Cnih 2010

La relación entre los precios del gas natural y petróleo crudo
por José A. Villar Gas
Natural División de Administración de
Información de Energía
y Frederick L.
Departamento de Economía de la
Universidad de Washington George Joutz
Resumen: Este artículo examina la relación econométrica de series de tiempo entre el precio del gas natural Henry Hub y el precio del
petróleo crudo West Texas Intermediate (WTI). Por lo general, esta relación se ha abordado mediante correlaciones simples y
tendencias deterministas. Cuando los datos tienen raíces unitarias como en este caso, dicho análisis es defectuoso y sujeto a
resultados falsos. Nos encontramos con una relación de cointegración relacionada precios Henry Hub para el WTI y la tendencia de la
captura de los efectos de oferta y demanda relativos durante el período de 1989 a través de-2005. La dinámica de la relación sugerir
un shock temporal de 1 mes para el WTI de 20 por ciento tiene un 5 por ciento impacto simultáneo sobre los precios del gas natural,
pero se disipa a 2 por ciento en 2 meses. Un choque permanente de 20 por ciento en el WTI conduce a un aumento del 16 por ciento
en el precio Henry Hub 1 año fuera todo lo demás igual.
Expresiones de gratitud: Los autores han enriquecido con comentarios y sugerencias de William Trapmann, Nancy
Kirkendall, Glenn Sweetnam, John Conti, Andy Kydes, y los asistentes de la reunión del Comité de Asociación Americana
de Estadística sobre estadísticas de energía con el EIA, el 7 de abril de 2006, sobre todo William Helkie , Cutler
Cleveland, y Howard Gruenspecht.
1
Administración de Información de Energía de la Oficina de Petróleo y Gas, octubre de 2006
Introducción
La teoría económica sugiere que el gas natural y los precios del petróleo deben estar relacionados porque el gas natural y el
petróleo crudo son sustitutos en el consumo y también complementa, así como rivales, en la producción. En general, el patrón
observado de petróleo crudo y precios del gas natural tienden a apoyar esta teoría (Figura 1). Sin embargo, ha habido períodos
en los que han aparecido los precios del gas natural y petróleo crudo a moverse de forma independiente el uno del otro. Por
otra parte, en los últimos 5 años, períodos en los que han aparecido precios del gas natural a desacoplarse de los precios del
petróleo se han venido produciendo con creciente frecuencia con precios del gas natural elevarse por encima de su relación
histórica con los precios del petróleo en 2001, 2003, y nuevamente en 2005. esto ha llevado a algunos a examinar si los precios
del gas natural y del petróleo crudo están relacionados (Por ejemplo, véase Brown (2005),
Los factores económicos enlazan los precios del petróleo y de gas natural a través de la oferta y la demanda. El comportamiento del mercado
sugiere que los cambios pasados en el precio del petróleo impulsaron los cambios en el precio del gas natural, pero lo contrario no parecen ocurrir.
Una razón de la relación asimétrica es el tamaño relativo de cada mercado. El precio del petróleo crudo se determina en el mercado mundial,
mientras que los mercados de gas natural, al menos durante el periodo de investigación, tienden a ser segmentados a nivel regional. En
consecuencia, el mercado nacional de gas natural es mucho más pequeño que el mercado mundial de petróleo crudo, y los eventos o condiciones
en el mercado de gas natural de Estados Unidos parece poco probable que sea capaz de influir en el precio mundial del petróleo.
En este trabajo se busca desarrollar una comprensión de las características sobresalientes de la relación económica y estadística entre
los precios del petróleo y del gas natural. El período de la muestra cubre enero de 1989 y de diciembre de 2005, que incluye:
• picos en los precios del petróleo en 1990 tras la invasión de Kuwait
• el colapso del precio del petróleo desde el exceso de oferta en 1999
• drásticos aumentos del precio del petróleo desde 2003
• reforma de la regulación del gas natural sustancial
• escasez de suministro significativas en inviernos fríos
• la burbuja de suministro de gas natural para la mayor parte de la década de 1990
• grandes aumentos en los precios del gas natural a partir de 2001.
2
Figura 1: Henry Hub y West Texas Intermediate precios (1989-2005)
70
HenryHub Precio del Gas Natural WTI
Petróleo Crudo Precio
60
12
Precio (dólares por barril)

50
Precio (dólares por MMBtu)
10
40
8
30
46
2 20
1990 1995 2000 2005
Fuente: Administración de Información de Energía, Short-Term Energy Outlook, varios temas.
El análisis identifica los factores económicos que sugieren cómo se relacionan los precios del petróleo crudo y gas natural, y evalúa la
significación estadística de la relación entre los dos en el tiempo. El enfoque del análisis econométrico se centra principalmente en los
movimientos en los precios; los factores económicos no se modelan explícitamente. Sin embargo, se identifica una relación estable
significativa entre las dos series de precio. Los precios del petróleo se encuentran a influir en el desarrollo a largo plazo de los precios
del gas natural, pero no están influenciados por ellos.
3
Los factores económicos Vinculación de Gas Natural y Petróleo Crudo precios
Los aumentos en los precios del petróleo pueden afectar el mercado del gas natural en varias formas.
Demanda:
• Un aumento de los precios del petróleo motiva a los consumidores para sustituir el gas natural para los productos del petróleo en
el consumo, lo que aumenta la demanda de gas natural y por lo tanto los precios. Petróleo y gas natural son sustitutos
competitivos principalmente en la generación eléctrica y los sectores industriales de la economía. De acuerdo a la fabricación de
energía Consumo Encuesta (MECS) de EIA 2002, aproximadamente el 18 por ciento del consumo de gas natural se puede
cambiar a productos derivados del petróleo. El Consejo Nacional del Petróleo (CNP) en su informe de 2003 estima que
aproximadamente el 5 por ciento de las calderas industriales puede cambiar entre el gas natural y combustibles derivados del
petróleo (Costello, Huntington, y Wilson, (2005)). Otros analistas estiman que hasta un 20 por ciento de la capacidad de
generación de energía es de doble despedido, aunque en la práctica se asume que el porcentaje correspondiente es
considerablemente menor. Sin embargo, la sustitución de combustibles no se limita a las unidades de doble despedido. Cierto
grado de cambio de combustible adicional se logra mediante el envío de decisiones para cambiar de calderas de monococción de
un tipo a la de otro combustible. Aunque estos porcentajes son limitados, el cambio en el consumo marginal puede tener un
impacto pronunciado sobre los precios en un mercado apretado.
Suministro:
• Los aumentos en los precios del petróleo en bruto resultantes de un aumento en la demanda de petróleo crudo pueden
aumentar gas natural producido como un co-producto de aceite, lo que tendería a disminuir precios del gas natural. El gas
natural se encuentra en dos formas gas-asociados básica y gas no asociado. gas natural asociado es el gas natural que se
produce en depósitos de petróleo crudo, ya sea como gas libre (asociado) o como gas en solución con el petróleo crudo (gas
disuelto). gas no asociado es gas natural que no está en contacto con cantidades significativas de petróleo crudo en el
yacimiento. En 2004, el gas disuelto asociada compone aproximadamente 2,7 billones de pies cúbicos (Tcf) o el 14 por ciento
de la producción de gas natural comercializado en los Estados Unidos.
• Un aumento de los precios del petróleo en bruto resultantes de un aumento en la demanda de petróleo crudo puede conducir a aumento
de los costos de producción de gas natural y el desarrollo, ejerciendo presión hacia arriba sobre los precios del gas natural. operadores
de gas natural y petróleo crudo compiten por los recursos económicos similares como las plataformas de perforación y de mano de obra.
Un aumento en el precio del petróleo daría lugar a
4
los niveles más altos de las actividades de perforación o de producción como operadores exploradas para y desarrollaron perspectivas
aceite a una tasa más alta. El aumento de la actividad podría hacer subir el coste de los factores relevantes, lo que aumentará el costo
de encontrar y desarrollar perspectivas de gas natural.
• Un aumento en los precios del crudo resultante de un aumento en la demanda de petróleo crudo puede conducir a una mayor
perforación y desarrollo de proyectos de gas natural, que tenderían a aumentar la producción y disminuir los precios del gas natural. El
aumento de los precios del petróleo afectan el flujo de efectivo disponible para financiar nuevas perforaciones y desarrollo de
proyectos. Los cambios en la estructura de precios relativos podrían conducir a incrementos para la extracción de un combustible a
expensas de la otra. Sin embargo, generalmente se espera que el aumento del flujo de caja se expandiría las actividades de suministro
de gas natural y petróleo.
gas Por último, otro factor que une los mercados de gas natural y petróleo crudo es natural licuado (LNG), que permite la
entrega transoceánico de gas natural de los países productores de gas remotas a grandes áreas de consumo de gas, tales
como los 48 estados. Las importaciones de GNL a los Estados inferior 48 pueden afectar a la economía relativa de petróleo
crudo y gas natural en la medida en que el consumo de gas natural se produce en el margen. La mayoría de los contratos de
GNL se indexan en los precios del petróleo, que une directamente el gas natural y los precios del petróleo crudo (Foss, 2005).
Mientras que la mayoría de estos contratos indexados presentan principalmente en la cuenca del Pacífico, los mercados a
corto plazo para el GNL se están desarrollando a ambos lados de la cuenca del Atlántico en los Estados Unidos y España,
facilitando la competencia de precios de gas interregional entre los Estados Unidos y Europa (Jensen, 2003 ).
Estos factores económicos sugieren que los precios del petróleo y del gas natural deben estar relacionados. El análisis de petróleo
crudo y los precios del gas natural que sigue empíricamente a prueba esta hipótesis mediante el dibujo en la extensa literatura de
series de tiempo en los procesos no estacionarios y cointegración. 1 En general, no debe ser posible formar un promedio ponderado de
dos variables no estacionarias y crear una serie de tiempo estacionaria. Sin embargo, en ciertos casos, cuando dos variables
comparten estocástica común o tendencias deterministas, es posible crear una relación de cointegración. Dado que las variables
cointegradas comparten una relación estructural intrínseca con el tiempo, para probar empíricamente
1 series de tiempo estacionario se definirán para tener media constante y la varianza, mientras que la autocovarianza entre dos valores de la serie
depende sólo de la intervalo de tiempo entre los dos valores y no en el punto en el tiempo.
5
la presencia de cointegración constituye una prueba empírica de la relación de largo plazo entre las variables.
El análisis se presenta en cinco secciones y procede como sigue.
• Se presentan los conceptos clave de series de tiempo utilizadas en el análisis, centrado en las propiedades de las variables
no estacionarias y cómo se relacionan con la noción de cointegración.
• Las propiedades de las series de tiempo de gas natural y los precios del crudo se examinan.
• Un modelo de vectores autorregresivos (VAR) se estima para capturar las propiedades dinámicas de las series de tiempo y
la prueba de cointegración. La existencia de cointegración se utiliza para identificar una posible relación de largo plazo y
examinar su retroalimentación en las dos series de precios.
• La relación de cointegración estimado en la etapa precedente anterior del análisis se utiliza para determinar un mecanismo de
corrección de errores para el modelado de precios del gas natural en un modelo de corrección de error condicional.
• Las implicaciones y dinámica de los precios de este modelo se exploran. El documento concluye con un resumen de
las conclusiones y orientaciones para la investigación y posibles aplicaciones a los problemas de modelado y
predicción de EIA.
El análisis en este documento proporciona evidencia estadística apoya la hipótesis de que los precios del gas natural y petróleo crudo
son series de tiempo no estacionarias. El modelado de datos de energía sin tener en cuenta la posible no estacionariedad en los datos
podrían llevar a los investigadores a perder características y propiedades de los datos, lo que podría dar lugar a resultados falsos o
engañosos en la estimación, previsión y análisis de políticas importantes. análisis de cointegración proporciona un método eficaz para
resolver los problemas asociados con los datos no estacionarios sin la pérdida de información asociada con otras formas de la
restauración de la estacionariedad de datos no estacionarios. Puntos clave del análisis de cointegración de gas natural y los precios del
petróleo incluyen:
• Se identificó una relación estadísticamente significativa estable entre el precio del gas natural Henry Hub y el precio del
petróleo crudo WTI y tendencia captura de los de oferta y demanda efectos relativos durante el período de 1989 a través
de-2005.
• los precios del gas natural y petróleo crudo han tenido una estable relación de largo plazo a pesar de los períodos en que un gran pico
exógeno de los precios del petróleo, ya sea crudo o gas natural puede haber producido
6
la apariencia de que estos dos precios se habían desacoplado.
• Hay un término tendencia estadísticamente significativa, lo que sugiere que los precios del gas natural parecen estar creciendo a un
ritmo ligeramente más rápido que los precios del petróleo, reducir la brecha entre los dos en el tiempo.
Conceptos clave de serie temporal
Características de estacionario y no estacionario de series temporales
El análisis econométrico del modelo de regresión lineal clásica depende en gran medida de la suposición de que los datos observados son el
resultado de procesos de generación de datos estacionarios. Sin embargo, en la práctica muchas series económicas son no estacionarias
(Nelson y Plosser, 1982). series de tiempo estacionarias evolucionan independientemente del tiempo. En concreto, la estacionalidad requiere
que las perturbaciones aleatorias o innovaciones tienden a disiparse y no tiene efectos duraderos sobre la evolución de la serie temporal. 2 Del
mismo modo, la varianza se supone que es constante - independiente del tiempo. En contraste, la serie de tiempo no estacionarias tienen
efectos permanentes resultantes de perturbaciones aleatorias. Por ejemplo, considere el siguiente proceso autorregresivo:
yt = ρ -y t 1
+ ut (1)
dónde u t se supone que es una variable puramente aleatoria que normalmente es, independientemente, e idénticamente
distribuidas con media cero y varianza σ 2.
Dado un valor de ρ en la ecuación (1) anterior, y t puede ser resuelto de forma recursiva como una función de una y inicial, el tiempo, y la suma de
las perturbaciones aleatorias.
Σ
TI
+ ρ - u yo (2)
t
yt = ρ y0
yo= 1
La expresión en la ecuación (2) puede ser o bien estacionario o no estacionario. Si | ρ | es menor que 1, perturbaciones aleatorias
en el sistema disipan con el tiempo, y y t es un proceso estacionario. Esto se debe a que ρ yo tiende a cero asintóticamente como i
aumenta. Debido a los impactos de los choques aleatorios en el sistema no persisten, se puede demostrar que la media, la
varianza y autocovariancia
2 Ver Hamilton (1994), o Hendry (1995).

