Markedsintegration, kointegration og loven om én pris: Det danske naturgasmarked

Transkript

1 DET SAMFUNDSVIDENSKABELIGE FAKULTET Økonomisk Institut KØBENHAVNS UNIVERSITET Bachelorprojekt Mads Gønge Hansen Markedsintegration, kointegration og loven om én pris: Det danske naturgasmarked Vejleder: Frederik Øvlisen Afleveret den 23/11/2012

2 Abstract This paper examines the degree of market integration in the natural gas market between Denmark and Germany, Holland and Belgium. Focusing on the Danish market this paper uses daily exchange spot prices from January 2010 until October 2012 to analyze the relationship between these markets. Unit root tests indicate that the price series in each country are nonstationary, and the relationships between the prices are investigated using single equation bivariate cointegration techniques. The results show that the markets at least to some extent seem to be integrated. The degree of market integration is examined by testing for the Law of One Price and analyzing the speed with which market forces move prices toward equilibrium in the face of ongoing price shocks. The empirical results suggest that Germany, Holland and Belgium pairwise form highly integrated markets, but that the Danish market seems to be more loosely integrated in the European market indicating that existing conditions in the Danish market may limit the degree of market integration. Furthermore the paper examines the effect of the market opening in October 2010 finally making it possible to import (limited) volumes of physical gas into the Danish transmission system. The results suggest that the possibility for import may have had a beneficial impact on the Danish prices, but that the import capacity still is insufficient in making the Danish market highly integrated in the European market.

3 Indhold 1 Indledende ord Markedsintegration og loven om én pris Det europæiske naturgasmarked Infrastrukturmæssige forhold i Danmark Udviklingen af gashubs i Europa Handel på gashubs Data Empirisk metode Ikke-stationaritet og unit root tests Kointegration Langsigtsløsning og inferens Fejlkorrektion og kointegration Empiriske resultater Unit root tests Langsigtsligevægt og tests for LOP Kointegration, markedsintegration og tilpasningsevne Markedsåbning mod Tyskland Metodiske bemærkninger Konklusion Litteratur A Appendiks B Bilag

4 1 Indledende ord Gennem mit arbejde som studentermedhjælper i Sekretariatet for Energitilsynet har jeg fattet interesse for udviklingen af det europæiske naturgasmarked. EU har med liberaliseringsprocessen siden slutningen af 1990 erne forsøgt at skabe ét, velintegreret marked. Denne opgave analyserer graden af markedsintegration mellem det danske og tre dominerende naturgasmarkeder i Europa. For to velintegrerede markeder forudser økonomisk teori, at prisforskelle på en vare kun reflekterer omkostninger forbundet med handel mellem dem. Denne fundamentale sammenhæng mellem priser er kendt som loven om én pris og fungerer i denne opgave som teoretisk udgangspunkt for at analysere, hvorvidt markederne parvist er velintegrerede. Før liberaliseringen var det europæiske gasmarked regionalt fragmenteret og domineret af statsejede monopoler, men med adskillige gasdirektiver har EU forsøgt at øge konkurrencen og markedsintegrationen. Gasmarkedets uigennemsigtige prisstruktur og manglen på data har tidligere besværliggjort analyser af prisdynamikken, men liberaliseringen af gasmarkedet har ændret den måde, hvorpå gas i dag handles, og etableringen af handelspladser for gas (gashubs) og gasbørser har skabt muligheder for direkte og anonym handel med naturgas. Mens flere udenlandske børser har eksisteret i flere år, åbnede der først i 2008 en gasbørs i Danmark. Siden åbningen er aktiviteten på denne børs steget markant, og børsens daglige offentliggørelse af priser muliggør for første gang en direkte analyse af sammenhængen mellem danske og udenlandske gaspriser. Opgaven benytter børspriser på naturgas fra Danmark, Tyskland, Holland og Belgien i perioden fra januar 2010 til oktober Analysen viser, at der eksisterer en klar prissammenhæng mellem markederne, og især de udenlandske markeder viser tegn på høj markedsintegration. Det danske marked synes derimod at være mindre velintegreret, og resultaterne indikerer, at de nuværende, danske markedsforhold begrænser markedsintegrationen. Derudover viser en analyse af markedsåbningen mod Tyskland i 2010, der for første gang muliggjorde fysisk import af naturgas herfra, at den nok har haft en positiv effekt, men at markedsintegration i Danmark stadig lider under de nuværende markedsforhold. For en god ordens skyld skal jeg nævne, at jeg i arbejdet med opgaven ikke har gjort brug af interne kilder eller datamateriale fra Sekretariatet for Energitilsynet, og at opgaven er udarbejdet selvstændigt og skrevet uden hjælp fra Sekretariatets medarbejdere. 2

5 2 Markedsintegration og loven om én pris Udgangspunktet for liberaliseringsprocessen på det europæiske naturgasmarked var et ønske fra EU's side om at skabe ét velfungerende, integreret marked (Leykam, 2008). Typisk har definitioner af markeder og markedsintegration været baseret på forhold mellem priser. George Stigler definerede for eksempel et marked som the area within the price of a good tends to uniformity, allowances being made for transportation costs 1. Indflydelsesrige økonomer som Cournot og Marshall gav lignende markedsdefinitioner (se f.eks. Wang og Cuddington, 2006). Dette basale forhold mellem priser på identiske varer er formuleret som Loven Om én Pris (i det følgende blot benævnt LOP); på perfekt integrerede markeder reflekterer prisforskelle blot transport- og transaktionsomkostninger. Prisforskelle, som ikke skyldes disse handelsomkostninger, elimineres af markedsdeltagere, der udnytter profitmuligheder gennem arbitrage. Typisk formuleres LOP som; p 1,t = α + βp 2,t, (1) hvor p 1,t og p 2,t er (den naturlige logaritme til) priserne målt i samme valuta på marked 1 og 2. α er en konstant, der indeholder omkostninger forbundet med handel mellem de to markeder (Asche, Osmundsen og Tveterås, 2000) 2. For mange varer afhænger kvaliteten af, hvor varen er købt, men dette er ikke tilfældet her. Naturgas handles pr. watt-time (Wh), så energiindholdet og kvaliteten er hermed konstant og uafhængig af, hvor naturgassen er købt. Koefficienten β angiver forholdet mellem priserne, og det er derfor denne koefficient, der har interesse her. Hvis β = 0 er der intet forhold mellem priserne på de to markeder. Hvis β = 1 er LOP overholdt, og den relative pris mellem de to markeder er konstant. I dette tilfælde er gassen på de to markeder perfekte substitutter (Asche et al., 2000). Når man tager højde for handelsomkostningerne, betyder det altså ingenting, om naturgassen købes på marked 1 eller marked 2. Hvis β er forskellig fra 0, men under 1, er den relative pris ikke konstant, og de to varer er hermed imperfekte substitutter 3. Dette kan være et tegn på, at de eksisterende markedsforhold for eksempel manglende kapacitet i gasrørene umuliggør effektiv arbitrage. På den måde måler β graden af af markedsintegration; jo tættere β er på 1, desto tættere vil de to markeder være integreret (Asche et. al., 2000). I praksis vil man nok sjældent finde, at prisforskellen på naturgas i to lande præcis er lig med de tilhørende handelsomkostinger. Tilfældige udbuds- eller efterspørgselschok kan eksempelvis skabe 1 Citatet er gengivet fra Asche (Bremnes og Wessels, 1999). 2 Det bemærkes, at konstantleddet α er logaritmen til en proportionalitetskoefficient, og koefficienten har derfor ingen direkte niveaumæssig fortolkning. 3 Hvis β er negativ, er varerne komplementer, men dette tilfælde er ikke interessant her. 3

