Previsione del prezzo dei permessi CO2 nel mercato ETS europeo

Il mercato ETS europeo

Il mercato ETS europeo è un sistema cap-and-trade nel quale viene fissato un tetto massimo alle emissioni complessive. Le imprese soggette al sistema devono detenere permessi sufficienti a coprire le proprie emissioni, mentre gli operatori finanziari possono negoziare le quote come asset di mercato.

Il prezzo dei permessi CO₂ riflette quindi un insieme articolato di fattori: aspettative finanziarie, politiche climatiche europee, prezzi dell’energia e composizione della generazione elettrica. Questa doppia natura, regolatoria e finanziaria, rende il prezzo dei permessi ETS particolarmente difficile da prevedere nel breve periodo.

Obiettivi del modello

L’obiettivo è costruire un modello econometrico capace di prevedere il prezzo medio atteso della CO₂ su un orizzonte dei 15 giorni successivi. La previsione non si basa sulla semplice estrapolazione del prezzo corrente, ma combina informazioni provenienti dalla curva dei futures con variabili legate ai fondamentali energetici, in modo da cogliere sia le aspettative finanziarie sia le condizioni del mercato dell’energia.

La previsione della CO₂ rappresenta un tassello importante per la successiva costruzione di un modello di previsione del PUN orario. Il prezzo dei permessi ETS incide infatti sui costi di generazione degli impianti fossili e verrà quindi utilizzato, nei modelli successivi, come variabile di base per spiegare e prevedere la dinamica dei prezzi elettrici all’ingrosso in Italia^[1].

I dati

Il dataset finale ha frequenza giornaliera e combina dati finanziari PricePedia con dati ENTSO-E^[2], originariamente disponibili a frequenza oraria e successivamente aggregati a livello giornaliero. Nel modello finale, il primo stadio utilizza 766 osservazioni, mentre il secondo stadio è stimato su 765 osservazioni.

Nella tabella seguente sono descritte le principali variabili utilizzate nei due stadi del modello.

Variabili utilizzate nel modello CO₂

Struttura del modello

Il modello è articolato in due stadi. Il primo stadio stima il prezzo medio atteso della CO₂ sui successivi 15 giorni di mercato, indicato come CO2_15. Il secondo stadio descrive invece la variazione giornaliera del prezzo della CO₂, considerando sia il movimento del target stimato dal primo stadio sia la correzione dello scostamento rispetto a tale target.

Primo stadio - variabili e interpretazione

CO2_15 = 11.5583 + 0.8643CO2 + 0.8459DIFF_C12M + 0.0133CARB_GAS

Per la stima del modello del primo stadio sono state implementate le seguenti variabili:

La variabile dipendente, come indicato è CO2_15. Questa variabile rappresenta la media mobile futura del prezzo della CO₂ per i successivi 15 giorni. La scelta di utilizzare CO2_15, invece del semplice prezzo corrente del future CO₂ a 1 mese, risponde all’esigenza di orientare il modello alla previsione.

Regressori:

• CO2 (coeff. 0.8643): Future CO₂ a 1 mese. Il coefficiente positivo (si veda la tabella precedente) è vicino a 1. Esso segnala che questa variabile cattura la forte persistenza dei prezzi finanziari. Una variazione di +1 €/t registrata oggi, determina una variazione di +0.86 €/t sul prezzo medio atteso a 15 giorni.
• DIFF_C12M (dato dalla differenza CO2 – C12M, coeff. 0.8459): Misura la distanza tra il future EUA a 1 mese e quello a 12 mesi. Questa variabile è positiva quando il prezzo atteso ad un mese è superiore del prezzo atteso a 12 mesi. Questo significa che il mercato si attende una maggiore pressione della domanda a un mese che non nel medio periodo. Il coefficiente positivo di questo regressore tende quindi a catturare la maggior pressione concentrata sul breve periodo della curva.
• CARB_GAS (coeff. 0.0133): Questa variabile cattura l’effetto dovuto al mix di fonti energetiche utilizzate, noto in letteratura come fenomeno del fuel switching, cioè la sostituzione tra diverse fonti energetiche nella produzione di energia. Quando il prezzo del gas, o l’aspettativa sul prezzo futuro del gas, aumenta rispetto alle altre fonti fossili, gli operatori hanno incentivo a ridurre l’utilizzo del gas e ad aumentare il ricorso al carbone. Questo provoca un aumento delle emissioni di CO2 e, di conseguenza, una pressione al rialzo sul prezzo della CO₂. La variabile utilizzata nella regressione è data dal prodotto tra queste due componenti:
  • Come prima componente è stata utilizzata la quota di produzione di energia da carbone sul totale delle fonti di energia fossili, e poi è stata fatta una media mobile a 30 giorni: SH_CARB_MM30.
  • Per vederne l’effetto congiunto sul prezzo futuro dei permessi CO2, la quota di energia prodotta tramite carbone è stata moltiplicata con la differenza tra i future a 12 e 1 mese del TTF: (TTF12 - TTF1), che cattura le aspettative sul prezzo del gas.