7
asintóticamente converger a constantes como t se hace más grande. En consecuencia, los procesos estacionarios evolucionan
independientemente de tiempo. Sin embargo, si ρ = 1, se puede demostrar que:
yt = y0 + Σ u ii (3)
=1
Cuando ρ = 1, y t es igual a la suma de todos los choques anteriores y una condición inicial de partida, y 0, de tal manera que todas las
perturbaciones últimos tienen un efecto permanente en y t. En otras palabras, un shock aleatorio que se farremoved del período actual
tendrá tanto un impacto en el período actual como un choque al azar de igual magnitud en el período actual. Como resultado, se
puede demostrar que el aumento de la varianza y de autocovarianza con el tiempo, dependiendo de las condiciones de partida
iniciales. Es la naturaleza de la varianza de tiempo variado y autocovariancia que por lo general hacen que el fracaso de las hipótesis
que subyace a la clásica
modelo de regresión lineal: sin autocorrelación,
homocedasticidad y normalidad multivariante. Un desafío fundamental en el análisis de series temporales económicas de energía y es la
estacionariedad de muchas variables económicas. Por ejemplo, un problema bien conocido asociado con variables no estacionarias es el
problema de regresiones espurias, en el que una regresión de dos variables-cada no estacionarios no relacionados tendencia al alza en
el tiempo-puede resultar en una alta R 2 lo que sugiere un ajuste apretado de los datos cuando el modelo, de hecho, no explica nada, pero
la tendencia al alza similar a lo largo del tiempo.
Los procesos estocásticos, tales como en la ecuación (3) se denominan raíces unitarias, porque ρ = 1. Una serie de tiempo no
estacionaria, tales como en la ecuación (3) es fundamentalmente de naturaleza evolutiva. A partir del punto inicial, y 0, y t ya sea para
aumentar o disminuir dependiendo del resultado al azar de u t en un período dado, la acumulación de cada uno de los choques
aleatorios en cada período. En consecuencia no estacionarios series de tiempo tienden a exhibir “errante” comportamiento como siguen
un estocástico tendencia-una tendencia con incrementos aleatorios. Esto contrasta con una tendencia determinista que tiene
incrementos constantes.
En cualquier punto dado en el tiempo, una observación particular de una serie de tiempo no estacionaria con una raíz unitaria
esencialmente el resultado de una suma de todos los últimos errores aleatorios que precedieron. Este proceso se llama integración
debido a que el resultado actual incorpora todos los errores aleatorios en el pasado. Una manera simple de resolver el problema de la
integración en una serie de tiempo dado es simplemente para restar el valor del período precedente a partir del período actual, que
tiene el efecto de
8
anulando las tendencias estocásticas en los períodos sucesivos, y la creación de una serie estacionaria. Esta transformación se llama
diferenciación. De la ecuación (3), una serie de tiempo estacionaria se puede crear de una serie no estacionarios, tales como y t, centrándose
en el cambio entre los períodos.
Δ y= -t
yt yt-1 = ut (4)
Todas las variables pueden ser integrados “de-mostraron una tendencia” por diferenciación. Sin embargo, algunas variables no
estacionarias deben ser diferenciado más de una vez la toma de diferencias de diferencias para crear una serie estacionaria. El orden de
integración se refiere al número de veces que la operación de diferenciación se deben realizar para restaurar estacionariedad. Por
ejemplo, en la ecuación (3) y t es integrada de orden 1, o I (1).
Mientras que todas las variables (k) I pueden ser k veces diferenciadas para generar una serie de tiempo estacionaria, hay algunas I
(1) variables que están cointegradas. Esto significa que es posible formar una combinación lineal estacionaria de dos I (1) variables.
En otras palabras, dada dos variables X t y y t que son I (1) las variables no estacionarias:
Xt y yt están cointegradas si es posible formar un lineal
combinación, tales como:
yt - β 0
- β 'X t
= ut (5)
donde tu t es un I estacionario (0) variable.
Cointegración es similar a la integración en el que el proceso de eliminar la tendencia de la serie no estacionaria implica centra en la
compensación de los atributos comunes de tendencias estocásticas. En algunas aplicaciones económicas es ventajoso para comparar
dos o más series de tiempo para los patrones estocásticos compartidos a través del tiempo. Una de las ventajas de cointegración es
que resuelve el problema de regresiones espurias sin tener que diferencia los datos y la pérdida de la información sobre los niveles de
la serie de tiempo. Cointegración de series temporales económicas sugiere que las variables económicas tienen una relación estructural
longrun que se puede evaluar empíricamente.
9
Las Propiedades de la serie de tiempo del Henry Hub Precio del Gas Natural y el West Texas Intermediate (WTI)
Petróleo Crudo Precio
Un análisis gráfico y estadístico sencillo
El uso de 17 años de datos mensuales elaborados a partir de enero de 1989 hasta diciembre de 2005, se analizaron series temporales de
petróleo crudo WTI y los precios al contado del gas natural Henry Hub, centrándose en la descomposición de los de corto plazo y los
efectos a largo plazo de los cambios en el petróleo crudo y el gas natural precios. El periodo de tiempo del análisis se determinó por la
disponibilidad de una serie completa de ambos precios Henry Hub y WTI. Series mensuales fueron utilizados porque no tienen suficiente
textura para capturar los movimientos de corto plazo, con el tiempo, sin añadir una complejidad innecesaria al análisis. Las relaciones en
esta frecuencia pueden tener relevancia para la (EIA) de análisis de predicción de la Administración de Información de Energía utilizada en
el Short-Term Energy Outlook y Annual Energy Outlook.
El análisis de las propiedades de series de tiempo de los precios del petróleo y del gas natural comienza examinando los niveles y
diferencias de gas natural y los precios del petróleo estadísticamente y gráficamente. Las dos series se transforman en logaritmos
naturales y presentan en la Figura 2. Las transformaciones logarítmicas se utilizan para eliminar los efectos de escala en las variables y
reducir el posible efecto de heteroscedasticidad. transformaciones logarítmicas también tienen la propiedad beneficiosa de permitir
parámetros estimados a ser interpretados directamente como elasticidades constantes. 3 Además, las transformaciones logarítmicas
permiten el análisis de proceder en variables en las mismas unidades. Para facilitar una comparación más directa de las dos series en el
gráfico, los precios del petróleo crudo se han reducido a precios del gas natural ajustados a la media. 4
Si bien es muy difícil saber si una serie temporal es no estacionario mediante un examen visual de los datos de nivel, parece que el gas
natural y los precios del petróleo tienen características consistentes con los datos no estacionarios. Tanto el gas natural y los precios del
petróleo tienen una tendencia y la calidad de meandros, con precios vagando hacia arriba y luego hacia abajo. Los medios de la serie no
aparecen constantes en el tiempo, y de hecho pueden estar a la deriva hacia arriba, lo que sugiere la posibilidad de una tendencia
estocástica. La serie de precios también parecen estar correlacionados en serie, con precios a la deriva durante períodos prolongados de
meses sucesivos, seguidos de períodos de caídas sucesivas. Además, la volatilidad de la
3 A lo largo del resto del documento, se llevará a cabo el análisis en logaritmos de gas natural y los precios del petróleo crudo. En aras de la brevedad, las
condiciones de precio y el logaritmo del precio se usarán indistintamente a menos que se indique lo contrario.
4 La serie de transformación del precio del crudo implica restando la media del logaritmo del precio Henry Hub del logaritmo del precio del
petróleo crudo WTI.

10
serie individual y conjuntamente parece variar con el tiempo. Sin embargo, la variación de la serie de precios en la Figura 2 parece
consistente con la posibilidad de que el gas natural y la cuota de petróleo crudo una tendencia común, fluctuando alrededor de un nivel fijo.
Estos resultados sugieren que el gas natural y los precios del petróleo pueden cointegradas.
Figura 2. Logaritmo natural Henry Hub precio del gas y Logaritmo-media ajustada de West
Los precios del petróleo crudo Intermedio de Texas (1989-2005)
2.50
Precio HenryHub Gas Natural Precio del petróleo crudo WTI

2.25
2.00
1.75
Precio (en logaritmos naturales)
1.50
1.25
1.00
0.75
0.50
0.25
1990 1995 2000 2005