6 divergens i prisforholdet. Her er det vigtigt at forstå, at loven ikke kræver konstant opfyldelse. Afvigelse fra LOP tillades altså på kortere sigt. Præmissen er blot, at markedsforholdene muliggør, at markedsdeltagerne kan udnytte muligheder for arbitrage, så eventuel prisdivergens mellem de to markeder begrænses. Hermed skal loven forstås som en ligevægtsattraktor og ikke som et permanent stadie, som prisforholdet opfylder (Persson, 2008). Konceptet om LOP som ligevægtsattraktor skal forstås med direkte henvisning til afsnit 5.3 og 5.4 omhandlende langsigtsligevægt og fejlkorrektion. På velintegrerede markeder vil der kun være meget kortsigtede afvigelser fra LOP, da markedsforholdene sikrer, at prisdivergensen mellem markederne begrænses hurtigt. Hastigheden, hvormed denne prisdivergens begrænses, afhænger udover fysiske muligheder for at transportere naturgassen også af graden af konkurrence og information på de givne markeder (Persson, 2008). En høj grad af tilgængelig markedsinformation øger for eksempel markedsaktørernes mulighed for hurtigt at udnytte eventuelle prisforskelle til egen fordel. Et markeds samlede grad af markedsintegration afhænger altså både af fysiske forhold, graden af tilgængelig information samt af konkurrencemæssige forhold. Denne opgave benytter gasbørspriser fra Danmark, Tyskland, Holland og Belgien til at analysere graden af markedsintegration markederne imellem ved blandt andet at teste de givne markeder parvist for, om de overholder LOP. Uden indsigt i markedsforholdene på de givne markeder, er det umuligt at konkludere entydigt på resultaterne fra tests for LOP; manglende overholdelse af LOP vil her kunne skyldes alle tænkelige forhold. Næste afsnit fokuserer på sådanne markedsforhold. 3 Det europæiske naturgasmarked Det europæiske naturgasmarked har været udsat for store forandringer, siden liberaliseringsprocessen blev sat i gang i slutningen af 1990 erne. I dag er markedet liberaliseret, men stadig meget komplekst. Som nævnt giver dette afsnit en beskrivelse af de nuværende, markedsmæssige forhold, som påvirker markedernes evne til at overholde LOP. På grund af opgavens begrænsede størrelse er fokus her på danske forhold, og inddragelsen af udenlandske priser fungerer hovedsageligt som referenceramme for de danske. Afsnittet fokuserer på gashubs og -børser og tydeliggør deres store rolle på det nuværende såvel som fremtidige naturgasmarked. Hermed fungerer dette afsnit både som introduktion til og motivation for brug af priser fra handel på disse gashubs i den følgende analyse. 4

7 3.1 Infrastrukturmæssige forhold i Danmark Danmark har traditionelt set været selvforsynende samt nettoeksportør af naturgas. Den store produktion af naturgas i Nordsøen har muliggjort eksport til både Holland, Tyskland og Sverige. Eksporten til Holland er foregået gennem sørørene i Nordsøen, mens eksporten til Sverige og Tyskland er foregået gennem det danske transmissionsnet (Energitilsynet, 2010). Gassen produceres på de danske felter i Nordsøen, men denne produktion er faldende i disse år (Energistyrelsen, 2010). Sverige har ingen produktion af naturgas og er ikke forbundet til andre naturgassystemer end Danmark, så import herfra er ikke mulig. Tekniske begrænsninger forhindrer import af naturgas fra Holland gennem sørørene. Levering af gas til og fra Tyskland foregår gennem grænsepunktet mellem Danmark og Tyskland (Ellund), som pga. begrænset kapacitet mod Danmark ofte har været udsat for flaskehalse (Energitilsynet, 2012). Det har ikke tidligere været muligt at importere fysisk gas fra Tyskland 4, men pga. den faldende produktion i Nordsøen og heraf følgende risiko for prisstigninger åbnedes der den 1. oktober 2010 op for fysisk import af begrænsede mængder naturgas fra Tyskland gennem Ellund (Energinet.dk, 2012). Effekten af denne åbning analyseres i afsnit 6.4. I 2013 færdiggøres etableringen af gasrør mellem Danmark og Tyskland samt en kompressorstation i Egtved. Etableringen heraf betyder, at det i fremtiden bliver muligt at importere store mængder af naturgas fra Tyskland (Energitilsynet, 2010). 3.2 Udviklingen af gashubs i Europa Traditionelt set er naturgas blevet handlet gennem langtidskontrakter med en løbetid på mellem 5 og 40 år, og gasprisen i langtidskontrakterne har typisk været indekseret efter olieprisen 5. Derudover er kontrakterne komplekse og detaljerne i dem kun kendt af parterne (Energitilsynet, 2010). For at skabe et mere gennemsigtigt marked etablerede man undervejs i liberaliseringsprocessen egentlige handelspladser for naturgas såkaldte gashubs. En gashub kan være enten fysisk eller virtuel. På en fysisk gashub handles gassen i et bestemt punkt i netværket, mens en virtuel gashub dækker et helt netværksområde med flere leveringspunkter. De nye gashubs har påvirket både den måde, hvorpå gassen bliver handlet, samt den måde, hvorpå den bliver prissat. Målt på handlet volumen dominerer langtidskontrakterne fortsat 6, men handlen på gashubs fylder en stadig større del af markedet. Samtidig har udviklingen af 4 Import af gas fra Tyskland er tidligere udelukkende foregået virtuelt. Med virtuel import forstås, at der fra den eksporterede gasmængde til Tyskland fratrækkes den efterspurgte importmængde. Hermed er størrelsen af den virtuelle importkapacitet afhængig af eksportmængden (Energitilsynet, 2010). 5 Da Holland i 1959 opdagede gasfeltet Groningen, eksisterede der ikke en egentlig markedspris for gas. Derfor prisfastsatte man gassen i relation til dets substitutter (f.eks. olie), så prisen var konkurrencedygtig. 6 Heather (2012) estimerer, at 58 % af gashandlen i Europa i 2011 skete på langtidskontrakter. Resten af gassen blev handlet på gashubs. 5

