11 Padova, 10 Maggio 2013 Università di Padova - Dipartimento di Statistica Modelli di Profit@Risk...
-
Upload
vicenzo-di-giacomo -
Category
Documents
-
view
212 -
download
0
Transcript of 11 Padova, 10 Maggio 2013 Università di Padova - Dipartimento di Statistica Modelli di Profit@Risk...
11Padova, 10 Maggio 2013
Università di Padova - Dipartimento di Statistica
Modelli di Profit@Risk del portafoglio elettrico: un approccio di time series
Domenico Francesco Floro, Head of Finance Risk Management
Forward-looking statements
This document contains certain forward-looking information that is subject to a number of factors that may influence the accuracy of the statements and the projections upon which the statements are based.There can be non assurance that the projections or forecasts will ultimately prove to be accurate; accordingly, the Company makes no representation or warranty as to the accuracy of such information or the likelihood that the Company will perform as projected.
2
33
Agenda
Overview ERG’s Group
L’adozione del Profit@Risk nel portafoglio elettrico
44
Overview ERG’s Group
55
Acquisition Wind Farms by GDF /IP Maestrale
On February 2013 ERG Renew closed the deal with International Power Consolidated Holding Ltd (100% GDF SUEZ) and now owned an 80% share of IP Maestrale Investments Ltd.
With this JV, ERG increase its installed capacity to 1.231 MW, and became the first operator in Italy.
Overview ERG’s Group
66
Strategic RiskThe ERG’s Risk Portfolio
• Source • Uncertainty drivers
Characteristic business
– Commodities input/output (or indirect effect)
– Market dynamics (supply, demand)– Volume (market share) and mix– Competition (price/offer)– Inventory value (due to commodities)
Financial market– Exchange rates– Interest rates– Participations/subsidiaries
Industrial operations
– Plants reliability– Health, safety and environment– O&M costs and “stay-in-business”
capex– Supply chain reliability
New projects development
– Time to market and costs– Authorizations (permitting)– M&A (acquisition cost, synergies,
unknown liabilities)
Regulatory/ society– Market regulation– Emissions and environmental
standards – Safety requirements and
technological standards– Influence of social and public
opinion
• Source • Uncertainty drivers
Technology
– R&D delivery– Competitiveness of own technology– New products, new markets
Catastrophic events– Sabotage, attack, war – Natural events– Expropriation
Counterparties
– Commercial (insolvency, delays)– Financial (liquidity)– Supplier (country risk, bankruptcy)– Partnership/JV/long-term contracts– Unknown contractual commitments
Organization/ managerial processes
– Compliance with standards on:• Safety• Accounting/reporting• Labour/employment• Ethic/corruption
– External relations– Human capital/skills– Operations on financial markets/
commodities
77
Application of ERM methodology since 2006
Industrial business philosophy
No speculative operations are allowed
ERG uses “derivatives” only for hedging purposes
Strategic RiskPolicy
88
Agenda
Overview ERG’s Group
L’adozione del Profit@Risk nel portafoglio elettrico
9
L’adozione del Profit@Risk nel portafoglio elettrico
Il Risk Capital
• Il concetto di risk capital nasce nel trading finanziario, dove rappresenta il capitale che l’investitore mette a rischio per gli investimenti e che è chiamato a rifornire in caso di perdita
Definizione classica
Uso in Erg
• Si definisce Risk capital l’aggregazione di tutti i PaR dei rischi liquidi e non liquidi di una attività specifica (p.es. le attività di Erg Power & Gas)
• L’aggregazione è effettuata includendo le correlazioni dei singoli rischi
• Il risk capital rappresenta quindi la massima perdita / eccesso di profitto dell’attività specifica all’interno dell’intervallo di confidenza adottato
• Il risk capital è assegnato per l’intero anno di attività di Erg Power & Gas
9
10
L’adozione del Profit@Risk nel portafoglio elettrico
Profit at Risk e Value at Risk sono indicatori di rischio che misuranola massima perdita di profitto o di valore di una attività o di un portafoglio di attività su un dato periodo di tempo con una data probabilità (intervallo di confidenza)
• Indica la massima perdita di profitto di una attività a causa della volatilità dei mercati di riferimento o alla variabilità di fattori interni all’attività stessa
• Si applica a posizioni e attività che non possono essere smobilitate in un periodo limitato.(p.es. attività di vendita ai clienti finali o attività basate su asset)
Profit at Risk
Value at Risk
• Indica la massima perdita di valore di un portafoglio di attività a causa della volatilità dei mercati di riferimento
• E’ un indicatore caratteristico delle attività di trading e degli investimenti finanziari (equivale alla perdita di valore del mark to market)
• Si applica a posizioni e attività che possono essere smobilitate in un periodo limitato.