Fuente: Administración de Información de Energía, División de Gas Natural.
La Figura 3 presenta las dos series en columnas de sus primeras diferencias y diferencias de 12 meses, respectivamente. Ambas
series aparecen estacionaria en sus diferencias, a pesar de las desviaciones de la media aparecen más prolongado en el caso
anual diferencia. El análisis sólo se centrará en los niveles y primeras diferencias de las dos series.
11
Figura 3. Henry Hub y West Texas Intermediate precios:
Primera y de 12 meses Las diferencias en los logaritmos naturales
0.4
1 mes de diferencia (ln precio Henry Hub) 1 mes de diferencia (ln WTI)
0.6
0.2
0.2
0.0
Cambio en el precio (en logaritmos naturales)
- 0.2
- 0.2
1990 1995 2000 2005 1990 1995 2000 2005
12 meses Diferencia (ln precio Henry Hub) 12 meses Diferencia (ln WTI)
1.0
1 0.5
0
0.0
-1
- 0.5
1990 1995 2000 2005 1990 1995 2000 2005
Las distribuciones de probabilidad y funciones de autocorrelación (ACFS) para las series se presentan en las Figuras 4 y 5.
Histogramas resumir la frecuencia de ocurrencia de que una variable cae dentro de un cierto rango de valores. Como tal,
histogramas proporciona una visión de la media, error estándar, y distribución de probabilidad de una variable dada. Histogramas
de precios del WTI y Henry Hub se presentan en los paneles superiores de la Figura 4, con una parcela de una distribución normal
superpuesta sobre el histograma y una línea suave generado a partir del histograma. Es fácilmente evidente que los precios Henry
Hub y WTI no se distribuyen normalmente. Las distribuciones de probabilidad para ambas series de precios aparecen bimodal, con
respecto sesgada a la distribución normal. Los FCA a través de 12 grupos de acción local de los precios del WTI y Henry Hub se
presentan en el panel inferior de la figura. Los FCA son altamente significativo, cercano a la unidad, y la decadencia lenta con gran
persistencia. Estos resultados gráficos y estadísticos son consistentes con los procesos de raíz unitaria, que tienen todos
12
autocorrelaciones cerca de 1.
Figura 4. Henry Hub y West Texas Intermediate precios de histograma y autocorrelograma

funciones
Henry Hub precios del gas natural Los precios del petróleo crudo WTI
1.50 2.5
Implícita empírica Distribución Distribución Implícita empírica Distribución
Normal (sd = 0,543) Distribución Normal (sd = 0,35)
1.25
2.0
1.00
1.5
0.75
Densidad
1.0
0.50
0.5
0.25
- 0,5 0,0 0.5 1.0 1.5 2.0 2.5 3.0 2.5 3.0 3.5 4.0 4.5
1.00 1.00
Función de autocorrelación (ln precio Henry Hub) Función de autocorrelación (ln WTI)
0.75 0.75
autocorrelación
0.50 0.50
0.25 0.25
0 5 10 0 5 10
La Figura 5 contiene histogramas y ACFs para las primeras diferencias de ambas series precio. En cada caso, la transformación de
diferenciación parece haber resuelto los nonstationarities en las dos series en su mayor parte. En ambos casos, las distribuciones de
probabilidad de la serie diferenciada parecen estar aproximadamente normalmente distribuidos. Además, las autocorrelaciones son
también mucho más pequeño y estadísticamente insignificante en la mayoría de los GAL. Estos resultados apoyan el concepto de que
los niveles de las series de precios son las raíces unitarias; que son procesos de orden uno integrado, I (1). Los problemas asociados
con los datos no estacionarios serán una consideración clave en la especificación del modelo y estimación que sigue.
13
Figura 5. primeras diferencias de Henry Hub y West Texas Intermediate precios de histograma y
Funciones autocorrelograma
En primer lugar Diferencia WTI precios del gas natural

5 primera diferencia Henry Hub precios del gas natural
Implícita empírica Distribución Distribución Implícita empírica Distribución
Normal (sd = 0,140) Distribución Normal (sd = 0,785)
4
3
Densidad
- 0.50 - 0.25 0.00 0.25 0.50 -0,3 -0,2 -0,1 0,0 0,1 0,2 0,3 0,4 0,5 2 4 6
1.0 1.0
Función de autocorrelación (Din precio Henry Hub) Función de autocorrelación (Din WTI precio)
0.5 0.5
autocorrelación
0.0 0.0
- 0.5 - 0.5
0 5 10 0 5 10
Las pruebas de raíces unitarias
El análisis procede con una prueba más formal del proceso integrado. Dos formas de la Dickey-Fuller (ADF) 5 prueba
se estima que cada forma diferente en el componente determinista supuesta (s) en la serie:
PAG
Δ =y t
αα +0 yo
y -+1
t Σ γ yo Δ y+TI- εt ; Sólo constantes
i=1
(6)
PAG
Δ =y t
αα +0 yo
y -+1 * t α
t 2 + +Σ
Δ γ yo y TI- ε t ; constante y tendencia
i=1
5 Ver Hamilton (1994)

14
los ε t se supone que es un error aleatorio de ruido blanco gaussiano; y t = 1, ..., 204 (el número de observaciones en la muestra) es un
término tendencia en el tiempo. El número de diferencias rezagadas, p, se elige para asegurar que los errores estimados no están
correlacionados en serie basado en la estadística Criterio de información de Akaike (AIC).
La Tabla 1 contiene los resultados de las pruebas de ADF. La mitad superior de la tabla presenta las estadísticas de prueba que
determinan si la serie de los niveles son estacionarios I (0), y la mitad inferior de la tabla presenta los resultados de si las primeras
diferencias de las series son estacionarias I (1). Hay siete columnas de la tabla. La primera columna se refiere al número de retardos,
p, en cada regresión. Esto es seguido por dos conjuntos de tres columnas en el que el primer conjunto presenta los resultados para las
pruebas de precios de gas natural Henry Hub y el segundo tiene las pruebas crudo precio del petróleo WTI. Las tres columnas para
cada conjunto incluyen el t-estadística para la prueba de ADF que está asociado con el 1
α,
la estadística-t en la última variable diferencia quedado en cada ecuación, y la AIC. La hipótesis nula en cada
prueba es que hay una raíz unitaria o la serie es I (1); esto implica que el coeficiente
α es
1
cero. Debido a las propiedades de las series no estacionarias, las distribuciones de las estadísticas son diferentes.
Los valores críticos se encuentran en la parte inferior de la tabla. El retardo t-DY y las medidas de AIC se utilizan en la evaluación del
número apropiado de retrasos en el procedimiento de prueba que eliminan correlación serial en los residuos.
La serie Henry Hub parece ser un (1) proceso de I. Las pruebas t-ADF para la serie Henry Hub parecen ser significativo al nivel de 5
por ciento de significación para GAL 1 y 11, ya que los valores de t-ADF, -3.527 y -3.726, respectivamente, excede el valor crítico de
-3,43 en valor absoluto. Esto podría conducir a un rechazo de la hipótesis nula de raíz unitaria; Sin embargo la prueba adicional reveló
que estas estimaciones de ecuaciones eran inestables debido a la no estacionariedad de la serie incluyendo grandes valores atípicos.
La serie WTI también parece ser un (1) Proceso de I, no rechazar la hipótesis nula de una raíz unitaria en cada uno de los 12 grupos
de acción local.
15
Tabla 1. Las pruebas de Dickey-Fuller para raíces unitarias (Gas Natural precio puntual y West Texas
Intermedio Precio Spot crudo)
lnHenryHub lnWTI
Número de
t-ADF t-DY_lag AIC t-ADF t-DY_lag AIC
desfases
12 -3,373 0,060 -4.003 -2.086 -0,040 -5,088

11 - 3.527 * 2,198 -4,013 -2,153 1.620 -5.099
10 -3,009 3,813 -3,996 -1,851 2,405 -5,095
9 -2.180 -0,322 -3,928 -1,418 0,055 -5,073
8 -2.312 -1,333 -3,938 -1,441 0,981 -5,083
7 -2,711 -1,302 -3,939 -1,276 -0,498 -5,089
6 -3.157 0,388 -3.940 -1.388 -0,423 -5,098
5 -3.180 0,938 -3,949 -1.504 0,089 -5.107
4 -3.041 1,334 -3,955 -1,519 -1,871 -5.118
3 -2.786 -1.120 -3,956 -1,953 -0,542 -5.109
2 -3.255 -0,838 -3.960 -2.130 -0,929 -5.118
1 - 3.726 * 2,836 -3,967 -2.397 3,834 -5.124
0 -3.080 -3,935 -1,729 -5.059
En primer lugar Diffe rencia lnHenr yHub primera D iferencia lnw TI
Número de
t-ADF t-DY_lag AIC t-ADF t-DY_lag AIC
desfases
12 - 4,093 ** 1,808 -3,959 - 3,608 ** 1,495 -5,078

11 - 3,698 ** 0,925 -3,951 - 3.332 * 0,459 -5,076
10 - 3,584 ** -1,286 -3,957 - 3.331 * -1,282 -5,085
9 - 4.207 ** -3.266 -3,958 - 3.840 ** -2,214 -5,087
8 - 6,062 ** 0,708 -3.911 - 4.850 ** 0,089 -5.070
7 - 6,426 ** 1.844 -3.919 - 5.177 ** -0,876 -5,081
6 - 6.201 ** 2,000 -3.911 - 6,076 ** 0,590 -5,087
5 - 5.860 ** 0,435 -3,900 - 6,473 ** 0,574 -5,096
4 - 6,316 ** -0,140 -3.909 - 6,994 ** 0,060 -5.104
3 - 7.320 ** -0,632 -3.919 - 8.131 ** 2.108 -5.115
2 - 9,400 ** 1,905 -3,928 - 8.137 ** 0,889 -5.102
1 - 10.26 ** 1,862 -3.919 - 9,223 ** 1,338 -5.108
0 - 11.86 ** -3.911 - 10.61 ** -5.109
Fuente: Administración de Información de Energía, División de Gas Natural. Nota: El período de la muestra para
el análisis es julio de 1989 hasta diciembre de 2005.
Nota: Los niveles de prueba tiene una constante y tendencia incluido. Los valores críticos; 5 por ciento = -3,43 1 por ciento = -4,01. Primera prueba de diferencias tiene
una constante incluido. Los valores críticos; 5 por ciento = -2,88 1 por ciento = -3,47. Nota: *, significativo al 5 por ciento; **, significativo al 1 por ciento.
dieciséis

Modelo VAR especificación, estimación y pruebas en cointegración
Especificación del modelo VAR
Un general a enfoque específico se empleó en la estimación del modelo como en Hendry (1986) y Hendry y Juselius (2000, 2001).
En primer lugar se determina la estructura de rezagos del VAR. El modelo VAR es suficiente para acomodar cualquier número de
estructuras de retardo general, por lo que esto debe ser determinada antes de realizar el análisis. A continuación, se estimó una
versión sin restricciones sencillo del VAR y evaluado para el ajuste y la estabilidad. En base a estos resultados, el modelo fue
refinado y re-estima. Una vez que un modelo especificado correctamente emerge de este proceso, se imponen restricciones en el
modelo, la prueba de hipótesis está hecho, y los resultados del modelo se interpretan.
La prueba de una relación de largo plazo entre los precios del gas natural y los precios del petróleo comienza con la estimación del sistema
VAR bivariante. El VAR se puede especificar en notación matricial como:
• En HenryHub • • ln HenryHub t- 1 • • constante • •ε t,1 •

= Π ()L
t
• • • • + segundo
• • +• •
En WTI En WTI • timetrend
ε
• t • • t -1 • t • • t,2 •
(7)
L
3
Π=
()LΠ + Π + ΠL + + Π
2 páginas
dónde 1 2
L 3
L ...
Las series de precios han sido transformados a logaritmos naturales para hacer frente a los problemas de heterocedasticidad.
términos constantes y de tendencia se incluyen en cada ecuación; su papel será modificado en una etapa posterior en el análisis.
Los dos términos de error se supone que son ruido blanco y se pueden correlacionar simultáneamente. La expresion Π ( L) es un
operador polinomio lag que indica que retardos de p de cada precio se utiliza en el VAR. 6 El individuo Π yo términos representan una
matriz 2x2 de coeficientes en el lag i-ésimo, y la matriz B es 2x2. Las otras variables, lnHenryHub, ln WTI, constante, timetrend, y
los términos de error, son escalares.
El número de retardos a utilizar en el modelo al principio es desconocido. La metodología de selección comienza con un máximo
inicial de retardos P que se supone que son más de lo necesario. pruebas de diagnóstico residuales como la normalidad, la
correlación en serie, y heteroscedasticidad se llevan a cabo, y el sistema de VAR se prueba para la estabilidad. El objetivo es
obtener resultados que aparecen cerca de la
6 Ver Hamilton (1994).