8 likvide gashubs (gashubs, hvorpå en tilstrækkelig stor handel sikrer høj prisgennemsigtighed og troværdighed, (Energitilsynet, 2010)) skabt en alternativ referencepris til olieindekserede gaskontrakter. I Storbritannien sælges over 60 % af gaskontrakterne til den eksisterende pris på den britiske gashub NBP (se nedenfor), og også i Kontinentaleuropa dvs. Europa eksklusiv De Britiske Øer og Island er der en øget tendens til at benytte gashubpriser som indeks i langtidskontrakter (Leykam, 2008) 7. I dag er der etableret gashubs i de fleste store, Nordvesteuropæiske lande (Heather, 2012). Nedenfor følger en kort oversigt over gashubs med størst relevans for både prisdannelsen i Kontinentaleuropa og Danmark (Energitilsynet, 2010). Den britiske, virtuelle gashub, National Balancing Point (NBP), er den mest aktive og likvide gashub i Europa, og den er samtidig den ældste gashub i Nordvesteuropa. Den hollandske virtuelle gashub, Title Transfer Facility (TTF), er den mest likvide gashub i Kontinentaleuropa. Den er placeret omkring en solid infrastruktur, og de sidste par år er den handlede volumen og antallet af aktører på hubben steget markant (Heather, 2012). Zeebrugge (ZEE) er en fysisk gashub placeret i Belgien. Målt på størrelsen af handlet volumen er hubben ikke så stor som TTF, men antallet af markedsdeltagere er de sidste par år fortsat med at stige. Siden dens etablering har den været tæt forbundet med ovennævnte britiske gashub (NBP), og på ZEE handles der ligesom på NBP i pence pr. therm (Heather, 2012). Tyskland er det næststørste gasmarked i Europa og har en god infrastruktur til de omkringliggende lande. Udviklingen har her været noget speciel. Oprindeligt har gasmarkedet i Tyskland været opdelt i 19 zoner. En løbende fusionsproces blev afsluttet 1. oktober 2010, hvorefter landet har været opdelt i to netværk; Gaspool og NetConnect Germany (NCG). De handlede volumener på Gaspool har været begrænsede set i forhold til de øvrige, nordvesteuropæiske gashubs, og Gaspool benyttes hovedsageligt til at afstemme porteføljesammensætning (Heather, 2012). Den virtuelle gashub, NCG, er hidtil blevet anset for at være den mest lovende gashub i Nordvesteuropa, og den handlede volumen er steget kraftigt de sidste par år; målt på handlet volumen svarer den omtrent til den belgiske gashub, ZEE, men markedet er stadig langt fra at true den hollandske gashubs (TTF) nuværende markedsdominans i Kontinentaleuropa (Heather, 2012). I Danmark eksisterer der to separate, virtuelle hubs. Den ene, GTF, benyttes som leveringspunkt for OTC-kontrakter (se nærmere forklaring nedenfor), mens den anden, 7 En af grundene til denne udvikling er, at mange langtidskontrakter i forvejen indeholder fleksible volumener. Hermed kan køberne mindske den leverede mængde gas fra kontrakterne, når markedsprisen er lav, og omvendt, så disse kontrakter kan allerede optimeres i forhold til gashubpriserne (Leykam, 2008). 6

9 Nord Pool Transfer Facility (NPTF), benyttes som leveringspunkt for børskontrakter handlet på den danske gasbørs, Nord Pool Gas. 3.3 Handel på gashubs Mens de traditionelle langtidskontrakter generelt er uigennemsigtige, så er handlen på de nyetablerede gashubs mere gennemsigtig. Her handles gassen enten på Over-The-Counter (OTC)-markedet eller direkte på en gasbørs. På OTC-markedet foregår handlen gennem en mægler eller gennem en bilateral aftale, og kontrakterne indeholder en fast pris, volumen og leveringsperiode. Historiske priser fra denne handel fås bl.a. gennem telefoninterviews med markedsaktørerne, og disse priser er tilgængelige mod betaling startende fra omkring kr. årligt (Energitilsynet, 2010). På gasbørserne forhandler markedsdeltagerne direkte om prisen ved at afgive købs- og salgsbud til børsen, der offentliggør disse bud anonymt. Gasbørserne har medvirket til stigningen i handlen på de europæiske gashubs, da de har skabt en anonym og reguleret markedsplads (Heather, 2012). I denne opgave analyseres parvise markedsforhold gennem priserne fra handel på gasbørser. Disse priser følger priserne fra OTC-handlen tæt (Leykam, 2008; Energitilsynet, 2010), hvorfor det er nærliggende at slutte, at resultaterne i denne opgave også kan henføres til OTC-handlen. Det er her vigtigt at slå fast, at hovedparten af den handlede gas på de europæiske gashubs foregår på OTC-markedet, men at andelen af gas handlet på børserne især gennem de sidste år er steget. Forskellige gasbørser tilbyder platforme for handel på de europæiske gashubs. Den største gasbørs i Kontinentaleuropa er den hollandske APX-ENDEX (etableret i 1999), som tilbyder handel af gas med levering på TTF, ZEE og NBP. På den tyske gasbørs, EEX (etableret i 2002), tilbydes handel med leveringspunkt i NCG og Gaspool. Her er det vigtigst at notere, at der på både den tyske og den hollandske børs er mange aktører, handler og et stort handlet volumen (Heather, 2012). Den danske gasbørs, Nord Pool Gas, blev etableret i 2008 som et samarbejde mellem Energinet.dk og den nordiske elbørs (Nord Pool Spot) med en vision om at øge graden af konkurrence og effektiviteten på markedet (Nord Pool Gas, 2012a). På Nord Pool Gas kan der handles gas til levering på gashubben NPTF, og mens den handlede volumen er lille set i europæisk sammenhæng, så er volumenen steget markant de sidste par år. Således dækker børshandlen nu næsten 20 % af den samlede, danske handel (Nord Pool Gas, 2012a). Antallet af handler er også steget betragteligt; på børsens åbningsår i 2008 var det gennemsnitlige antal handler 0,29 pr. dag, men siden 2010 har det gennemsnitlige daglige antal handler ca. ligget 7