• VaR = Posizione * Volatilità (su periodo e probabilità dati) * livello di confidenza
11
L’adozione del Profit@Risk nel portafoglio elettrico
La proposta di risk policy deriva da una mappatura delle attività caratteristiche del business EPG e dei relativi rischi associati
Mappatura dei rischi di business
Definizione linee guida di gestione dei rischi
Definizione risk policy
Disegno sistema di controllo
Sviluppo procedure di dettaglio
Disegno modello organizzativo
Quantificazione dei rischi
Quantificazione limiti
Attività e portafogli (EE e Gas)
Mappatura rischi legati ad attività di business
Quantificazione rischi e definizione linee guida di
gestione
Sviluppo degli strumenti di gestione operativa
11
12
L’adozione del Profit@Risk nel portafoglio elettrico
EPG è esposta a rischi liquidi di mercato, a rischi intrinseci del business EE e Gas e a rischi operativi di gestione degli asset
Framework rischi ai quali e’ esposto il business EPG
Portafoglio EE Portafoglio Gas
Rischi liquidi di mercato
Rischi intrinseci di business
Rischi operativi di gestione
assets
Rischi liquidi di mercato
Rischi intrinseci di business
Prezzo sui sottostanti
Prezzo energia elettrica su posizioni aperte
CCT (1)
CO2 (2)
Replacement
Sbilanciamento
Profilo
Forced outages
Efficienca produzione
Prezzo sui sottostanti
Prezzo gas su posizioni aperte
Replacement
Penali (3)
Profilo
(1) Rischio parzialmente liquido in considerazione delle caratteristiche peculiari del mercato di copertura (aste CCC annuali / mensili di Terna)(2) Non coperta nell’ambito della presente policy in quanto già oggetto di una politica gestionale ad hoc a livello di Gruppo(3) Rischio equiparabile al rischio sbilanciamento per il mercato elettrico
12
13
L’adozione del Profit@Risk nel portafoglio elettrico
La gestione del rischio può seguire due principali approcci: limiti di rischio o vincoli procedurali
La gestione tramite limiti di rischioLa gestione tramite limiti di rischio
Prevede:• La quantificazione di un risk capital1 sulla base delle attività
di business e della propensione al rischio della Società• La traduzione del risk capital1 in una gerarchia di limiti
attribuiti ai diversi rischi / attività svolte• Interventi da parte di strutture di controllo su base periodica
e puntualmente in caso di superamento dei limiti• Attività di monitoraggio quotidiane
Assicura che la perdita sia mantenuta entro il risk capital1
È applicabile in presenza di:• Mercati liquidi• Mercati volatili
È integrata da limitazioni operative relativamente a:• Prodotti• Mercati• Controparti
La gestione tramite procedureLa gestione tramite procedure
Prevede la definizione di procedure rigide, generalmente basate su massimali volumetrici• Quantificazione del rischio non possibile a priori• Variabilità, anche significativa, del rischio associato ad
un dato volume in funzione delle volatilità di mercato
Unica soluzione possibile se non esistono mercati liquidi di riferimento e/o strumenti di controllo
Alternativa sub-ottimale per la gestione di rischi liquidi • Non tiene conto della visione di mercato• Nessuna autonomia gestionale della società operativa• Rigida relativamente al timing delle coperture (possibile