17
asunción de los residuos de ruido blanco. Un gran número de retardos son propensos a producir un modelo overparameterized. Sin
embargo, cualquier análisis econométrico tiene que empezar con un modelo estadístico del proceso de generación de datos. Parsimonia se
logra mediante las pruebas para el menor número de retardos que pueden explicar la dinámica en el sistema de datos.
Lag selección de longitud
Los criterios de selección de la longitud de retardo adecuado de la sin restricciones modelos VAR empleo 2 χ
de prueba (s) y F-pruebas. La Tabla 2 muestra los resultados para la antigua y la Tabla 3 contiene los resultados para el último. La
longitud de retardo máxima posible considerado fue 6. Los primeros tres columnas muestran el número de observaciones, número de
retardos, y los parámetros estimados para cada VAR respectivamente. El logaritmo de verosimilitud se da en la cuarta columna. Las tres
últimas columnas contienen el bayesiano Schwartz Criterio (BSC), el Hannan-Quinn Criterio (HQ), y el criterio de información de Akaike
(AIC), respectivamente.
Tabla 2. Pruebas de longitud de rezago o Modelo de Reducción de VAR
T desfases parámetros log-verosimilitud BSC HQ AIC
198 6 28 371.029 -3,000 -3.277 -3.465

198 5 24 368.076 -3,077 -3,314 -3,476
198 4 20 364.467 -3.147 -3,345 -3.480
198 3 dieciséis 363.027 -3.240 -3,398 -3,505
198 2 12 361.716 -3.333 -3,452 -3,533
198 1 8 349.623 -3.318 -3,397 -3.451
198 0 4 -9.107 0,199 0,159 0,132
Fuente: Administración de Energía, División de Gas Natural.

Nota: El período de la muestra para el análisis es julio de 1989 hasta diciembre de 2005.
Nota: BSC, HQ, y AIC representan la bayesiano Schwartz criterio, el Hannan-Quinn Criterio, y el criterio de información de Akaike,
respectivamente.
Nota: El mínimo para cada una de las pruebas estadísticas de largo retardo está en negrita y cursiva.
18
Tabla 3. Pruebas de longitud de rezago o Modelo de Reducción
Longitud máxima de Lag VAR
Longitud Lag Alternativa 6 5 4 3 2 1
1.375
5 [0,242]
1.542 1,702
4 [0,141] [0,149]
1,258 1.195 0,682

3 [0,242] [0,301] [0,605]
1.102 1.007 0,654 0,628

2 [0,352] [0,442] [0,732] [0,6428]
2,089 2,259 2,426 3.310 6.015

1 [0,004] ** [0,004] ** [0,005] ** [0,0011] ** [0,0001] **
88.757 105,8 130.85 174,83 262,95 494,20

0 [0,000] ** [0,000] ** [0,000] ** [0,000] ** [0,000] ** [0,000] **
Fuente: Administración de Información de Energía, División de Gas Natural. Nota: El período de la muestra para el análisis es julio de 1989
hasta diciembre de 2005. Nota: Cada columna indica el efecto en un VAR con el retraso máximo de la reducción del número de retardos de
ese sistema VAR. Las estadísticas F se presentan con los valores p asociados entre paréntesis. Nota: *, significativo al 5 por ciento; **,
significativo al 1 por ciento.
Las estadísticas BSC, HQ, y AIC están estrechamente relacionados. En cada caso, el determinante de registro de la matriz de
covarianza estimada residual se calcula y se añade a un término que exige una penalización por el aumento del número de
parámetros utilizados en la estimación. El BSC, HQ, y AIC difieren en la magnitud del término de penalti. Cada uno se utiliza como
criterio alternativo en las pruebas, ya que cada uno refleja el compromiso entre el aumento de la precisión de las estimaciones y la
posible sobreparametrización asociado con la pérdida de parsimonia y grados de libertad. Se basan en información similar a las
pruebas de Chi-cuadrado y se derivan de la siguiente manera:
( Det +) =
- 1
BSC = sesión ΣIniciar TT
2 * *dolog () log
( Det Σ +) =
- 1
HC 2 * *dolog (log ()) * log
T T (8)
( Det Σ +)
- 1
AIC 2 * *c T
Los primeros términos en el lado derecho de las ecuaciones son los determinantes de registro de la matriz de covarianza residual
estimado. Intuitivamente, el determinante de registro de la matriz de covarianza residual estimado disminuirá a medida que el número de
regresores aumenta, al igual que en una sola ecuación ordinaria regresión de mínimos cuadrados. Es similar a la suma residual de
cuadrados o varianza estimada. El segundo término en el lado derecho actúa como penalización para la inclusión de regresores
adicionales (c), que
19
se escalan por el inverso del número de observaciones (T). Aumenta la estadística. Una vez que estas estadísticas se calculan para cada
longitud de retardo, la longitud lag elegido es el modelo con el valor mínimo para las estadísticas respectivamente. Las tres pruebas no
siempre coinciden en el mismo número de retardos. La AIC está sesgado hacia la selección más retardos que en realidad puede ser
necesaria. Sin embargo, en este caso la estadística de prueba se reduce al mínimo en dos retardos para los tres criterios con valores de
-3,3332, -
3,4518, y -3,5325 para el BSC, HQ, y AIC, respectivamente.
La prueba F es un criterio de muestra finitos utilizados para probar la longitud lag. Se necesita una forma ligeramente diferente en el sistema o caja
de múltiples ecuación. 7
Det (Σ - )
R
Det (Σ T )
nx(FR=queda UT xnnxpk
, = - - ) (9)
Det ( Σˆ T )
La prueba depende de la cantidad de veces que se retrasa respecto al número de ecuaciones, n. Debido a que el número de retardos se limita
a cero, R es cero. El modelo no restringido, T, es el número de observaciones, T, n veces, menos el número máximo de retardos ( pag) veces norte,
menos otras variables en el modelo, tales como componentes determinísticos: constante, las tendencias y los factores estacionales, k.
La estadística de prueba se calcula para los modelos mantenidos empezando con el número máximo de retardos, que es igual a seis
aquí, y luego por una menor número de retardos para cada tiempo. Esta metodología se emplea para eliminar un error debido a la
dependencia de la trayectoria. Por ejemplo, lag 3 puede no parecen tener un efecto significativo en el poder explicativo de los modelos
con seis y cinco rezagos, pero tendría un impacto significativo en un modelo con cuatro rezagos. Hay seis columnas de la tabla 3 con
un título para el número máximo de retardos. Debajo de cada es la prueba F para la reducción del número de retardos para el número
en la fila. Una vez más, tenemos un resultado claro; un modelo con dos retardos explica el proceso de generación de datos, así como
modelos con seis, cinco, cuatro y tres GAL. El valor p más pequeño para reducir ese modelo con los de más retardos es 0. 35 con el
modelo original con seis retardos. Todos los modelos con un solo lag son rechazados en el 1 por ciento frente a los que tienen más
retardos.
7 El símbolo “•” denota la distribución de probabilidad asociado con la estadística de prueba dado.
20
El VAR (2) Resultados de modelos
En esta sección, las propiedades de la VAR (2) se examinan además para determinar las propiedades del proceso de
generación de datos (DGP). El modelo estimado para el período julio 1989 y diciembre de 2005 se puede expresar en notación
matricial como:
• En HenryHub t
• • En HenryHub t - • • En HenryHub t- 2 • • B constante • •ε t,1 •
=Π
1
• • 1 • • +Π 2 • • + • • +• •
• timetrend
En WTI En WTI En WTI ε t,2
• t • • t - 1 • • t - 2 • t • • • ( 10)
los Π matrices
yo
son 2x2, que contiene los coeficientes para cada desfase en las ecuaciones.
La Tabla 4 contiene las pruebas de diagnóstico residual para el VAR por la ecuación y las pruebas del vector o del sistema: Los
resultados para la ecuación de precios Henry Hub se informó en el tercio superior de la tabla, se presentan los resultados de la precio del
petróleo crudo WTI en el medio tercero de la tabla, y el vector o sistema de resultados aparecen en la tercera parte inferior de la tabla. El
p-valores asociados reportados en la última columna de la tabla indican la probabilidad de aceptar la hipótesis nula. Para cada ecuación
y el sistema como un todo, la asunción de la normalidad de la DGP falla las pruebas de normalidad Jarque-Berra como lo indican los
valores de p, que son aproximadamente cero. El rechazo a la normalidad de los residuos resulta de los valores extremos significativos
debido a los picos de precios en las dos series. La ecuación de precios Henry Hub parece más a fallar las pruebas de heterocedasticidad
con valores de p de menos de 5 por ciento, mientras que el crudo WTI ecuación de precios y la ecuación del sistema no reflejan un
hallazgo estadísticamente significativo de heterocedasticidad. En cada caso, los resultados de la estimación indican que la
autocorrelación y la volatilidad condicional no son estadísticamente características importantes de los residuos de acuerdo con las
pruebas de AR y arco, respectivamente.
21
Tabla 4. Pruebas de diagnóstico residual mediante ecuación para el VAR (2) Modelo
lnHenryHub
pruebas Distribución Estadística P-valor
Portmanteau (12): 21.947
prueba AR 1-7: F (7,185) = 0,741 [0,6377]
prueba de normalidad: Chi ^ 2 (2) = 22.156 [0,0000] **
prueba ARCH 1-7: F (7,178) = 0,351 [0,9288]
prueba hetero: F (10,181) = 2,339 [0,0129] *
prueba hetero-X: F (20,171) = 1.874 [0,0170] *
En West Texas Inter mediar

Portmanteau (12): 13.857
prueba AR 1-7: F (7,185) = 0,957 [0,4644]
prueba de normalidad: Chi ^ 2 (2) = 18.814 [0,0001] **
prueba ARCH 1-7: F (7,178) = 0,980 [0,4473]
prueba hetero: F (10,181) = 0,683 [0,7390]
prueba hetero-X: F (20,171) = 0,824 [0,6824]
Residua l pruebas de diagnóstico para el sistema de
Vector Portmanteau (12): 64.226

prueba Vector AR 1-7: F (28,354) = 0,832 [0,7135]
La normalidad de prueba del vector: Chi ^ 2 (4) = 52.561 [0,0000] **
Vector prueba hetero: F (30,526) = 1,274 [0,1533]
Vector prueba hetero-X: F (60,505) = 1.134 [0,2384]
Fuente: Administración de Información de Energía, División de Gas Natural. Nota: *, significativo al 5 por ciento;
**, significativo al 1 por ciento Nota: El período de la muestra para el análisis es julio de 1989 hasta diciembre de
2005.
Las figuras 6 y 7 ilustran estas propiedades de diagnóstico. Cada figura es 2x2 con los resultados de la ecuación de Henry Hub en la
columna de la izquierda y la ecuación WTI en la columna de la derecha. El diagrama equipado real se presenta en la fila superior y los
residuos a escala se dan en la fila inferior de la Figura 6. Los ajustes para las dos series de precios están cerca, pero hay varios valores
atípicos grandes. Parece que hay residuos estimados en más de tres desviaciones estándar de la modelo ajustado que se pueden
explicar por la ocurrencia de mercado extraordinario o eventos geopolíticos. La primera es agosto de 1990, cuando Irak invadió Kuwait.
Los precios del petróleo se dispararon en las noticias de la invasión, ya que los temores de que la guerra en el Medio Oriente podría
afectar negativamente a los mercados del petróleo. El segundo fue febrero (y marzo) de 1996, cuando el frío extremo y la incertidumbre
contribuyó a un gran aumento en el precio del gas natural Henry Hub en febrero, lo que fue seguido por una disminución compensatoria
en marzo. La tercera es septiembre de 2001, cuando los ataques terroristas contra el World Trade Center y el
22
Pentágono aumento de la incertidumbre en los Estados Unidos y su economía. La Figura 7 contiene histogramas en los
mejores funciones de fila y de autocorrelación en la fila inferior de las dos ecuaciones, respectivamente. Los fracasos de las
pruebas de normalidad parecen ser el resultado de los valores atípicos, no asimetría o demasiado colas gruesas en la
distribución de los errores. No parece ser auto-correlación significativa.
Figura 6. Los precios Henry Hub y West Texas Intermediate con valores ajustados y
Residuos de un VAR (2)
2.5 Henry Hub Precio del Gas Natural (real) Henry Hub
Petróleo Crudo WTI Precio (real) Petróleo
Precio del Gas Natural (amueblada) 4.0 Crudo WTI Precio (amueblada)
2.0
Los precios (en logaritmos naturales)
3.5
1.5
1.0 3.0
0.5
2.5
1990 1995 2000 2005