10 mellem 12 og 15 (se bilag 1). Børsen har udviklet sig kraftigt de seneste år, hvad angår både antallet af aktører, handler og den samlede handlede volumen (Energitilsynet, 2012). Samlet set synes det europæiske såvel som det danske marked at være i stor udvikling. Naturgas handles nu ikke kun gennem hemmelige langtidskontrakter, men handlen foregår i højere og højere grad på gashubs og gasbørser både i Danmark og i udlandet. Handlen på gasbørserne foregår anonymiseret og offentliggøres, og det stigende antal markedsdeltagere øger konkurrencesituationen. Med udgangspunkt heri kan det med rimelighed antages, at prisdynamikken i de benyttede gasbørspriser ikke i nævneværdig grad påvirkes af manglende markedsinformation eller konkurrence. Dette er udgangspunktet for resten af opgaven. 4 Data Opgaven benytter et datasæt bestående af daglige day-ahead priser fra børshandel på fire europæiske gashubs; NPTF (Danmark), TTF (Holland), NCG (Tyskland) og ZEE (Belgien) 8. Med day-ahead priser forstås, at gassen handles med levering den efterfølgende dag. Det er muligt at handle gaskontrakter med andre leveringsperioder end denne, og Energitilsynet (2010) giver en detaljeret beskrivelse af forskellige kontrakttyper. Her bemærkes det blot, at day-ahead kontrakterne dominerer handlen både på de udenlandske gashubs (Leykam, 2008), i Danmark og at denne handel har den længste prishistorik, hvorfor data herfra benyttes i denne opgave. 9 For resten af opgaven definerer NPTF, TTF, NCG og ZEE priser fra day-ahead handel på børsen Nord Pool Gas for NPTF, APX-børsen for TTF og ZEE samt EEX-børsen for NCG. Priserne er udvalgt på baggrund af deres relevans for det danske og europæiske naturgasmarked samt datatilgængelighed og konsistens og er opgivet i EUR/MWh. For alle gashubs dækker data perioden fra 1. januar 2010 til 12. oktober 2012, som er skæringsdagen for analyseperioden for denne opgave. Opgaven behandler ikke data fra før 2010, da konkurrencesituationen og aktiviteten på den danske gasbørs her var så begrænset, at mange dage forløb uden gennemførte handler (se evt. bilag 1). En sådan prisdynamik er ikke repræsentativ for forholdene på det danske marked i almindelighed, hvorfor den ikke er interessant her. Aktiviteten steg voldsomt i slutningen af 2009, og 2010 anses som den danske gasbørs gennembrud på det danske naturgasmarked (Energitilsynet, 2012). De aktuelle handelspriser er offentliggjort af gasbørserne og beregnes som et indeks, der reflekterer den volumevægtede pris af alle transaktioner til levering den efterfølgende dag. For de enkelte 8 En oversigt over de udenlandske priser findes hos NetConnect Germany (2012). Danske priser offentliggøres på Nord Pool Gas (2012b). 9 På Nord Pool Gas handles day-ahead produktet med højeste frekvens, men produktet dominerer også den handlede mængde; 84 % af den handlede mængde var i 2011 day-ahead kontrakter (Energitilsynet, 2012). 8

11 prisserier er der tilfælde, hvor dagens handelspris er ens to dage i træk. Det kan f.eks. skyldes manglende observationer på dage, hvor børsen er lukket. I så fald udfylder gasbørserne automatisk den manglende observation ved at gentage sidste dags observation. Tabel 1 viser en oversigt over priserne på de fire gashubs 10. Tabel 1. Deskriptiv statistik for daglige spotpriser (EUR/MWh) NPTF TTF NCG ZEE Gennemsnit 21,8 21,2 21,4 21,1 Maksimum 39,2 40,0 40,3 39,0 Minimum 12,3 10,0 10,4 10,8 Standardafvigelse 3,7 3,9 3,9 3,9 Jarque-Bera 174,2 321,3 315,4 387,8 Antal observationer Note: Den kritiske værdi for afvisning af normalitet er på et 1 % signifikansniveau 9,21 (Verbeek 2008, s. 195). Priserne på den danske gashub har i gennemsnit været de højeste, mens ZEE i gennemsnit har haft de laveste priser. Den højest handlede pris i perioden er handlet på NCG, den lavest handlede pris har været på TTF, mens den højeste minimumspris ses i Danmark. Samlet set giver tabel 1 et indtryk af, at der eksisterer en vis sammenhæng mellem priserne på de fire gashubs. Især priserne på hollandske TTF og tyske NCG synes at følge hinanden tæt. Derudover er det bemærkelsesværdigt, at den danske gennemsnitspris ligger noget over de udenlandske gennemsnitspriser, og at den danske minimumspris i perioden også er betragteligt højere end de udenlandske gasbørspriser. Jarque-Bera testets afvisning af nulhypotesen om normalitet indikerer ikke-normale fordelinger for de fire prisserier. Denne opgave følger standardpraksis og bruger i den statistiske analyse en logaritmisk transformation af priserne (se f.eks. Wang og Cuddintgon, 2006) 11. I figur 1 er udviklingen i priserne i perioden 1. januar 2010 til 12. oktober 2012 vist: Figur 1. Spotpriser fra børshandel på NPTF, TTF, NCG og ZEE (EUR/MWh) 10 Der henvises til bilag 2 for prisseriernes median, skævhed og kurtosis. 11 Deskriptiv statistik for de logaritmiske prisserier er vedlagt i bilag 3. 9

12 Figur 1 bekræfter de første resultater fra tabel 1 og viser umiddelbart en klar sammenhæng mellem priserne på de fire gashubs. Samtidig viser figuren, at de danske gasbørspriser på nogle tidspunkter afviger kraftigt fra de europæiske gasbørspriser mest tydeligt ved årsskiftet Her var flaskehalse i grænsepunktet til Tyskland (Ellund Entry) skyld i den indenlandske prisstigning (Energitilsynet, 2012). Derudover kan den overordnede variation i priserne forklares som følger: Den økonomiske krise og forholdsvis milde temperaturer betød, at gaspriserne var relativt lave i Positive vækstrater og lave temperaturer i Europa øgede gaspriserne i 2010, hvor man i slutningen af året var tilbage på niveauet fra starten af 2009 (European Commission, 2010). Faldet i 3. kvartal 2011 skyldtes den græske gældskrise, frygt for økonomisk tilbagegang samt relativt mildt vejr i Europa (Fabini, 2012). Den kraftige stigning i priserne i begyndelsen af 2012 kan forklares med meget koldt vejr i Europa, der resulterede i, at priserne næsten fordobledes på få dage (European Commission, 2012b). 5 Empirisk metode Dette afsnit introducerer og begrunder det teoretiske fundament for opgavens tekniske analyse af de parvise prissammenhænge. Med udgangspunkt i prisseriernes egenskaber introduceres kointegration, og der udledes en estimator, der gør det muligt empirisk at teste om markederne overholder LOP. Slutteligt opstilles en model, der på samme tid tillader tests for kointegration og en analyse af gasmarkedernes evne til at tilpasse sig ligevægten ved eventuel prisdivergens. 5.1 Ikke-stationaritet og unit root tests En tidsserie er integreret af orden d, hvis den bliver stationær, efter man har taget differensen af tidsserien minimum d gange; en sådan serie benævnes I(d). En I(1) serie er ikke stationær; den har en unit root og bliver stationær, når førstedifferensen af tidsserien tages. Udgangspunktet for at teste for tilstedeværelsen af en unit root i de enkelte prisserier er det Augmenterede Dickey-Fuller (ADF) test, der indeholder laggede værdier af den afhængige variable som regressorer for at eliminere seriel korrelation i residualerne (Rao, 2007). Hvis tidsserien indikerer en klar positiv eller negativ trend, kan man eventuelt inkludere en trendvariabel (Verbeek, 2008). Omend gaspriserne i figur 1 overordnet set synes at være opadgående i 2010, kan der ikke argumenteres for, at serierne generelt indikerer en klar trend. Der inkluderes derfor ikke en trendvariabel i ADF-regressionen, som får følgende form: q 1 p t = δ + πp t 1 + j=1 σ j p t j + ε t (2) Man kan benytte standard inferens for tests relateret til σ j, da hypotesen σ j = 0 ikke introducerer nogen unit root (Nielsen, 2012b). Nulhypotesen for testet er, at prisen p t følger en unit root proces; H 0 : π = 0. Hvis ikke π er signifkant, kan nulhypotesen om en unit root ikke 10