  Il coefficiente positivo e significativo ci conferma che la variabile per come è costruita coglie un effetto non lineare: l’effetto della quota di carbone utilizzato nel mix energetico non è costante, ma dipende anche dalle aspettative sul prezzo del gas.

  CARB_GAS = SH_CARB_MM30 × (TTF12 − TTF1)

  Quando l'utilizzo del carbone aumenta e il gas si prevede più caro, l’effetto sulla domanda di permessi è amplificato. È bene sottolineare che il modello è stato testato anche utilizzando la sola variabile SH_CARB_MM30, senza interazione con la curva del gas. Anche in quella specificazione il coefficiente della quota carbone risulta positivo e statisticamente significativo. Questo conferma che il peso del carbone nella generazione fossile è di per sé un driver rilevante del prezzo della CO₂. L’introduzione di CARB_GAS rappresenta quindi una complicazione volutamente introdotta, non perché la sola quota carbone non funzioni, ma per comprendere meglio la dinamica congiunta tra aspettative sul prezzo del gas e utilizzo del carbone.

Il modello spiega circa l’86,4% della variabilità del prezzo medio atteso nei successivi 15 giorni. Tutti i regressori sono statisticamente significativi.

Secondo stadio – variabili e interpretazione

Δ CO2_t = 1.1355 ΔCO2_15EQ_t - 0.0189 ERR_t-1

Il secondo stadio stima la dinamica di breve periodo, ovvero la dinamica giornaliera del prezzo del future CO₂ a 1 mese. Mentre il primo stadio stima un valore atteso a 15 giorni, il secondo stadio analizza come il prezzo corrente si muove rispetto a quel valore stimato. Utilizzando l'equazione 1) è stato calcolato il fit dell'equazione che può essere considerato il valore di equilibrio a cui si aggiusta progressivamente il prezzo effettivo dei certificati CO₂.

Variabile dipendente:

ΔCO2_t : CO2_t – CO2_t-1 misura la variazione giornaliera del prezzo del future CO₂ a 1 mese.

dove Δ rappresenta la differenza prima.

Regressori:

• ΔCO2_15EQ_t ( CO2_15EQ_t - CO2_15EQ_{t -1}, coeff. 1.1355 ): Questa variabile esprime la variazione del fit stimato nel primo stadio. Misura come cambia da un giorno all’altro il valore atteso della CO₂ a 15 giorni stimato dal primo stadio. Il coefficiente è positivo e significativo: un aumento di 1 €/t del valore stimato CO2_15EQ è associato a un aumento di circa 1.14 €/t della variazione giornaliera della CO₂. Il prezzo corrente segue quasi integralmente il movimento del valore di equilibrio stimato, in misura più che proporzionale.
• ERR_t-1 (CO2_t-1 - CO2_15EQ_t-1, coeff. -0.0189 ): Questa variabile rappresenta il termine ECM, cioè il termine di correzione dell’errore. Serve a verificare se esiste un meccanismo di ritorno verso il valore di equilibrio calcolato al primo stadio. Il coefficiente è significativo e ha segno negativo, come atteso: ciò è coerente con un meccanismo di correzione verso il valore di equilibrio stimato. Questo risultato indica che, quando la CO₂ si trova sopra il valore stimato di equilibrio, tende successivamente a diminuire; quando si trova sotto, tende a recuperare. La velocità di correzione è pari a un recupero giornaliero dell'1.9%.

Conclusioni

I risultati ottenuti mostrano che le curve futures aggiungono informazione rilevante per spiegare la dinamica di breve periodo del prezzo dei permessi ETS. In particolare, la pendenza della curva EUA aiuta a capire se le pressioni di prezzo sono concentrate sul breve periodo oppure distribuite su un orizzonte più lungo.

Un risultato interessante riguarda anche l’effetto indiretto della quota di carbone nel mix energetico. L’interazione tra la quota del carbone nella generazione fossile e la pendenza della curva TTF permette di cogliere il meccanismo di fuel switching: un maggiore utilizzo di carbone, unito ad aspettative di gas più caro, può tradursi in maggiori emissioni attese e quindi in una pressione al rialzo sui prezzi CO₂.

Nel complesso, il modello rappresenta un buon punto di partenza per ridurre la complessità della previsione dei prezzi ETS, combinando informazioni finanziarie e fondamentali energetici.

Il secondo stadio evidenzia infine che le variazioni giornaliere della CO₂ sono spiegate soprattutto dal movimento del valore di equilibrio stimato nel primo stadio. Il termine ECM conferma la presenza di un meccanismo di ritorno verso tale equilibrio, sebbene la velocità di aggiustamento risulti contenuta. Il coefficiente negativo e significativo del termine di errore indica infatti che, quando il prezzo si discosta dal valore stimato di breve periodo, tende successivamente a correggere parte dello squilibrio.