1990 1995 2000 2005
Entre residual amueblada y actuales precios Henry Hub

Entre Equipada residual real del WTI y precios
Residuos (en desviaciones estándar)
4 4
2 2
0 0
-2 -2
1990 1995 2000 2005 1990 1995 2000 2005
23
Figura 7. Densidad Implícita empírica y autocorrelograma y de VAR (2) Residuos
El petróleo WTI Precio Armarios Residuales

0,5 Henry Hub Precio del Gas Natural Armarios Residuales
Implícita empírica Distribución Implícita distribución empírica
Distribución Normal (0, 1) Distribución Bormal (0, 1)
0.4
0.4
Densidad de probabilidad
0.3 0.3
0.2 0.2
0.1 0.1
-4 -2 0 2 4 -2 0 2 4 6
1.0
1.0 Equipado función de autocorrelación residual equipado residual
Equipado función de autocorrelación residual equipado residual Función de Autocorrelación Parcial
Función de Autocorrelación Parcial
0.5
0.5
0.0
0.0
- 0.5 - 0.5
0 5 10 0 5 10
Las pruebas de estabilidad modelo
Los mercados del gas y del petróleo naturales son bien conocidos por su volatilidad. choques de oferta y demanda internacionales pueden
afectar a los mercados del crudo y la demanda relativo interno; choques de oferta, y el clima puede afectar a los mercados de gas natural.
Cualquiera o todos estos eventos podrían haber contribuido a la inestabilidad o se rompe “estructurales” en el proceso de generación de
datos para el Henry Hub y los mercados de West Texas Intermediate.
El enfoque de libros de texto para modelar la constancia asume que el modelador sabe la fecha de una posible ruptura estructural
en la muestra. El modelo se ajusta sobre la muestra completa y para los dos “mitades” de la muestra. La muestra completa
impone implícitamente la misma estructura del modelo a lo largo y se puede considerar un modelo restringido. Esto se evalúa
contra el modelo sin restricciones
24
compuesta de los dos “mitades” utilizando una prueba F. Tomamos una vista agnóstico sobre la posibilidad y el momento de los cambios
estructurales sobre las muestras 1989-2005.
constancia modelo del sistema VAR se evalúa usando técnicas de estimación recursiva. Suponiendo el modelo original
tiene observaciones T, la técnica comienza por la estimación del modelo primero sobre s <observaciones T en la muestra y
luego ajustar el modelo usando s + 1, s + 2, ..., hasta t observaciones. En este punto hay una serie de pruebas para
evaluar el modelo (y de parámetros) constancia. Ellos son a menudo mejor presentan en forma gráfica, debido a la gran
cantidad de estadísticas que se calcula.
Una presentación estadística familiar es los residuos de 1 paso más el error estándar utilizados con destino a la búsqueda de valores atípicos.
Los residuos de 1 paso se dan por y=e - X ' β tttt y se representa con la corriente
estimación de más o menos 2 σ t a cada lado de cero. Cuando mi t es fuera de la banda puede ser
interpretado como un valor atípico. innovaciones normalizadas son otra manera de ilustrar la presencia de valores atípicos.
Se presentan dos tipos de tests de Chow recursivos. La primera es la prueba de Chow 1-paso. Esto se ve en la secuencia de un
período por delante predicción a partir de la estimación recursiva para el período s a T. Las pruebas son F (1, tk-1) bajo la hipótesis
nula de parámetro constancia. La estadística se calcula como:
• ( RSS - RSS t 1
)( tk- - 1) •
F tk -- donde T ss, + 1, ..., T (11)
t
• • (1, 1) =
• RSS -t - 1 •
La prueba asume que las variables dependientes , y t están aproximadamente normalmente distribuidos.
los prueba de N-down o test de Chow punto de interrupción traza la estadística de prueba sobre la muestra, a escala ya sea por el 5 por
ciento o 1 por ciento de valor crítico y, puede ser interpretado como una prueba de estabilidad de pronóstico. El modelo se estima para las
observaciones del primer s. Un pronóstico se construye utilizando los coeficientes estimados del período s + 1 a través de T y se calcula el
F-test. La hipótesis nula es que el modelo estimado y las previsiones serán explicar o predecir la muestra completa lo mismo que las
estimaciones de la muestra completa. El número de períodos en las previsiones desciende de T-s + 1 a 1 como la
25
modelo es estimado y las previsiones se realizan de forma recursiva. estimación recursiva permite la construcción de tests de Chow sobre
la muestra completa y permite que los datos de los que hablen.
los test de Chow punto de interrupción se calcula como:
• ( RSS T - RSS )( tk- - 1) •

•
t- 1
• FT( s - + - -1, tk 1) donde T = ss, + 1, ..., T (12)
• RSS t- 1
/( T s- - 1) •
Figura 8. Análisis Recursive Chow para el modelo de Estabilidad
1- paso de prueba Chow Prueba Chow punto de interrupción

1.25
3 Paso 1-Ln Henry Hub Precio del Gas Natural-1 Punto de interrupción Ln Henry Hub Precio del Gas Natural-1
Porcentaje nivel de significancia Porcentaje nivel de significancia
1.00
2
0.75
1
0.50
1995 2000 2005 1995 2000 2005
Paso 1-Ln WTI Petróleo Crudo Precio

1-Porcentaje nivel de significancia 1.0
1
0.5
Punto de interrupción Ln WTI Petróleo Crudo Precio
1-Porcentaje nivel de significancia
1995 2000 2005 1995 2000 2005
Punto de interrupción Conjunto de hipótesis

Paso 1-Conjunto de hipótesis Estadístico-1 1.25
Estadístico-1 Porcentaje nivel de significancia
Porcentaje nivel de significancia
2
1.00
0.75
1995 2000 2005

1995 2000 2005

Nota: Los tests de Chow de 1 paso y las pruebas de punto de ruptura de Chow se presentan en las columnas de la izquierda y de la derecha,
respectivamente.
Nota: se reportan Las pruebas en Henry Hub precios del gas natural y los precios del petróleo crudo WTI en las filas primera y segunda,
respectivamente. -Chow pruebas conjunta se reportan en la fila inferior. Nota: Las estadísticas de prueba se escalan en el valor crítico adecuado en
los ámbitos de 1 por ciento de significación.
26
Los resultados de los tests de Chow 1 pasos y la prueba de punto de ruptura Chow se presentan gráficamente en la Figura 8. Se indican en
la columna de la columna de la izquierda y de la derecha, respectivamente. En cada observación, la estadística de prueba normalizado se
calculó como la relación de la estadística en comparación con el valor crítico apropiado a 1 por ciento. La secuencia de pruebas se
representa gráficamente. Cuando el valor normalizado excede la unidad, esto indica un rechazo de la hipótesis nula de no ruptura
estructural.
Los resultados del ensayo Chow 1 paso indican dos grandes picos en la ecuación de Henry Hub, ambos de los cuales están asociados con el
tiempo de congelación en febrero de 1996 y enero de 2001, respectivamente. Hay un solo pico grande para el precio Henry Hub que se produce
a principios de 2000. Este fue un período de bastante volátiles precios del petróleo crudo, donde los precios cayeron un 15 por ciento en 1 mes
y recuperado por el doble que en los próximos 3 meses. La prueba conjunta Chow 1 a paso revela que estas tres observaciones son
significativas también.
Las pruebas de punto de ruptura de Chow demuestran el impacto de la ola de frío en 1996 en la ecuación de Henry Hub. A
partir de entonces la estabilidad de la ecuación del modelo se establece. Sin embargo, en 2005 la ecuación parece ser menos
estable, pero no de forma significativa. Este problema tiene su posterior análisis como el modelo se utiliza en el futuro. Las
pruebas de Break-Point Henry Hub y del sistema se ven afectados por el pico de febrero de 1996 en precios del gas natural y
el período de mediados de 1998 a 1999. Una posible explicación de este último resultado es la previsión de la creciente
demanda mundial de petróleo por la Organización de Petróleo los países exportadores (OPEP) y el aumento de las cuotas
que conducen a un exceso de oferta en el mercado en el que los precios del petróleo crudo cayeron en un 50 por ciento.
Además, la demanda de crudo se redujo debido a la crisis financiera de Asia durante este período.
El análisis de cointegración del modelo de vectores autorregresivos
En esta sección se aplica el procedimiento de Johansen para probar la presencia de cointegración (Johansen, (1988), y
Hendry, Juselius, (2000)). El modelo VAR en niveles puede ser transformado de forma lineal en un modelo que se expresa en
primeras diferencias.
27
• Δ En HenryHub t
• • Δ En HenryHub t - 1
• • En HenryHub t- 1 • • B constante • • ε t,1 •
• •
=Γ 1 • •
+Π • •
+ • • +• •
Δ En WTI Δ En WTI En WTI • me timetrend t • •
ε t , 2 (13)
• t • • t - 1 • • t -1 • •
ε ( 0, Ω Γ
) ,= -Π Π = Π + Π ,-
1 2 1 2
.
El quid de la prueba de Johansen es examinar las propiedades matemáticas de la matriz Π en la ecuación (7), que contiene
información importante acerca de la estabilidad dinámica del sistema. Intuitivamente, la Π matriz en la ecuación (13) contiene la
expresión relativa de los niveles de las dos variables endógenas, los precios spot Henry cubo y WTI. Con dos variables
endógenas del VAR, la Π matriz tiene una fila linealmente independientes, a continuación, los precios del petróleo crudo y gas
natural podrían tener una relación de cointegración. En la especificación con dos variables endógenas no puede haber nada
menos que dos ecuaciones linealmente independientes o no hay ecuaciones linealmente independientes. 8 La primera implica las
dos series se debe considerar como estacionaria, y el último implica que no hay relación de cointegración y modelo en primeras
diferencias es apropiado.
Engle y Granger (1987) demuestran la correspondencia uno-a-uno entre los modelos de cointegración y corrección de errores.
las variables cointegradas implican una representación modelo de corrección de error (ECM) para el modelo econométrico y, a
la inversa, los modelos con ECMs válido implican cointegración.
Evaluar el número de ecuaciones linealmente independientes en Π se realiza mediante pruebas para el número de raíces características
que no son cero, o valores propios, de la Π matriz, que es igual al número de filas linealmente independientes. 9 La matriz puede ser
reescrito como el producto de dos vectores columna completos,
Π = α β '.
La matriz ' se conoce como el vector de cointegración y α como los elementos de ponderación para la relación de
β que
cointegración correspondiente en cada ecuación de la VAR. el vector β ' Yt - 1 es
normalizado en la variable de interés en la relación de cointegración y interpretado como la desviación de la “a largo
plazo” condición de cointegración. En este contexto, la columna α representa la velocidad de coeficientes de ajuste del
error en cada ecuación. Si el coeficiente es cero en una
8 Si el rango de Π es igual al número de variables endógenas, entonces todos los de la serie original son estacionarios; y si el rango de Π es cero,
no hay vectores de cointegración.