13 afvises. Under den almindelige nulhypotese om en unit root akkumulerer konstanten δ til en lineær trend i p 12 t. Hermed er man nødt til implicit at antage, at også δ = 0 under nulhypotesen, så den lineære trend forsvinder. Denne restriktion er dog ikke til stede i hverken estimation eller testning, så en mere præcis hypotese er H 0 : π = δ = 0 (Nielsen, 2012a), hvormed begge restriktioner testes samtidig. Dette test kan udføres ved at sammenligne (2) med; q 1 p t = j=1 σ j p t j + ε t (3) Den samlede hypotese kan testes ved et likelihood ratio (LR) test på formen; LR(π = δ = 0) = 2 (logl 0 logl A ), (4) hvor logl 0 og logl A er log-likelihoodværdierne fra (3) og (2). Teststatistikken følger ikke en standardfordeling. Den korrekte Dickey-Fuller-fordeling er rykket til venstre i forhold til normalfordelingen, og de korrekte kritiske værdier er angivet i bilag 4. Hvis gaspriserne viser sig at være ikke-stationære, er kointegration det korrekte værktøj til den følgende analyse. 5.2 Kointegration Hvis man kan opnå en stationær tidsserie fra en lineær kombination af to ikke-stationære tidsserier, kaldes de kointegrerede og deler den samme bagvedliggende, stokastiske trend. Antag to prisserier, p 1,t og p 2,t, som begge er integreret af første orden, I(1), og en tilhørende regressionsmodel; p 1,t = φ + β 1 p 2,t + u t, (5) som er på samme form som LOP, (1). Leddet u t fortolkes som afvigelsen fra relationen (5). Hvis de to prisserier p 1,t og p 2,t kointegrerer, så vil deres lineære kombination u t være stationær eller I(0). I dét tilfælde producerer OLS-estimationen β 1 en superkonsistent estimator for β 1. Den klare, direkte sammenhæng mellem LOP (1) og (5) viser, at et intuitivt test for markedsintegration umiddelbart kunne udføres ved at estimere den statiske regression (5) og teste, hvorvidt β 1 = 1, som er konsistent med overholdelse af LOP. Traditionelt har man også benyttet denne fremgangsmåde (Asche, Bremnes og Wesselt, 1999). Problemet opstår, hvis tidsserierne er ikke-stationære; β 1 har da en ikke-normal fordeling, hvorfor de estimerede standardfejl generelt ikke kan benyttes til hypotesetest. Derudover er der tegn på, at estimatoren i små stikprøver kan være alvorligt biased (Verbeek, 2008). Hermed kræver et test for LOP en anden estimator end β 1 fra (5). Næste afsnit fokuserer på dette forhold. 12 Appendiks 1 viser, at konstanten akkumulerer til en lineær trend ved eksistensen af en unit root. 11

14 5.3 Langsigtsløsning og inferens Ovenstående afsnit gjorde klart, at det ikke er muligt at udføre normal inferens på de estimerede parametre fra den statiske regression (5), hvis prisserierne er ikke-stationære. I dette afsnit foreslås en alternativ estimator, der muliggør normal inferens og hermed også tests for LOP. I en statisk regression som (5) er udgangspunktet, at tilpasningen fra den ene til den anden variabel sker direkte og med det samme. I virkeligheden er der nok et dynamisk tilpasningsmønster mellem de to priser. En autoregressive distributed lag (ADL) model giver mulighed for at modellere en sådan prisdynamik og kan generelt skrives på formen ADL(q,n): q p 1,t = δ + i=1 θ i p 1,t i + φ i p 2,t i + ε t n i=0 (6) hvor ε t er en white noise proces. Det langsigtede ligevægtsforhold mellem de to priser, p 1,t og p 2,t, bestemmes ved at definere ligevægtsbetingelsen som p 1,t = p 1,t 1 og p 2,t = p 2,t 1. Ved indsættelse af denne betingelse i (6), fås; q n i=0, p 1,t = δ + i=1 θ i p 1,t + φ i p 2,t p 1,t = δ q + n i=0 φ i q 1 θ i=1 i 1 θ i=1 i p 2,t. p 1,t = μ + β 2 p 2,t (7) med klare definitioner af μ og β 2. Den langsigtede løsning (7) definerer den ligevægt, som prisserierne konvergerer mod. Selv om sammenhængen mellem priserne på to markeder modelleres ved hjælp af en dynamisk model som (6) ses det altså, at det langsigtede ligevægtsforhold mellem priserne i denne model har samme form som formuleringen af LOP i (1). β 2 kaldes her ligevægtskoefficienten og angiver den samlede effekt som p 2,t har på p 1,t over fremtidige tidsperioder 13. LOP dikterer det tilfælde, hvor ligevægtskoefficienten er 1; her er den relative pris på naturgas på de to markeder konstant, og forskellen mellem priserne afhænger kun af handelsomkostningerne, der inkluderes i konstanten μ. Estimatorerne μ og β 2 er blot ovenstående definitioner af μ og β 2 med indsatte parameterestimater fra modellen (6). Fordelen ved denne tilgang sammenlignet med den statiske regression (5) er, at β 2 her udledes på baggrund af en velspecificeret model (6). Givet at prisserierne kointegrerer, betyder det, at t-værdier fra de estimerede standardfejl under nulhypotesen følger normalfordelingen (Nielsen, 2012a). Således er det muligt at udføre tests på ligevægtskoefficienten fra (7) ved at bruge t-værdien t β 2=b = β 2 b, som asymptotisk følger se(β 2 ) en standard normalfordeling. Dog bemærkes det, at estimatoren β 2 er en ikke-lineær funktion 13 Ligevægtskoefficienten er hermed summen af de kortsigtede effekter p 1,t 12 + p 1,t+1 p 2,t p 2,t + p 1,t+2 + p 2,t