obbligo di copertura / chiusura di posizioni in circostanze di mercato sfavorevoli)
1 Massima “perdita” accettabile per conseguire gli obiettivi di business su orizzonte annuale e con una data percentuale di probabilità
In base alle best practice di mercato, il principio proposto è una gestione per limiti relativamente ai rischi che richiedono flessibilità operativa e per procedure dove il limite non è applicabile
13
Prezzo sui sottostanti
14
L’adozione del Profit@Risk nel portafoglio elettrico
Sintesi dei rischi mappatiFuori servizio unplanned delle unità di generazione
Variazione del rendimento elettrico delle unità di generazione rispetto alle assunzioni di piano
Variazioni dei volumi di produzione o di vendita previsti nel medio / lungo termine ( > 1 settimana)
• Produzione: rischio indisponibilità produzione nel breve termine• Consumi: variazioni nel consumo dei clienti finali e di sito rispetto alla previsione al giorno prima
Differenza nel medio periodo tra il profilo di consumo aggregato previsto e quello consuntivo
Posizioni aperte (lunghe o corte) esposte alla volatilità di prezzi / spark spread (es. lungo CCGT)
Premio zonale: differenze di prezzo tra aree diverse (differenza tra PUN e prezzo in Sicilia)
Rischio legato alla variabilità dei prezzi dei certificati di emissione CO2
Indicizzazione dei prezzi delle fonti e degli impieghi (EE e gas) a sottostanti petroliferi e cambio
Posizioni aperte (lunghe o corte) sul mercato gas esposte alla variazione di prezzo del gas
Variazioni dei volumi di approvvigionamento o di vendita previsti nel medio termine ( > 1 mese)
Variazioni del consumo proprio (CCGT) e dei clienti finali rispetto ai volumi contrattualizzati / alle “nominations” effettuate con conseguente pagamento di penali di trasporto e stoccaggio
Differenza tra il profilo mensile del fabbisogno dei clienti finali aggregato previsto e il profilo effettivo
Prezzo EE su posizioni aperte
Premio zonale
Replacement
Sbilanciamento
Profilo
Prezzo gas su posizioni aperte
Replacement
Penali
Profilo
CO2
Efficienza produzione
Forced Outages
GAS
EE
Rischi liquidi di mercato
Rischi intrinseci di business
Rischi operativi di gestione assets
14
15
L’adozione del Profit@Risk nel portafoglio elettricoModello economico e sotto-portafogli
Il portafoglio elettrico, viene suddiviso in sotto-portafogli sulla base della loro natura tecnica ed economica e di rischio.
ITEMSMDC PAR PAR/MDC
(€M) (€M) %
PTF Produzione 20,6 5,0 24%
PTF CCT 50,9 10,3 20%
PTF Ottimizzazione 2,0 0,6 28%
PTF import Francia 0,2 0,2 100%
CO2 1,9 0,4 21%
TEE 7,0 0,0 0%
CV -13,3 1,2 -9%
PTF Oneri ambientali -4,4 1,6 -36%
MDC PTF 69,3 17,7 25%
BUDGET 2012Ciascun portafoglio genera margine di contribuzione il cui valore realizzato dipende anche da componenti di mercato e dalle sue volatilità.
In particolare l’ MDC e’ legato ai prezzi delle commodities utilizzate nella produzione dell’energia elettrica ( costi) e dal prezzo dell’energia elettrica (ricavi) sul mercato di riferimento.
Le quantità prodotte sono generate dal piano di produzione, parte delle vendite è già fissata contrattualmente.
NB: I valori sono a titolo esemplificativo15
Il grafico sottostante riporta un profilo di produzione di EE venduta a mercato .