9 El número de filas linealmente independientes en una matriz se llama el rango.
28
en particular ecuación, esa variable se considera que es débilmente exógeno y el VAR puede estar condicionada en esa
variable.
los α coeficientes se interpretan como la velocidad de ajuste de nuevo hacia la relación de cointegración a largo plazo. Además,
su significado es importante desde el punto de vista estadístico. Cuando la I (1) variables se expresan en un sistema de VAR en
primeras diferencias o la forma de corrección de errores como en la ecuación (3) anterior, la cuestión de la exogeneidad débil
(Engle, Hendry, y Richard, (1983)) y el modelo de acondicionamiento puede Ser dirigido.
exogeneidad débil implica que la β términos o las relaciones de corrección de errores a largo plazo no proporcionan la potencia explicativa
en una ecuación particular. Si esto es cierto, entonces la inferencia válida puede llevarse a cabo dejando caer que la ecuación del sistema
y estimar un modelo condicional.
Antes de realizar la prueba para la cointegración, la posibilidad de tendencias deterministas en los datos, además de tendencias
estocásticas, debe considerarse, porque la distribución asintótica de la estadística de prueba utilizada en la prueba de cointegración es
sensible con respecto a suposiciones acerca de las tendencias deterministas en los datos. De la Figura 6, los valores esperados de las
series precios diferenciados parecen ser más o menos igual a 0. Esto sugiere que no hay una tendencia determinística en la serie
diferenciada, y así incluye una variable de tendencia fuera de la relación de cointegración en la estimación de la ecuación (7) no
parece necesario. Sin embargo, puede haber una tendencia determinista dentro de la relación de cointegración, sí. En el panel inferior
de la Figura 2, la serie Henry Hub parece estar aumentando ligeramente más rápido que la serie WTI ajustado, comenzando siempre
por debajo de la serie WTI, hasta que en algún momento de 1993, y superior a partir de entonces la serie WTI sobre una base
bastante regular. Para probar la posibilidad de una tendencia en la relación de cointegración, una variable de tendencia se limita a la
ecuación de cointegración. El modelo VAR en diferencias de la ecuación (13) puede escribirse como:
• Δ En HenryHub • • Δ En HenryHub - • • α• 1β • • ln ' HenryHub -1 • • • εt •

(14)
,1
• + μ t • + BX
t t 1 t
• • =Γ • • + •• • • + • •
• α• 2 ε
1 t
Δ En WTI Δ En WTI En WTI
• t • • t -1 • • • t- 1 • • • t,2 •
El uso de la especificación del modelo de la ecuación (9), el VAR sin restricciones se estimó mediante mínimos cuadrados ordinarios.
Los resultados de la prueba de cointegración de Johansen (1988, 1991, y 1994) son
29
presentado en la Tabla 5. Los valores propios de la matriz Π se ordenan de mayor a menor. Las pruebas se llevan a cabo
secuencialmente, examinando primero la posibilidad de ninguna relación de cointegración contra la alternativa de que hay
cointegración relaciones, y luego la hipótesis nula de una relación de cointegración contra la posibilidad de dos relaciones de
cointegración, por ejemplo, las dos series de precios son realmente estacionario. Esencialmente, estos son pruebas de si el valor
propio (s) es (son) significativamente diferente de cero. Tanto la prueba de traza de Johansen y el rechazo de soporte de prueba
máxima de la hipótesis nula de que no hay relaciones de cointegración en el sistema. La primera fila a prueba la hipótesis nula de
rango igual a cero. La prueba de rastreo y el (imum) Prueba de valor propio Max son rechazados a 1 por ciento si el asintótica o
grados de libertad (T-nm) de ajuste se utiliza al 1 por ciento. Sin embargo, las pruebas de Johansen son incapaces de rechazar la
hipótesis de que existe más de una ecuación de cointegración en la segunda fila. Estos resultados indican que hay una sola
ecuación de cointegración significativo en el sistema, que relaciona la diferencia de largo plazo entre el gas natural Henry Hub y
precios spot del crudo WTI.
El siguiente paso consiste en identificar e interpretar los coeficientes estimados de la relación de cointegración. El VAR es
re-estima, limitándola a incorporar únicamente la ecuación de cointegración significativa en el sistema. A partir de la discusión
anterior, la hipótesis es que el precio del gas natural Henry Hub está relacionado con el precio del WTI en una relación de
corrección de errores. Además, esta relación es importante para explicar las desviaciones en el corto plazo para los precios del
gas natural, pero no por el precio del WTI. Esto implica la prueba de la y
α β vectores.
El vector propio normalizado, o β vector, se normaliza en el precio Henry Hub con errores estándar reportados en la segunda parte de
la Tabla 5. La normalización del precio del gas natural hace su error estándar asociado igual a 0. La relación de cointegración se
puede interpretar como que expresa el precio Henry Hub como una función del precio WTI y un término de tendencia, por lo que el
precio Henry Hub es igual a 81 por ciento del precio del petróleo crudo más un término de tendencia de alrededor de 0,52 por ciento.
Las señales en los coeficientes de la tabla se expresan en forma de la condición de que la relación de corrección de errores, una
función lineal de la I (1), la serie es estacionaria y centrados en cero. Las pruebas para la significación estadística de la β coeficientes
se presentan como pruebas de Chi-cuadrado con 1 grado de libertad. Ellos son individualmente significativos al 1 por ciento; con
pruebas estadísticas de 12,5 para el LnWTI y 11.8 de la tendencia. La prueba conjunta que tanto de la prevista β coeficientes se tanto
estadísticamente insignificante es rechazada con un estadístico de prueba de 26,1 y un valor de p de menos de 1
30
por ciento.
Tabla 5. Johansen análisis de cointegración de Henry Hub Gas Natural Precio Spot y West Texas Intermediate Precio Spot
crudo
Las pruebas de libre disposición rango de cointegración
prueba Max prueba Trace prueba Max

Rango prueba de rastreo de valores propios
[Problema resuelto] [problema resuelto] (T-nm) (T-nm)
34.36 27.78 33,66 27.22

0 0.1309
[0,003] ** [0,001] ** [0.003] ** [0,002] **
6.58 6.58 6.45 6.45

1 0,0327
[0,401] [0,402] [0,417] [0,417]
Valores propios normalizados o β s con Errores Estándar
lnHenryHub lnWTI Tendencia
1 -0.81221 -0,00516
0 0.1489 0.00089
Estandarizado α coeficientes con Errores Estándar

lnHenryHub lnWTI
-0,231 -0,007
0,043 0,026
Las pruebas de significación de la β coeficientes Prueba conjunta de la β s
lnWTI Chi ^ 2 (1) = 12,494 [0,0004] ** Chi ^ 2 (1) = 26.188

Tendencia Chi ^ 2 (1) = 11,819 [0,0006] ** [0,0000] **
Las pruebas de exogeneidad débil
lnHenryHub Chi ^ 2 (1) = 20,810 [0,0000] **

lnWTI Chi ^ 2 (1) = 0.057005 [0,8113]
Nota: *, significativo al 5 por ciento; **, significativo al 1 por ciento Fuente: Administración de
Información de Energía, División de Gas Natural.
A continuación, la prueba de hipótesis se lleva a cabo en el α vector. En primer lugar, la relación de cointegración se identifica
mediante el examen de su α, o velocidad de ajuste, coeficiente. Debe ser negativo para la relación para ser coherente con un proceso
estacionario. el estandarizada α coeficientes y las pruebas asociadas para exogeneidad débil se encuentran por debajo de la β pruebas.
El coeficiente para el Henry Hub es -0,23, el error estándar es de 0.043, y la estadística de chi-cuadrado es 20,8; no podemos
rechazar la hipótesis nula de que α es significativo al 1 por ciento y negativo. Las pruebas para los restantes α
31
coeficiente se conoce como la comprobación de exogeneidad débil. Esto determina si la relación de cointegración puede
explicar los cambios en la serie particular. En este caso estamos probando si los cambios en el WTI se ven influidas o
explicadas por la relación de cointegración. El coeficiente para el WTI es pequeño, -0,007, en relación con su error estándar,
0.026, y una estadística de chi-cuadrado de
0,057 con valor de p de 0,81. Esto sugiere que la relación de cointegración no tiene poder explicativo significativo en la
evolución del precio del WTI. Sin embargo, la relación de cointegración es altamente significativo para la ecuación de precios
Henry Hub.
Estos resultados son consistentes con una relación de cointegración, que se puede denominar como un mecanismo de corrección de errores
(ECM). Esto se expresa como:
ECM t
= LnHenryHub t
- 0.8122 × LnWTI t
- 0,0051 × Tendencia (15)
El ECM en cada observación se puede interpretar como que representa las desviaciones de un equilibrio a largo plazo. El término
tendencia captura una combinación de la demanda y suministro de factores relativos y puede reflejar factores que afectan a la
interrelación entre estos mercados de combustible. Una explicación para el término tendencia en el tiempo pueden ser los cambios
fundamentales en el mercado del gas natural causado por la reforma regulatoria que se produjo poco antes y durante el período de
estimación. Estos problemas están más allá del alcance del análisis actual; sin embargo, pueden ser tratados en un estudio futuro.
La Figura 9 proporciona una ilustración de la ECM. La línea cero indica que ECM es igual a cero, y la línea trazada
muestra las desviaciones entre el precio del gas natural real Henry Hub y la predicha por el precio del petróleo
crudo WTI y el componente de tendencia. Un choque a los precios del petróleo crudo o gas natural es seguido por
un ajuste en el precio Henry Hub hasta que las ECM vuelve a cero. Por ejemplo, el pico en febrero de 1996
muestra el impacto del clima frío severo a nivel nacional el precio del gas natural como el precio Henry Hub subió a
$ 4,42 por MMBtu en comparación con el precio del mes anterior de $ 2,92 MMBtu. Del mismo modo, el pico en
diciembre de 2000 también muestra el impacto del tiempo de congelación severa ya que los precios Henry Hub se
elevaron de $ 5,52 por MMBtu en noviembre a $ 8.90 por MMBtu en diciembre.
32
Figura 9. El estimado de cointegración del vector, mecanismo de corrección de error,
Entre Henry Hub y precios del WTI (1989-2005)
Relación de cointegración
0.6
0.4
0.2
Mecanismo de Corrección de Errores
0.0
- 0.2
- 0.4
- 0.6
1990 1995 2000 2005
El Modelo de corrección de error condicional
El sistema de dos ecuación puede reducirse a un único modelo de corrección de error condicional. No se
encontraron precios del WTI ser débilmente exógena. Un modelo condicional significa el modelo original (o
sistema) se ha dividido en un subconjunto. exogeneidad débil del precio WTI implica que para fines de inferencia
sólo el cambio o primeras diferencias de la ecuación de Henry Hub debe ser estimado. Similar al enfoque VAR, el
ECM se inicia a partir de una forma general y se reduce a un modelo final. Se utilizó el análisis de VAR para
examinar la relación de largo plazo entre los dos precios. Al examinar la relación en el corto plazo otros factores
pueden tener poder explicativo importante por lo que se incluyen en el modelo (ecuación). Estos factores
adicionales influyen sólo los movimientos de corto plazo en los precios no el largo plazo.
33
3 3
Δ LnHH t
= +α 0 Σ γ yoΔ LnHH TI-
+Δ Σ η j
LnWTI t - j
+ α ECM
ECM t- 1
yo= 1 j=0 (dieciséis)
+ σ ' Cambios t y Valores atípicos t