15 af de estimerede parametre, og standardfejlene for β 2 er en kompliceret funktion af kovariansmatrixen for de estimerede parametre i (6) (Nielsen, 2012a). Modulet PcGive (OxMetrics) har en indbygget procedure, der beregner den langsigtede løsning og de tilhørende standardfejl. Disse estimater benyttes til at teste markederne parvist for LOP, β 2 = Fejlkorrektion og kointegration Et ligevægtsforhold mellem to priser som (7) kræver, at der eksisterer en mekanisme eller nogle kræfter, der sikrer, at priserne på de to markeder ikke kommer for langt fra ligevægt. Antag, at ligevægten (7) mellem to priser, p 1,t og p 2,t, på et tidspunkt ikke er overholdt. Vi forventer nu, at en mekanisme eller nogle kræfter sikrer, at prisen p 1,t bevæger sig mod ligevægt i næste periode. Denne tilpasningsproces mod ligevægt kaldes fejlkorrektion (errorcorrection) og blev også nævnt i kapitel 2 i beskrivelsen af LOP som ligevægtsattraktor. På et velintegreret marked muliggør markedsforholdene, at denne tilpasningsproces foregår hurtigt, hvorfor en analyse af markedernes tilpasninsevne kan give information om graden af markedsintegration. Det er her vigtigt at understrege, at fejlkorrektion og kointegration er to måder at beskrive det samme fænomen på. Jf. Engle og Grangers repræsentations-theorem kointegrerer p 1,t og p 2,t hvis og kun hvis der eksisterer en ECM-model (error correction model) for enten p 1,t, p 2,t eller dem begge (Nielsen, 2012a). Fejlkorrektion vises nemmest ved at bemærke, at en ADL-model kan reparametriseres, så den fremgår som en ECM-model 14 : n p p 1,t = j=1 λ j p 1,t j + j=0 κ j p 2,t j + γ 1 p 1,t 1 μ β 2 p 2,t 1 + ε t (8) hvor ε t er en white noise proces. Her fejlkorrigerer prisen på det ene marked, p 1,t, hvis γ 1 < 0. Det kan ses intuitivt fra (8); Antag, at prisen i forrige periode, p 1,t 1, var høj og over ligevægten. Så må fejlkorrektionsleddet (p 1,t 1 μ β 2 p 2,t 1 ) være positivt. Hvis der eksisterer markedskræfter, der sikrer priskonvergens, må prisen i denne periode, p 1,t, bevæge sig tilbage mod ligevægt. Hermed må ændringen fra forrige periode til denne periode være negativ svarende til p 1,t < 0. Dette kræver netop γ 1 < 0 (Nielsen, 2012a). Hvis p 1,t fejlkorrigerer, angiver størrelsen af γ 1, hvor stor en del af afvigelsen fra ligevægt, som der fejlkorrigeres for i hver periode tilpasningshastigheden. Jf. repræsentationsteoremet svarer nulhypotesen om ingen kointegration til en nulhypotese om ingen fejlkorrektion. Hvis de to prisserier kointegrerer, er fejlkorrektionsleddet (p 1,t 1 μ 14 Ækvivalensen mellem en ADL-model og en ECM-model er vist i Appendiks 2. Det bemærkes, at (8) er ikkelineær i parametrene og ikke estimeres direkte i denne opgave. 13

16 β 2 p 2,t 1 ) stationært med middelværdi nul, så estimatoren for γ 1 vil følge en normalfordeling. De beregnede t-værdier fra (8) kan altså benyttes som test for fejlkorrektion og hermed for kointegration. Hvis prisserierne er ikke-stationære skal de kointegrere, hvis t-værdierne til testet for LOP (se afsnit 5.3) skal være gyldige. Som beskrevet ovenfor er prisernes evne til at fejlkorrigere (tilpasningshastigheden) også interessant i sig selv i en analyse af markedsintegration. 6 Empiriske resultater I dette afsnit præsenteres og diskuteres de fundne resultater. Graden af markedsintegration vurderes parvist gennem tests for LOP, analyse af markedernes tilpasningsevne samt en analyse af effekten af markedsåbningen mod Tyskland, der muliggjorde import af fysisk gas. Grundlaget for resultaterne her er det metodiske grundlag opstillet i forrige kapitel, men dette afsnit beskriver samtidig den direkte fremgangsmåde, der er benyttet i arbejdet med data. 6.1 Unit root tests Først testes de individuelle (logaritmisk transformerede) prisserier for tilstedeværelsen af en unit root. Udgangspunktet er ADF-regressionen på den generelle form (2), hvor antallet af lags sikrer, at der ikke er autokorrelation i residualerne. I denne opgave blev ADF-regressionen som udgangspunkt estimeret med 10 lags. Antallet af lags blev først bestemt ud fra en generalto-specific tilgang, hvor statistisk signifikans afgør antallet af lags. Her fjernes det mindst signifikante lag gentagne gange, indtil alle lags er signifikante og modellen velspecificeret. Herefter blev informationskriteriet BIC benyttet til at afgøre antallet af lags 15. Efter hver regression blev residualerne tjekket for autokorrelation grafisk og formelt ved et Lagrange- Multiplier (LM) test 16. I de fire tilfælde blev den foretrukne model fra general-to-specific tilgangen også valgt ved at tage udgangspunkt i informationskriteriet BIC. Den samlede hypotese om en unit root blev testet ved at bruge LR-statistikken (4) som beskrevet i afsnit 5.1. Resultaterne fra testet fremgår af tabel 2: Tabel 2. Unit root tests Likelihood-ratio test værdi NPTF TTF NCG ZEE 7,28 4,80 6,06 4,32 Den kritiske værdi på et 5 % signifikansniveau er 9,13 (se bilag 4). Med en kritisk værdi på 9,13 på et 5 % signifikansniveau kan nulhypotesen om en unit ikke afvises for nogle af de fire prisserier. Antallet af lags er valgt på baggrund af en general-to- 15 BIC er Schwarz Bayesianske informationskriterie. Informationskriteriet foretrækkes i stedet for kriteriet AIC, da dette kriterie ofte resulterer i overparametriserede modeller (Verbeek, 2008). 16 Se bilag 5 for en kort forklaring af LM-testet. 14

17 specific tilgang samt ved at bruge informationskriteriet BIC, og resultaterne anses derfor for at være robuste herfor. Det konkluderes, at der er bevis for, at de fire prisserier er ikke-stationære processer og integreret af første orden, I(1). Dette er udgangspunktet for resten af opgaven. 6.2 Langsigtsligevægt og tests for LOP I dette afsnit estimeres den langsigtede løsning (7) for hvert markedspar på baggrund af dynamiske modeller på den generelle form (6). Her skal knyttes en kommentar til den afgørende antagelse om prædetermination, man implicit forudsætter ved brug af enkeltligninger. For ADL-modellen (6) betyder det, at variablene på højresiden modelleres som prædeterminerede. Dette udelukker samtidig muligheden for feedback fra p 2,t til p 1,t, så kausualiteten går altså kun den ene vej. I analysen stiller dette krav til valg af endogen variabel. I denne opgave er det naturligt at benytte de danske gasbørspriser, NPTF, som endogen variabel. Jf. afsnit 3.3 er den danske gasbørs lille set i europæisk sammenhæng, og det er derfor mere naturligt at formode, at det er de udenlandske priser, der påvirker de danske, end det omvendte tilfælde. Denne dynamik beskrives også af Energitilsynet (2012). Af den årsag fungerer de danske priser som endogen variabel i alle danske markedspar. TTF gashubben er den største i Kontinentaleuropa og anses generelt for at være prissættende for dette område (Energitilsynet, 2012), og det er derfor rimeligt at antage, at den er prissættende i forhold til både NPTF og NCG i Tyskland. Forholdene omkring ZEE er noget specielle (se evt. afsnit 3.2), og priserne på ZEE synes i høj grad at være påvirket af de britiske priser på Europas største gashub, NBP. Dette bekræftes også af Leykam (2008), som viser, at NPB og ZEE er prisledende på det europæiske gasmarked, og at TTF følger prisdynamikken herfra. Af disse grunde benyttes TTF og NCG som endogen variabel i markedsparret med ZEE 17. Udgangspunktet for estimationen er en ADL-model med 8 lags for hver variabel. Som tidligere beskrevet (se afsnit 6.1) vælges den optimale model på baggrund af en general-tospecific tilgang samt på baggrund af informationskriteriet BIC. Her bemærkes, at selv om prisserierne alle er I(1), kan man udføre standard inferens på estimatorerne i ADL-modellen. Det skyldes, at en estimeret parameter følger normalfordelingen asymptotisk, hvis den kan skrives som koefficient til en stationær variabel med middelværdi på nul (Nielsen, 2012a). Omskrivningen fra ADL-modellen til ECM-modellen (8) viser netop dette (se Appendiks 2). Det sikres, at residualerne ikke er serielt korreleret grafisk og formelt (se evt. bilag 5). Den langsigtede løsning (7) estimeres sammen med de gyldige standardfejl, og der testes om det 17 Valg af endogen og eksogen variabel kan umiddelbart synes noget restriktiv. Metoden er benyttet, da der ikke er nogen grund til at forsøge at estimere modeller, som økonomiske teori ikke kan retfærdiggøre. Resultater herfra vil heller ikke kunne benyttes som robusthedstjek, da de hverken kan be- eller afkræfte de første resultater. 15

