizamos la perspectiva de las partes interesadas regionales acerca de la integración energética. Utilizamos dos enfoques metodológicos: primero calculamos los precios del petróleo según sus condiciones estructurales o fundamentales, segundo detectamos el modelo ARIMA correcto con valores atípicos y efectos de calendario para el precio del petróleo West Texas Intermediate (WTI) y el precio del gas natural Henry Hub (HH). Con esta información desarrollamos una propuesta de análisis basada en su tasa de crecimiento subyacente e inercia.
Descargas
Citas
Aznar, A. and Trívez, F.J. (1993b): Métodos de predicción en Economía. Vol. II: Análisis de series temporales. Ed. Ariel. Barcelona.
Baker, J. (2006): “Los altos precios del petróleo van para largo”. Wealth Management, 22, pp.13-15.
Brown, S.P.A.. (2005). “Natural Gas Pricing: Do Oil Prices Still Matter?” Federal Reserve Bank of Dallas. Southwest Economy. July/August: pp. 9-11.
Chambers, J.C., Mullick, S.K. and Smith, D.D. (1971): “How To Choose the Right Forecasting Technique”. Harvard Business Review, pp. 65, 45-74.
Chen, C., Liu, L.M. and Hudak, G.B. (1990): “Outlier Detection and Adjustment in Time Series Modeling and Forecasting”. Working Paper Series. SCA.
Chen, C. and Liu, L.M. (1993a): “Joint Estimation of Model Parameters and Outlier Effects in Time Series”. Journal of the American Statistical Association, pp. 88, 284-297.
Chen, C. and Liu, L.M. (1993b): “Forecasting Time Series with Outliers”. Journal of Forecasting, pp. 12, 13-35.
Chen, C. and Tiao, G.C. (1990): “Random Level-Shift Time Series Models, ARIMA Approximations and Level-Shift Detection”. Journal of Business and Economic Statistics, pp. 8, 83-97.
Energy Information Administration (EIA), Annual Energy Outlook 2007, DOE/EIA- 0383(2006) (Washington, DC, February 2006), pp. 1-14
Hillmer, S.C., Bell, W.R. and Tiao, G.C. (1983): “Modeling Considerations in the Seasonal Adjustment of Economic Time Series”. En Zellner, A. (ed.): Applied Time Series Analysis of Economic Data. U.S. Department of Commerce Bureau of the Census, Washington DC., pp. 74-100.
Jabir, Imad. (2006). “Examining the Long-Run Relation Among Spot Prices of Crude oil and Natural Gas.” Working paper. IAEE International Conference, Potsdam, Germany: June 2006.
Olade (2005): “A Review of the Power Sector in Latin America and the Caribbean, Evolution in the Market and Investment Opportunities for CFTs”. March 2005.
Panagiotidis, T., and E. Rutledge (2004). "Oil and Gas Market in the UK: Evidence From a Cointegration Approach." Economics Dept, Loughborough University. Discussion Paper Series: November 2004.
Pindyck, R. (2001): “The Dynamics of Commodity Spot and Futures Markets: a Primer”, The Energy Journal, pp. 22, 14-18.