+ ω seasonals centradas t
+Φ ()LX t
+ εt
Las tres primeras expresiones contienen tres rezagos de la variable dependiente, la corriente y tres rezagos de la variación del WTI, y el
término ECM rezagado. La siguiente expresión representa más impactos “permanentes” en el mercado causadas por pasar de un entorno
“burbuja de gas” a la escasez de suministros, ya que a finales de 1990 y el inicio de la escasez de suministros en los mercados de petróleo
empujando hacia arriba los precios del gas natural. Estos efectos son capturados en las variables deterministas para los valores atípicos y
turnos. La siguiente expresión contiene los factores estacionales que tienen efectos a corto plazo sobre los precios del gas natural. Los
últimos componentes, X t, incluir variables que se cree para ayudar a explicar los movimientos de corto plazo en el precio Henry Hub. los
()L
Φ expresión representa un operador de polinomio lag
para la matriz de estas variables. Incluye los valores contemporáneos de estas variables y sus rezagos para cada mes. Las variables
son variables de inventarios de gas y climáticas naturales como los días de calor trabajando. inventarios de trabajo mensuales y sus
niveles relativos al mínimo en los últimos 5 años se utilizan a menudo en los análisis de los movimientos de corto plazo de los
precios del gas natural. Los aumentos en los inventarios (en relación con los mínimos) reflejan flojedad en el mercado. Por lo tanto,
deben tener un efecto negativo en los cambios de precios. los días de calor y sus desviaciones de las normas a 30 años son factores
importantes también. El clima frío aumenta la demanda de calefacción de gas natural y pone presión al alza en su precio. En varios
meses se señaló anteriormente que puede haber valores atípicos, como consecuencia de las fuertes tormentas e interrupciones del
mercado.
La ecuación de corrección de errores general contenida 32 coeficientes estimados. Una vez más, el objetivo es asegurar que el
proceso de datos para el cambio en WTI se explica de manera que la última parte, el término de error residual es un proceso de ruido
blanco. Seguimos un general al enfoque específico de las reducciones de pruebas en esta ecuación para encontrar un modelo
congruente.
Los modelos empíricos están en mejores aproximaciones del verdadero proceso de generación de datos (DGP). El modelo
econométrico debe exhibir ciertas propiedades deseables que la hacen una representación válida de la verdadera DGP. Hendry (1995)
y Mizon (1995) sugieren los siguientes seis criterios de acuerdo con la Escuela de Economía de Londres metodología (LSE).
34
1. Hay estructuras identificables en el modelo empírico que son interpretables a la luz de
teoría económica.
2. Los residuos deben ser ruido blanco para que el modelo sea válida una simplificación de la DGP.
3. El modelo empírico debe ser admisible en las observaciones precisas. Por ejemplo, nominal
las tasas de interés y los precios no pueden ser negativos.
4. Las variables condicionantes son exógenos al menos débilmente a los parámetros de interés en
el modelo. Los modelos de previsión requieren un fuerte exogeneidad, mientras que los modelos de política requieren súper
exogeneidad.
5. Los parámetros de interés deben ser constantes en el tiempo y permanecer invariable a cierta
clases de intervenciones. Esto se relaciona con el propósito del modelo en los criterios anteriores.
6. El modelo debe ser capaz de explicar los resultados de los modelos rivales; es capaz de abarcar
ellos.
El general proceso específico reducción modelo sigue pruebas de diagnóstico de la comparación del ajuste del modelo a partir de
las restricciones a retardos en diferentes retardos, bloques de variables, transformaciones de variables. Se utilizó el software
econométrico, PcGets, desarrollado por David Hendry y Hans-Martin Krolzig (2001), y se buscaron todos los caminos posibles para
reducir el modelo a un modelo final. La especificación final y estimación del modelo pueden expresarse como:
Δ S.S t
=- 0,25 0,26
+Δ WTI t
+ Δ0.14 S.S t - 1
- 0,19 ECM Bx
-1
t
ε+ t
+ t
(17)
Donde Β yx t son matrices de parámetros estimados y los efectos shortrun exógenos asociados,
respectivamente.
La estimación del modelo utilizando el LSE en general a la reducción enfoque específico tiene el beneficio de una mayor simplicidad
en más de un sentido. Debido a que los precios del petróleo crudo ahora se tratan como una variable exógena, la variable ficticia
impulso para agosto de 1990 ahora se puede eliminar a partir del modelo. Análisis de exclusión se llevaron a cabo en cada una de las
variables deterministas restantes, incluyendo las variables ficticias de impulso. variables ficticias de valores atípicos para diciembre y
febrero
1997 y septiembre de 2001, así como la variable ficticia transitoria para febrero / marzo de 1996 y febrero / marzo de 2003
fueron necesarias para asegurar la normalidad multivariante y homocedasticidad. Mensual variables ficticias estacionales
centradas se incluyeron en el modelo para capturar los efectos de la estacionalidad sobre los cambios a corto plazo en el
precio Henry Hub de gas natural. los
35
completas resultados del modelo, incluyendo las variables exógenas y deterministas se presentan en la Tabla 6.
Tabla 6. Corrección de error final Modelo (Cambio en el registro del precio Henry Hub)
variable modelo Coeficiente Error estándar p-valor

ΔlnHenryHub_1 0.1378 0,0548 0,013
ΔlnWTI 0.2560 0,0941 0,007
ECM_1 - 0.1852 0,0343 0.000
WorkingGasInventory - 0,0001 2.00E-05 0,002
WorkingGasInventory_2 - 0,0003 4.37E-05 0.000
Maniquí Transitorio (022003) 0.2577 0,0717 0.000
Maniquí Transitorio (021996) 0.4226 0,0711 0.000
Maniquí Impulse (1997: 02) - 0.1941 0,0708 0,007
Maniquí Impulse (1997: 12) - 0.3627 0,0996 0.000
Impulse simulada (2001: 9) - 0.3246 0,0996 0,001
Constante - 0.2542 0,0741 0,001
Centrada estacional 0 - 0.3670 0,0449 0.000
Centrado Seasonal 1 - 0.3745 0,0472 0.000
Centrada temporada 2 - 0.1981 0,0376 0.000
Centrado Seasonal 4 0.1215 0.0451 0,008
Centrada temporada 5 0.2352 0,0535 0.000
Centrado Seasonal 6 0.2142 0,0549 0.000
Centrada temporada 10 0.1355 0,0427 0,002
sigma 0.0961 RSS 1.6521

R^2 0.5793F (20179) = 12.32 **
log-verosimilitud 195.84DW 1.92
no. de observaciones 200 parámetros 21
significar (DlnHenryHub) 0,0107 var (DlnHenryHub) 0,0196
prueba AR 1-7: F (7,172) = 0.5408 [0,8026]

prueba ARCH 1-7: F (7,165) = 0.3573 [0,9256]
prueba de normalidad: Chi ^ 2 (2) = 1.1408 [0,5653]
prueba hetero: F (29,149) = 1.1614 [0,2767]
RESET: F (1,178) = 0.1169 [0,7328]
Fuente: Administración de Información de Energía, División de Gas Natural. Nota: **,

significativo al 1 por ciento.
Nota: variable ficticia Impulse es uno en el mes dado, 0 en caso contrario; la variable ficticia transitoria es 1 en el mes dado, -1 en
el mes siguiente, y 0 en caso contrario.
36
Implicaciones del modelo y modelo de dinámica
La ecuación (17) indica que un aumento del 10 por ciento en los precios del petróleo crudo contemporáneas dará lugar a un aumento de
aproximadamente 2,6 por ciento en precios del gas natural en el primer mes. El parámetro del término precio del gas natural lag tiene
una interpretación similar con un aumento del 10 por ciento en el precio del gas natural quedado lo que implica un aumento del 1,4 por
ciento en el precio contemporánea. La velocidad del parámetro de ajuste, 0,19, indica que aproximadamente el 19 por ciento de una
diferencia se recupera en el período siguiente.
Un hallazgo clave del modelo es que los ajustes a las diferencias en el ECM se pueden utilizar para explicar los movimientos de corto plazo en el
precio del gas natural. Esto hace que el modelo bastante flexible en la captura de los efectos de grandes perturbaciones estocásticas que
pueden causar desequilibrios. Esto también pone de relieve el hallazgo de que el gas natural y los precios del crudo han tenido un estable
relación de largo plazo a pesar de los períodos en que un gran pico exógena de los precios del petróleo, ya sea crudo o gas natural puede haber
producido la impresión de que estos dos precios se habían desacoplado.
Un par de ejemplos simples ilustrará cómo los precios del gas natural, responden a los cambios en el precio del petróleo crudo en el corto plazo,
manteniendo todo lo demás constante. Se consideran dos casos: en primer lugar, un aumento permanente en el precio del petróleo crudo, y en
segundo lugar, un aumento transitorio en el precio del petróleo crudo (Tabla 7).
El primer caso se presenta en el panel superior: los precios del petróleo crudo suben 20 por ciento y se mantienen sin cambios a partir de
entonces. La respuesta inmediata de los precios del gas natural es subir en aproximadamente un 5,0 por ciento en el mismo periodo que
se produce la crisis del petróleo. Este ajuste se produce principalmente a través de la expresión del precio del petróleo crudo
contemporánea en el lado derecho de la ecuación (17). En cada período sucesivo tras el choque inicial, los precios del gas natural siguen
aumentando, pero a un ritmo decreciente a medida que los precios del gas natural, se ajustan a la interrupción anteriormente en el error de
largo plazo. En los períodos siguientes el proceso de ajuste se transmite a través el término precio del gas natural lag y a través del término
ECM quedado en el lado derecho de la ecuación (17), mientras que el precio del petróleo crudo se mantiene sin cambios. los precios del
gas natural suben casi un 10 por ciento en los primeros 2 meses después del choque, y alrededor del 16 por ciento en 12 meses. La crisis
del petróleo no es
37
pasa a través de una base de uno a uno con los precios del gas natural, y el impacto es gradual a lo largo del tiempo.
Tabla 7. Los efectos de un cambio permanente y transitorio en el precio del petróleo crudo
Efectos de un cambio permanente en el precio del petróleo crudo
Período Cambio porcentual WTI Petróleo Crudo Precio Cambio porcentual Henry Hub Precio Spot
0 20.0 5.0
1 0.0 7.8
2 0.0 9.8
12 0.0 16.0
Efectos de un cambio transitorio en el precio del petróleo crudo
Período Cambio porcentual WTI Petróleo Crudo Precio Cambio porcentual Henry Hub Precio Spot
0 20.0 5.0
1 - 16.7 2.8
2 0.0 2.1
12 0.0 0.6
El segundo caso se presenta en el panel inferior: Un aumento transitorio en los precios del petróleo crudo se produce de tal manera que el precio
del petróleo crudo aumenta 20 por ciento en el período 0, seguido de una disminución de compensación en el período 1. Como en el caso anterior,
el gas natural precios responden al aumento simultáneo de los precios del crudo subiendo en alrededor de 5,0 por ciento. Este ajuste se produce
principalmente a través de la expresión del precio del petróleo crudo contemporánea en el lado derecho de la ecuación (17). En el período posterior
al pico inicial de precios, el precio del gas natural hubiera continuado subiendo a restaurar la relación de largo plazo. Como en el caso cambio de
precio permanente presentado anteriormente, el proceso de ajuste se transmite a través el término precio del gas natural lag y a través del término
ECM quedado en el lado derecho de la ecuación (17). Sin embargo, el precio del petróleo crudo se golpeó con un segundo contemporánea golpes
este precio del petróleo vez que un movimiento hacia abajo en el periodo 1 de alrededor de 17 por ciento en los precios del petróleo, que devuelve
el precio del petróleo a su nivel original. La segunda crisis del petróleo provoca un impacto a la baja a corto plazo en el precio del gas natural de
aproximadamente 4,4 por ciento que compensa con creces el ajuste a largo plazo para el precio del gas natural. Esto lleva el precio del gas natural
para disminuir alrededor de 2,2 por ciento en el período de 1 a sólo el 2,8 por ciento por encima de su nivel de partida inicial. Dos meses después
de la crisis del petróleo inicial (periodo 2), el precio del gas natural es de aproximadamente 2,1 por ciento por encima del nivel de precios inicial. En
los meses siguientes, el precio del gas natural sigue disminuyendo. A los 12 meses después de la descarga inicial, es alrededor de 0,6 por ciento
por encima de su que devuelve el precio del petróleo a su nivel original. La segunda crisis del petróleo provoca un impacto a la baja a corto plazo
en el precio del gas natural de aproximadamente 4,4 por ciento que compensa con creces el ajuste a largo plazo para el precio del gas natural. Esto
lleva el precio del gas natural para disminuir alrededor de 2,2 por ciento en el período de 1 a sólo el 2,8 por ciento por encima de su nivel de partida
inicial. Dos meses después de la crisis del petróleo inicial (periodo 2), el precio del gas natural es de aproximadamente 2,1 por ciento por encima del nivel de precios inici
38
nivel inicial.
Para facilitar la exposición, el análisis dinámico anterior de la Henry Hub ajuste de los precios del gas natural a un cambio en el precio
del petróleo crudo WTI centrado en el proceso de ajuste sosteniendo el término constante tendencia. Sin embargo, debe tenerse en
cuenta que la ecuación (15) implica que si se permite que el término tendencia a subir de forma monótona, el precio del gas natural
Henry Hub se asentará en un “estado estacionario” en el que los aumentos de precios de gas natural 0,52 por ciento cada periodo sin
ningún shocks adicionales al petróleo crudo o el precio del gas natural. Como el término tendencia continuó aumentando sin límite y se
hizo muy grande, el precio del gas natural Henry Hub, finalmente, se subía por encima del precio del petróleo crudo. Este no parece ser
el resultado plausibles, y sugiere que el modelado de los factores de oferta y demanda en relación con un término de tendencia es una
simplificación de la realidad. Sin embargo, en el contexto actual, utilizando el término simple tendencia es suficiente para establecer la
relación estadística entre los precios del petróleo crudo y gas natural, que era el objetivo del estudio. La identificación de los factores de
mercado subyacentes el término tendencia parece ser un camino fructífero para la investigación futura, pero está más allá del alcance
del análisis actual.
Resumen
La teoría económica sugiere que hay una relación entre el gas natural y los precios del petróleo, pero la influencia de un aumento
en los precios del petróleo puede entrar en conflicto en sus efectos sobre el suministro de gas natural, y por lo tanto, precios. La
producción de gas natural puede aumentar como co-producto de aceite, o puede disminuir como resultado de los recursos
productivos de mayor costo. Mientras que el efecto neto de un aumento del precio del petróleo en el suministro de gas natural
puede ser ambiguo, el efecto sobre la demanda de gas natural es claro, lo que resulta en una relación positiva entre los precios del
petróleo y de gas natural. Dada la relativa falta de elasticidad de la oferta de gas natural en el corto plazo debido a factores tales
como un retraso de 12-18 meses en la respuesta de la producción a los cambios de perforación, parece que el efecto de los precios
del petróleo sobre la demanda de gas natural es dominante en el corto plazo.
El análisis apoya la presencia de una relación de cointegración entre el petróleo crudo y de series de tiempo el precio del gas natural,
proporcionando evidencia estadística significativa de que WTI petróleo crudo y precios del gas natural Henry Hub tienen una relación de
cointegración de largo plazo. Una de las principales conclusiones del análisis es que los precios del gas natural y del petróleo crudo han
tenido históricamente una relación estable,
39
a pesar de los períodos en los que pueden haber aparecido para desacoplar. Se estimó una VECM de los precios del petróleo crudo y gas
natural, y facilitó el análisis de la relación de cointegración de largo plazo y los ajustes de corto plazo de los precios. La estimación del
modelo resultó en la identificación de evidencia de una relación estable entre el gas natural y los precios del petróleo crudo. La evidencia
estadística también apoyó la expectativa a priori que mientras que los precios del petróleo pueden influir en el precio del gas natural, el
impacto de los precios del gas natural en el precio del petróleo es insignificante. Con los precios del crudo débilmente exógenas a precios
del gas natural, se encontró que la respuesta a corto plazo del precio del gas natural a los cambios contemporáneos en el precio del
petróleo para ser estadísticamente significativa.
Otro hallazgo clave del modelo fue el término de tendencia estadísticamente significativa, lo que sugiere que los precios del gas natural
parecen estar creciendo a un ritmo ligeramente más rápido que los precios del petróleo, reducir la brecha entre los dos en el tiempo.
Como se señaló anteriormente, mientras que el término tendencia es suficiente para establecer la relación estadística entre el petróleo
crudo y el precio del gas natural, es una simplificación de la realidad. Debido a que el MCE se basa en la inclusión de un término simple
tendencia en el modelo, el enfoque de cointegración es actualmente inadecuados para la aplicación en el modelado actual a largo plazo y
de corto plazo de la EIA como el Annual Energy Outlook y el Short-Term Energy Outlook.
Más análisis será necesario antes de EIA puede considerar la adopción de este enfoque. Además de desarrollar una representación
explícita de los elementos estructurales que subyacen a la variable de tendencia temporal en el modelo actual, los estudios futuros
deben explorar la aplicación de los resultados de una estable relación de largo plazo entre el petróleo, gas natural y otros precios de los
combustibles, tanto en largo -run y shortrun previsión.
El análisis en este documento proporcionan evidencia estadística apoya la hipótesis de que los precios del gas natural y petróleo crudo
son series de tiempo no estacionarias. De hecho, la mayoría de las series económicas son
no estacionario, que probablemente incluye los precios de la energía y el consumo de datos. Esto sugiere que el modelado de datos de
energía sin tener en cuenta la posible no estacionariedad de los datos podría llevar a los investigadores a perder características y
propiedades de los datos importantes y proporcionar resultados falsos o engañosos. Esto puede tener implicaciones importantes para la
estimación, previsión y análisis de políticas. La teoría de la cointegración proporciona una herramienta eficaz en el modelado de datos no
estacionarios, la restauración de la estacionalidad de los datos, la solución del problema de regresiones espurias, y explotar relaciones
útiles entre las series de tiempo. Esto no significa que los modelos que explotan las relaciones de cointegración son siempre superiores a
los modelos que no los utilizan, como los cambios estructurales en
40
cointegración relaciones puede conducir a pronosticar el fracaso. Sin embargo, el análisis de cointegración puede proporcionar un punto de
referencia útil para los predictores de energía con el que comparar sus predicciones, estimular la reflexión y la mejora de la exactitud del
pronóstico.
41
Referencias
Brown, SPA, y MK Yucel (1993). “El precio del gas natural en los mercados de Estados Unidos.” Banco de la Reserva Federal de
Dallas. Economic Review. Segundo trimestre: 41-51.
Brown, SPA. (2005). “El precio del gas natural: Do precios del petróleo siguen siendo importantes?” Banco de la Reserva Federal de
Dallas. Economía suroeste. Julio / Agosto: 9-11.
Costello, Ken, HGHuntington, y JF Wilson (2005). “Después de que el gas natural de la burbuja: una evaluación económica de la
reciente Consejo Nacional de Estudio Petróleo de Estados Unidos.” Diario de energía,
Vol. 26, Nº 2, pp 89-110.
Engle, RF, DF Hendry y Richard JF (1983). “Exogeneidad”. Econometrica. 51: 277-304.