18 givne markedspar overholder LOP; for et sådant markedspar skal ligevægtskoefficienten β 2 være lig 1. Konstanten fra (7) er uinteressant og fremgår derfor ikke her (se evt. kapitel 2). Resultater fra de valgte modeller og langsigtsløsninger findes i bilag 6. Tabel 3 angiver den estimerede ligevægtskoefficeint samt t-værdierne for testet for LOP for hvert markedspar: Tabel 3. Ligevægtskoefficient og t-værdi for test for LOP Markedspar Koef. t-værdi NPTF-TTF 0,87** [-5,01] NPTF-NCG 0,88** [-4,55] NPTF-ZEE 0,84** [-5,76] NCG-TTF 0,99 [-1,15] NCG-ZEE 0,95** [-3,01] TTF-ZEE 0,95** [-2,98] Note: Førstnævnte prisserie er endogen variabel i ADLmodellen. (**) angiver afvisning af nulhypotesen om LOP på et 1 % signifikansniveau (kritisk værdi 2,576). Det bemærkes, at resultaterne fra tabel 3 stammer fra ADL-modeller, hvor antal lags bestemmes ud fra en general-to-specific tilgang 18. Overordnet set synes resultaterne at vise en vis sammenhæng mellem gaspriserne på de forskellige markeder. Den langsigtede ligevægtskoefficient ligger på niveauet 0,84 til 0,87 for danske markedspar, mens koefficienten ligger højere på niveauet 0,95 til 0,99 for udenlandske markedspar. På nær markedsparret NCG-TTF kan nulhypotesen om overholdelse af LOP afvises for alle markedspar på et 1 % signifikansniveau. Det indikerer, at markederne ikke er perfekt integrerede. For markedsparret NCG-TTF er den langsigtede ligevægtskoefficient 0,99 og nulhypotesen kan ikke afvises; resultatet indikerer, at det tyske og hollandske marked er ekstremt velintegreret. Samlet set viser resultaterne fra tabel 3, at de udenlandske markeder med det tyske og hollandske marked i spidsen synes at være forholdsvist velintegrerede. Resultaterne for de danske markedspar indikerer dog samtidig, at det danske marked ikke er lige så velintegreret som de udenlandske. Følgende afsnit fokuserer på markedernes kortsigtede evne til at tilpasse sig den langsigtede ligevægt udledt i dette afsnit. 6.3 Kointegration, markedsintegration og tilpasningsevne Dette afsnit tester de enkelte markedspar for kointegration og analyserer samtidig de forskellige markeders tilpasningshastigheder, når priserne er ude af ligevægt. Umiddelbart kan det virke noget omstændeligt at teste for kointegration efter resultaterne fra forrige afsnit, der indikerede en tydelig sammenhæng mellem priserne. Men rent formelt er testet nødvendigt, da 18 Kun for markedsparret NPTF-NCG og TTF-ZEE ændredes det optimale lagvalg, når BIC-kriteriet blev benyttet i stedet. Ændringerne er marginale og påvirker ikke ovenstående konklusioner, hvorfor de ikke medtages her. Se bilag 6 for en oversigt over disse resultater. 16

19 det sikrer gyldigheden af de benyttede t-værdier i testet for LOP fra forrige afsnit (se evt. også afsnit 5.3). Derudover fungerer testet for kointegration som endnu et test for markedsintegration. Hvis markedsforholdene giver markedsaktørerne mulighed for at handle frit, får længerevarende prisdivergens ikke lov til at eksistere. Eventuelle prischok elimineres af markedet og eksisterer derfor kun i kort tid. Hermed kointegrerer priserne. Omvendt kan manglende kointegration ses som et tegn på manglende markedsintegration, der for eksempel kan skyldes flaskehalse i transmisionsnettet mellem to markeder. Flaskehalse umuliggør samhandel, arbitrage, og giver hermed eventuel prisdivergens mulighed for at have længerevarende effekter (Vany og Walls, 1993). Man kan teste for kointegration på forskellige måder. Det mest simple test for kointegration er at opstille en statisk regression som (5), og teste om den lineære kombination u t er stationær. Testet er simpelt og intuitivt, men lider af en række svagheder 19. Derudover kan den kointegrerende koefficient (β 1 fra (5)) ikke benyttes til hypotesetest. I stedet for at benytte en statisk regression testes markedsparrene for kointegration ved at benytte repræsentations-theoremet beskrevet i afsnit 5.4. Dette muliggør samtidig en analyse af markedernes evne til at tilpasse sig, når priserne er ude af ligevægt. Den langsigtede løsning (7), estimeret i forrige afsnit, benyttes her som fejlkorrektionsled i ECM-modellerne for hvert markedspar, illustreret som (9) og (10) nedenfor. Det bemærkes, at man også kan foretage tests for kointegration direkte i en ADL-model, men et test for kointegration i en ECM-model med indsat fejlkorrektionsled er et bedre alternativ, da ADL-modellen ikke inkluderer en direkte repræsentation af langsigtsforholdet (Sjö, 2008). For hvert markedspar findes der muligvis to fejlkorrektions-repræsentationer (Verbeek, 2008). Følgende to ligninger illustrerer ECM-modellerne for prisserierne NPTF og TTF, p NPTF,t og p TTF,t, skrevet på generel form: m m p NPTF,t = δ 1 + j=1 λ j p NPTF,t j + j=0 κ j p TTF,t j + γ 1,NPTF (p NPTF,t 1 μ β 2p TTF,t 1 ) + ε NPTF,t (9) m m p TTF,t = δ 2 + j=1 λ j p TTF,t j + j=0 κ j p NPTF,t j + γ 1,TTF (p NPTF,t 1 μ β 2p TTF,t 1 ) + ε TTF,t (10) hvor fejlkorrektionsmekanismen (p NPTF,t 1 μ β 2p TTF,t 1 ) er afvigelsen fra den udledte langsigtsløsning (7) lagget én periode. Udgangspunktet for estimationen af hver ECM-model er 8 lags for hver variabel. Det optimale lagvalg i ECM-modellerne hørende til tabel 4 nedenfor er bestemt ud fra en general-to-specific tilgang (den valgte model er velspecificeret, og residual autokorrelation er igen elimineret), men resultaterne er robuste over for andre modelspecifikationer. 19 Det kan f.eks. nævnes, at testet antager en samlet restriktion i systemet, som pålægger al kortsigtsdynamik til residualerne. Sjö (2008) og Nielsen (2012a) beskriver dette problem nærmere. 17

