Nantilus
The Econometrics of Energy Demand : identification and Forecast
La prévention du changement climatique est l'une des priorités de la politique énergétique mondiale qui vise à réduire massivement les émissions de gaz à effet de serre. Face à ces défis, il est frappant de constater que notre connaissance de la modélisation de la demande énergétique demeure im...
Enregistré dans:
| Auteurs principaux : | , , , , , , |
|---|---|
| Collectivités auteurs : | , , , |
| Format : | Thèse ou mémoire |
| Langue : | anglais |
| Titre complet : | The Econometrics of Energy Demand : identification and Forecast / Arthur Thomas; sous la direction de Benoît Sévi et de Olivier Massol |
| Publié : |
2020 |
| Accès en ligne : |
Accès Nantes Université
|
| Note sur l'URL : | Accès au texte intégral |
| Note de thèse : | Thèse de doctorat : Sciences économiques : Nantes : 2020 |
| Sujets : |
| Résumé : | La prévention du changement climatique est l'une des priorités de la politique énergétique mondiale qui vise à réduire massivement les émissions de gaz à effet de serre. Face à ces défis, il est frappant de constater que notre connaissance de la modélisation de la demande énergétique demeure imparfaite car elle repose en grande partie sur des travaux empiriques anciens et des méthodologies aujourd'hui dépassées. L'objectif scientifique de cette thèse est double : analyser quantitativement les déterminants économiques de la demande énergétique et développer de nouveaux modèles de prévision. Cette thèse est structurée en quatre chapitres. Le premier chapitre montre que la consommation de gaz naturel en France peut être prédite à l'aide d'un modèle simple utilisant seulement les informations disponibles pour les acteurs du marché. Ce chapitre prouve l'existence d'une relation à long terme entre la demande de gaz naturel et les prix des autres énergies et il fournit des estimations de leurs impacts marginaux sur les niveaux de demande observés. Le deuxième chapitre étudie empiriquement le rôle de la température dans la prévision des prix du gaz aux États-Unis. Il développe une méthodologie de construction d un nouvel indice mensuel basé sur la température. Cet indice capture les variations de la demande résiduelle de gaz naturel en temps réel. Il est utilisé comme variable exogène supplémentaire dans des modèles structurels VAR afin d améliorer les prévisions ; et nous montrons que ces modèles prédictifs dérivés de modèles structurels sont améliorés en s appuyant sur des données en temps réelles (non sujettes à révision). Le troisième chapitre propose d utiliser dans le cas du pétrole, un modèle structurel capturant les anticipations à l aide de VAR non causaux et d identifier correctement les réactions des variables clés du pétrole à un choc d actualité. Le quatrième chapitre réexamine le pouvoir prédictif de la structure par terme des prix, dite convenience yield , du pétrole et du gaz en intégrant les anticipations dans une spécification empirique, par le biais d un VAR non causal basé sur la théorie du stockage qui fournit des prévisions de prix très compétitives dans un cadre bivarié simple. The prevention of climate change is one of the priorities of the world energy policy that aims to massively reduce greenhouse gas emissions. Faced with these challenges, it is striking to note that our knowledge of energy demand modeling remains limited because it is largely based on old empirical work and methodologies that are now dated. Therefore, the objective of our work is twofold. First, we analyze quantitatively the economic determinants of energy demand. Second, we develop new forecasting models. This thesis is structured in four chapters. The first chapter shows that natural gas consumption in France can be predicted using a simple model which only includes public information that is available to market's participants. This chapter proves the existence of a long-term relationship between demand and prices of other energies and provides estimates of their marginal impacts on observed demand levels. The second chapter empirically investigates the role of temperature in forecasting gas prices in the US. It develops a methodology to build a new monthly index based on temperature. This index captures variations in residual demand for natural gas in real time. It is used as an additional exogenous variable in structural models (VAR) to improve forecasts and we show that, in our case, predictive models derived from a structural model are enhanced relying on true real-time (not subject to revisions) data. The third chapter proposes to use, in the case of oil market, a structural model capturing expectations in a noncausal VAR framework, and to properly identify the reactions of oil key variables to supply news shock. The fourth chapter revisits the predictive power of oil and gas convenience yield by incorporating expectations into an empirical specification through non-causal VAR based on the theory of storage which delivers very competitive price predictions in a simple bivariate setting. |
|---|---|
| Variantes de titre : | L' économétrie de la demande énergétique : identification et prévision |
| Notes : | Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : École doctorale Sciences économiques et sciences de gestion (Rennes) Partenaire(s) de recherche : Laboratoire d'Économie et de Management de Nantes-Atlantique (Laboratoire), IFP Energies nouvelles (Rueil-Malmaison, Hauts-de-Seine) (EPIC) Autre(s) contribution(s) : Valérie Mignon (Président du jury) ; Derek W. Bunn (Membre(s) du jury) ; Karim M Abadir, Dimitris Korobilis (Rapporteur(s)) |
| Configuration requise : | Configuration requise : un logiciel capable de lire un fichier au format : PDF |