Reimpreso en Hendry, DF, Econometría: Alchemy o ciencia? Oxford: Blackwell Publishers, 1993, y
Oxford University Press, 2000; y en Ericsson, NR, y Irons,
JS (eds.) Las pruebas Exogeneidad, Oxford: Oxford University Press, 1994. Engle, RF y CWJ Granger (1987).
“Cointegración y corrección de errores: Representación, Evaluación y pruebas.” Econometrica 50: 987-1007.
Foss, MM (2005). “Problemas Globales de Gas Natural y desafíos: un comentario”. El Diario de Energía, 26 (2): 111-128.
Hamilton, JD (1994). Análisis de series temporales. Princeton: Princeton University Press. Hendry, DF (1986).
“Modelización Econométrica con variables cointegradas: una visión general.”
Oxford Bull. Econ. Stat. 48 (3): 201-212. Hendry, DF (1995). Econometría dinámicas. Oxford: Oxford University Press.
Hendry, DF y K. Juselius (2000). “Explicando Análisis de cointegración: Parte I.” El Diario de Energía, 21 (1): 1-42.
Hendry, DF, y K. Juselius. (2001). “Explicando análisis de cointegración: Parte II.” El Diario de Energía, 22 (1):
75-120.
Jabir, Imad. (2006). “El examen de la Relación de ejecución durante mucho tiempo entre los precios al contado del petróleo crudo y
gas natural.” Documento de trabajo. IAEE Conferencia Internacional, Potsdam, Alemania: junio de 2006. Jensen, JT (2003). “La
revolución de GNL”. El Diario de Energía, 24 (3): 1-45. Johansen, S. (1988). “Análisis estadístico de vectores de cointegración.” Revista
de Dinámica Económica andControl, 12: 231-254.
Johansen, S. (1991). “Las pruebas de Estimación y Hipótesis de vectores de cointegración en modelos Gaussian Vector
autorregresivos.” Econometrica, 59: 1551-1580.
Johansen, S. (1994). “El papel de los términos constantes y lineales en análisis de cointegración de las variables no
estacionarias.” Econométricos, Críticas 12: 205-229.
42
Krolzig, H.-M. DF y Hendry (2001). “Automatización Informática de Procedimientos Generales a lo específico Selección del
modelo”. Diario de la dinámica económica y de control, 25: 831-866. Mizon, Graham. (1995). “Un mensaje simple para
Correctores de autocorrelación: No”. Journal of Econometrics , 69, 267-288.
Consejo Nacional del Petróleo (2003, 2004). “El equilibrio natural Política de Gas - Alimentando las demandas de una economía en
crecimiento.” Volumen I: Resumen de las conclusiones y recomendaciones,
Septiembre de 2003, y Volumen II: Informe, marzo de 2004 integrado.
Nelson, CR, y CI Plosser (1982). “Tendencias y Random Walks en Macroeconómico de series temporales: algunas evidencias
e implicaciones.” Diario de Economía Monetaria, 10 (1): 139-162. Panagiotidis, T. y E. Rutledge (2004). "Mercado de petróleo y
gas en el Reino Unido: Evidencia de un enfoque de cointegración." Economía Dept, Universidad de Loughborough. Documentos
de debate:
Noviembre de 2004.
43

Cnih 2010

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Cnih 2010

Загружено:

Авторское право:

Доступные форматы

La relación entre los precios del gas natural y petróleo crudo

por José A. Villar Gas

Natural División de Administración de

Universidad de Washington George Joutz

• picos en los precios del petróleo en 1990 tras la invasión de Kuwait

• el colapso del precio del petróleo desde el exceso de oferta en 1999

• drásticos aumentos del precio del petróleo desde 2003

• reforma de la regulación del gas natural sustancial

• escasez de suministro significativas en inviernos fríos

• la burbuja de suministro de gas natural para la mayor parte de la década de 1990

• grandes aumentos en los precios del gas natural a partir de 2001.

Precio (dólares por barril)

1990 1995 2000 2005

Fuente: Administración de Información de Energía, Short-Term Energy Outlook, varios temas.

del gas natural, pero no están influenciados por ellos.

impacto pronunciado sobre los precios en un mercado apretado.

de la producción de gas natural comercializado en los Estados Unidos.

Un aumento en el precio del petróleo daría lugar a

de encontrar y desarrollar perspectivas de gas natural.

de gas natural y petróleo.

El análisis se presenta en cinco secciones y procede como sigue.

no estacionarias y cómo se relacionan con la noción de cointegración.

examinar su retroalimentación en las dos series de precios.

Conceptos clave de serie temporal

Características de estacionario y no estacionario de series temporales

distribuidas con media cero y varianza σ 2.

las perturbaciones aleatorias.

2 Ver Hamilton (1994), o Hendry (1995).

independientemente de tiempo. Sin embargo, si ρ = 1, se puede demostrar que:

que subyace a la clásica

modelo de regresión lineal: sin autocorrelación,

la tendencia al alza similar a lo largo del tiempo.

en el cambio entre los períodos.

ejemplo, en la ecuación (3) y t es integrada de orden 1, o I (1).

Xt y yt están cointegradas si es posible formar un lineal

combinación, tales como:

donde tu t es un I estacionario (0) variable.

longrun que se puede evaluar empíricamente.

Un análisis gráfico y estadístico sencillo

el Short-Term Energy Outlook y Annual Energy Outlook.

meses sucesivos, seguidos de períodos de caídas sucesivas. Además, la volatilidad de la

petróleo crudo WTI.

Precio HenryHub Gas Natural Precio del petróleo crudo WTI

1990 1995 2000 2005

1990 1995 2000 2005 1990 1995 2000 2005

Figura 4. Henry Hub y West Texas Intermediate precios de histograma y autocorrelograma

Fuente: Administración de Información de Energía, División de Gas Natural.

En primer lugar Diferencia WTI precios del gas natural

Fuente: Administración de Información de Energía, División de Gas Natural.

Las pruebas de raíces unitarias

5 Ver Hamilton (1994)

correlacionados en serie basado en la estadística Criterio de información de Akaike (AIC).

12 -3,373 0,060 -4.003 -2.086 -0,040 -5,088

En primer lugar Diffe rencia lnHenr yHub primera D iferencia lnw TI

12 - 4,093 ** 1,808 -3,959 - 3,608 ** 1,495 -5,078

Administración de Información de Energía de la Oficina de Petróleo y Gas, octubre de 2006

Especificación del modelo VAR

VAR bivariante. El VAR se puede especificar en notación matricial como:

• En HenryHub • • ln HenryHub t- 1 • • constante • •ε t,1 •

los términos de error, son escalares.

obtener resultados que aparecen cerca de la

6 Ver Hamilton (1994).

Lag selección de longitud

12 - 4,093 1,808 -3,959 - 3,608 1,495 -5,078