La variabilità del MdC è legata al valore di Spark Spread, margine di profitto per gli impianti di produzione di energia elettrica, che a sua volta dipende dalla variabilità dei sottostanti che lo determinano e dalla loro corrrelazione:
prezzo del GAS (fornitura per alimentazione degli impianti) prezzo dell’Energia Elettrica
L’adozione del Profit@Risk nel portafoglio elettrico
Portafoglio produzione a mercato
16
17
L’adozione del Profit@Risk nel portafoglio elettrico
Portafoglio produzione a mercato: drivers di variabilitàI principali drivers di variabilità/volatilità:
• Esistono essenzialmente due differenti approcci nella pratica:
– Il primo richiede la esplicita modellizzazione delle variabili in oggetto tramite un modello statistico ( approccio parametrico)
– Il secondo e’ noto come ‘historical simulation approach’ e deriva la CDF delle variabili stimando i percentili della popolazione con i percentili campionari.Tuttavia un pesante drawback di questo approccio e’ che assume indipendenza tra le varie variabili considerate.
18
L’adozione del Profit@Risk nel portafoglio elettrico
Forecasting commodities prices
E’ quindi di fondamentale importanza disporre di un modello di forecasting dei vari prezzi delle commodities sottostanti al MDC e la sua aleatorieta’ (Profit at risk= Par).
L’adozione del Profit@Risk nel portafoglio elettrico
I due principali approcci alla modellizzazione stocastica dei prezzi nella pratica aziendale:
Models categories description
Simulazione di molti possibli path della variabile
1
Ottenere una distribuzione di probabilità per la variabile sulla base della distribuzione dei dati
2
DescriptionType examples
Common applications
• Simulazione di come una variabile puo’ evolvere di mese in mese, rispetto ad ipotesi di valore atteso.
• Modelli statistici (eg. AR,MA,ARMA,CKLS)
• Assets per cui si ha disponibilita di una serie storica:
- Stock prices- Financial var.- Commodities
• Scegliere un valore sulla base della distribuzione dei possibili valori futuri (approccio utilizzato quando I dati storici non sono buoni predictors del futuro
• Poisson • Medical experiment
• Triangular
• Gaussian • Financial variables
Definizione di stochastic engine
• Un stochastic engine genera un campione di realizzazioni possibili di una certa variabile sulla base di parametri stimati (e.g. mean, st. dev., etc.)
• Lo scopo di un motore stocastico e’ di simulare il possibile range di realizzazioni della variabile ,dati alcuni parametri (e.g. expected mean, historical volatilities)
• Variables highly uncertain
Concepts
19
L’adozione del Profit@Risk nel portafoglio elettrico
Approccio al Forecasting
• Abbiamo scelto la modalità indicata come concept 1 nella slide precedente: utilizzare un modello statistico per descrivere l’andamento delle variabili.
• Modelliamo i prezzi delle commodities con un approccio di pure time series: le componenti variabili dei vari prezzi del GAS ,Il PNEXT e il PUN vengono rappresentati come processi stocastici ,in particolare come moti browniani con mean reversion.
• La calibrazione dei processi avviene stimando i momenti della popolazione con i corrispondenti momenti campionari sulla base di una serie storica triennale e con osservazioni mensili. Come valore atteso delle serie di prezzo si e’ scelto di utilizzare il prezzo forward di mercato al momento della simulazione.
• Una volta calibrati i processi simuliamo 10000 path delle variabili attraverso Monte Carlo simulations e si introduce la correlazione tra i diversi prezzi con la Cholewsky decompostion della matrice stimata di correlazione.
20
21
L’adozione del Profit@Risk nel portafoglio elettrico@Risk simulation: how can we model uncertainty?