20 Tabel 4. Estimeret tilpasningshastighed og tilhørende t-værdi Koef. t-værdi Koef. t-værdi NPTF-TTF -0,17** [-9,61] TTF-NPTF 0,10** [4,17] NPTF-NCG -0,14** [-7,41] NCG-NPTF 0,12** [5,02] NPTF-ZEE -0,14** [-7,88] ZEE-NPTF 0,11** [6,16] NCG-TTF -0,52** [-17,60] TTF-NCG 0,49** [17,70] NCG-ZEE -0,39** [-14,60] ZEE-NCG 0,31** [16,20] TTF-ZEE -0,27** [-7,26] ZEE-TTF 0,26** [8,55] Note: Førstnævnte prisserie er venstreside i den tilhørende ECM-model. Den (ensidede) kritiske værdi i en normalfordeling er 1,65 og 2,33 på hhv. 5 % og 1 % signifikansniveau. (**) angiver afvisning af nulhypotesen ift. det ensidede alternativ på et 1 % signifikansniveau. Tabel 4 angiver tilpasningshastigheden 20 (γ 1 fra model (9) eller γ 1 fra model (10)) for de angivne markedspar. Førstnævnte prisserie er venstreside i den tilhørende ECM-model. Jf. afsnit 5.4 fejlkorrigerer p NPTF,t fra (9), hvis γ 1 < 0 (første kolonne i tabel 4). I den anden ECM-model (10) fejlkorrigerer p TTF,t, hvis γ 1 > 0 (anden kolonne i tabel 4). Jf. repræsentationsteoremet kointegrerer de to prisserier, hvis minimum en af de to prisserier fejlkorrigerer. Hermed opretholdes ligevægtsforholdet. Nulhypotesen angiver, at den førstnævnte prisserie ikke fejlkorrigerer svarende til γ 1 = 0 for begge modeller. Alternativhypotesen er ensidet og svarer til γ 1 < 0 fra model (9) og γ 1 > 0 fra model (10) 21. I tabel 4 fejlkorrigerer førstnævnte markedspar i den første kolonne, hvis koefficienten er signifikant negativ. Omvendt fejlkorrigerer førstnævnte markedspar i kolonnen til højre, hvis koefficienten hér er signifikant positiv. Givet den estimerede, langsigtede ligevægt fra forrige afsnit, ses det fra tabel 4, at alle prisserier fejlkorrigerer i de givne markedspar, da nulhypotesen i alle tilfælde kan afvises på et 1 % signifikansniveau. Dette er et klart bevis på kointegration for alle markedspar. Hermed er det vist, at t-værdierne benyttet i testet for LOP i afsnit 6.2 er gyldige. Derudover fungerer testet for kointegration som et generelt test for markedsintegration, og tabel 4 bekræfter de tidligere resultater og viser, at markedsparrene i nogen grad er integrerede, da der eksisterer forhold på markederne, der binder priser sammen over tid. Størrelsen af den estimerede koefficient angiver (den førstnævnte) prisseries tilpasningsevne og kan (numerisk) fortolkes som andelen af afvigelsen fra ligevægt, der fejlkorrigeres for i hver periode. Her ses det, at de udenlandske gasbørspriser parvist synes at fejlkorrigere kraftigt over for hinanden; for de udenlandske gasbørspriser er den laveste fejlkorrektion fra 20 For overskuelighedens skyld angiver γ 1 i det følgende tilpasningshastigheden γ 1,NPTF fra (9) eller γ 1,TTF fra (10). 21 Det bemærkes, at det modsatte tilfælde γ 1 > 0 fra model (9) indikerer forøgelse af en eventuel afvigelse fra ligevægt, hvilket naturligvis ikke er i overensstemmelse med fejlkorrektion. Argumentet er tilsvarende for γ 1 fra model (10). 18

21 ZEE, der fejlkorrigerer med 26 % over for TFF, mens NCG fejlkorrigerer med hele 52 % over for TTF. Det betyder, at hvis prisforholdet mellem NCG og TTF afviger fra den langsigtede ligevægt (7) estimeret i afsnit 6.2, så vil priserne på NCG fjerne 52 % af denne afvigelse hver dag. Fejlkorrektionen er mindre tydelig for markedspar med de danske priser NPTF; de danske priser korrigerer for mellem 14 og 17 % af ligevægtsafvigelsen til de udenlandske priser hver dag (første kolonne i tabel 4), mens fejlkorrektionen fra de udenlandske priser i forhold til de danske priser er en smule lavere (anden kolonne i tabel 4). Samlet set indikerer disse resultater, at de udenlandske gaspriser parvist har en forholdsvist høj responsevne, når priserne afviger fra ligevægt. Efterspørgsels- eller udbudschok synes altså ikke at have længerevarende effekter, og prisdivergens elimineres hurtigt. Selv om alle markedspar fejlkorrigerer over for hinanden, så viser tilpasningshastigheden, at prisdynamikken i Danmark synes at være mere træg. Disse resultater bekræfter testen for LOP, hvor de udenlandske markedspar generelt syntes at være mere velintegrerede end de danske. Noget tyder altså på, at der eksisterer hindringer på det danske marked, der umuliggør en høj grad af markedsintegration og tilpasningsevne. Det resulterer på nogle tidspunkter i divergerende danske gaspriser, som ses i figur 1. Forklaringen på de divergerende danske priser kan i høj grad forklares af flaskehalse i Ellund, der isolerer det danske gasmarked fra udlandet (Energitilsynet, 2010; 2012). Nedenstående afsnit analyserer dette forhold nærmere. 6.4 Markedsåbning mod Tyskland Fra d. 1. oktober 2010 har der været mulighed for begrænset, fysisk import af naturgas fra Tyskland til Danmark. Dette afsnit analyserer effekten af denne markedsåbning ved at sammenligne prisudviklingen før og efter den 1. oktober Den fysiske åbning af import fra Tyskland betød, at den samlede importkapacitet nu er summen af den fysiske importkapacitet og den samlede gaseksport. Hvis den samlede efterspørgsel overstiger importkapaciteten, afbrydes gasleveringerne i grænsepunktet fra Tyskland til Danmark, Ellund Entry. Disse afbrud skaber flaskehalse i transmissionsnettet og isolerer det danske marked fra udlandet, idet flaskehalsen forhindrer import fra Tyskland. Hermed er det ikke muligt for danske engroskunder at handle på det tyske marked og udnytte eventuelle prisforskelle til egen fordel. Det øger efterspørgslen efter gas i det danske transmissionsnet, hvorfor den danske pris må formodes at stige (Energitilsynet, 2012). Prisstigningen ved årsskiftet (se figur 1) viser et (ekstremt) eksempel på en sådan situation. Udgangspunktet for analysen i dette afsnit er en antagelse om, at hvis markedsåbningen mod Tyskland var effektiv, så ville priserne i Danmark i højere grad efter 19