Risk approach takes a probalistic lens to assess project financials
0
100
200
300
400
500
600
700
800
1975 1980 1985 1990 1995 2000 2005 2010 2015 2020
Actual
• Historical moving average
• Daily, monthly volatility
• Errors from forward/forecast operations
Today Future
“Cone of uncertainty” Stochastic modelling
Gold priceCents/lb
Price
Past
• Today price• Forward
prices• Forecast
(e.g. from a model)
• Scenarios for the expected outcomes
• Probability distribution
• Multiple alternative paths forward
Bas
ic in
fo
Monte Carlo simulation of several thousand plausible paths• Small discrete time steps (e.g., monthly)• Reflect auto-correlation and regime changes
2010 possible outcomes
2015 possible outcomes
Aggregated probability distribution over time periods of interest
2010 possible outcomes
2015 possible outcomes
Aggregated probability distribution over time periods of interest
Historical data
22
L’adozione del Profit@Risk nel portafoglio elettrico
Some specific elements have to be taken into account while modeling commodity prices
What is it?Element of commodity price dynamics How to calibrate?
Relevant for ERG?
• Daily volatility of price changes monthly, consequence of market information uncertainty
Volatility • From historical data
• Tendency to revert to long-term supply-demand equilibrium value and/or average economic costs
Mean reversion
• From historical data (having defined equilibrium value)
• Systematic evolution of supply/demand determine market equilibrium value
Trend of equilibrium value
• Industry dynamics model• Management insights• Forward prices
• Random events (e.g., failures) that temporarily or permanently change fundamentals
Jump diffusion
• Industry dynamics• Management insights• Historical data
• Systematic (nearly) predictable supply/demand changes
Seasonality • Historical data
• Commodities in same value chain or by-products
Correlation with other factors
• Historical data
23
L’adozione del Profit@Risk nel portafoglio elettrico
Visual inspection : PUN e PNEXT
Il PUN (Prezzo unico nazionale) è la media dei prezzi zonali di MGP ponderata con gli acquisti totali, al netto degli acquisti dei pompaggi e delle zone estere.
Il PowerNext è il prezzo dell’EE in Francia pubblicato da Powernext SA.
24
L’adozione del Profit@Risk nel portafoglio elettrico
Visual inspection: Prezzi gas
Le formule di Gas contrattualmente utilizzatesono:
Formula Edison
Formula Eni
GR 07 pro Iren
:
CO2
25
L’adozione del Profit@Risk nel portafoglio elettrico
Visual Inspection: CCT
• CCT: corrispettivo orario, definito dall'articolo n.43 della delibera 111/06 e ss.mm.ii dell'AEEG. Rappresenta la differenza tra tra il prezzo unico nazionale PUN e il prezzo zonale della zona in cui sono collocati i punti di dispacciamento.
26
L’adozione del Profit@Risk nel portafoglio elettrico
CKLS has been selected for modelling because it captures key elements of commodities price dynamics
Detailed in the following
x = Pricea = Expected change in price over specified time increment (non-stochastic)s = Volatilityz = Random number generated from process based on normal distributionq = Random number generated from process based on non-normal (usually Poisson) distribution k = Speed of mean reversion (how far away from long-run average prices are allowed to go)m= Long-run average price toward which stochastic prices revertt = Time index, where dt is the specified time increment (e.g., daily, hourly)y = power of weight of price proportional
Key parameters
Price process Functional formJumpbehavior
Jump-Diffusion dx x dt x dz x dq= - + +k m s n( )
Lognormal (GBM) dx x dt x dz= +a s X
Ornstein-Uhlenbeck dx x dt dz= - +k m s( ) X
Geometric O-U d x x dt dzln( ) ( ln( ))= - +k m s X
Mean reversion
X
SkewKurtosis
XX
X
X
Price prop.
Mean, sigma
X
Volatility
Chan - Kasolui -Longstar and Sanders (CKLS)
dx x dt sxy dz= - +k m( ) X
Diffusion dx dt= a XX XXX X
tt
Stima delle correlazioni storiche tra variabili e implementazione della correlazione forcasted tramite Cholewsky
L’adozione del Profit@Risk nel portafoglio elettrico
Correlation’s analysis
27