JP2009048235A - エネルギー取引価格の予測システム、予測方法およびプログラム - Google Patents

Abstract

【課題】エネルギーの取引価格を精度良く予測することができるようにする。
【解決手段】注文端末１０は、ＪＣＣ価格の履歴を記憶するＪＣＣ価格データベース１５１と、産油地別のＦＯＢ価格の履歴を記憶するＦＯＢ価格データベース１５２とを備える。注文端末１０は、利用者から予測モデルを示すモデル情報の入力を受け付け、ドバイおよびオマーンに対応する原油ＦＯＢ価格の履歴およびＪＣＣ価格の履歴に基づいて回帰分析を行い、予測モデルに含まれる説明変数の係数を推計する。注文端末１０は、予測対象となる時期ｔの指定を受け付け、時期ｔからラグの次数ｎ期前の時期ｔ−ｎまでのＪＣＣ価格を読み出し、時期ｔから時期ｔ−ｎまでの、ドバイおよびオマーンに対応する原油ＦＯＢ価格を読み出し、読み出したＪＣＣ価格および原油ＦＯＢ価格、並びに推計した係数を予測モデルに適用して、時期ｔにおけるＪＣＣ価格の予測値を算出する。
【選択図】図７

Description

本発明は、エネルギー取引価格の予測システム、予測方法およびプログラムに関する。

原油等のエネルギー調達に係る将来の価格変動をヘッジするために先物取引が行われている。先物取引においては指標となる価格が定められていることが多く、例えば、原油の先物取引では、財務省が発表する通関統計値である全日本ＣＩＦ（Cost Insurance Freight）価格（具体的には、全日本輸入原油ＣＩＦ価格、全日本輸入ＬＮＧＣＩＦ価格、全日本輸入石炭ＣＩＦ価格などがある。）が指標として用いられている。

原油先物取引のように、先物取引が相対取引で行われている場合には、指標となる価格を当事者自身が予測する必要があり、各種の予測手法が提案されている。例えば、特許文献１には、先物市場で取引されているブレント原油などの類似の先物価格を用いて取引価格を算出するシステムが記載されている。
特開２００５−１３５３４７号公報

しかしながら、従来の予測手法では、特許文献１に記載のシステムのように、類似する他の商品についての先物価格に基づいて取引価格の予測を行っているため、予測精度を向上させるには限界があった。

本発明は、このような背景を鑑みてなされたものであり、エネルギーの取引価格を精度良く予測することのできる予測システム、予測方法を提供することを目的とする。

上記課題を解決するための本発明のうち、請求項１に記載の発明は、市場におけるエネルギーの取引価格の予測システムであって、前記エネルギーの前記取引価格の履歴を記憶する取引価格記憶部と、前記エネルギーを産出する地域ごとに、前記エネルギーの出荷価格の履歴を記憶する出荷価格記憶部と、所定の前記地域を特定する地域特定情報を記憶する地域特定情報記憶部と、前記所定の地域に対応する前記出荷価格の履歴、前記取引価格の履歴、および所定の次数ｎのラグに基づいて前記取引価格を算出するための分布ラグモデルを示すモデル情報の入力を受け付ける分布ラグモデル入力部と、前記所定の地域に対応する前記出荷価格の履歴および前記取引価格の履歴に基づいて、前記分布ラグモデルによる回帰分析を行い、前記分布ラグモデルに含まれる説明変数の係数を推計するパラメータ推計部と、予測対象となる時期ｔの指定を受け付ける予測時期入力部と、前記時期ｔから前記次数ｎ期前の時期ｔ−ｎまでの前記取引価格を前記取引価格記憶部から読み出す取引価格取得部と、前記時期ｔから前記時期ｔ−ｎまでの、前記所定の地域に対応する前記出荷価格を前記出荷価格記憶部から読み出す出荷価格取得部と、読み出した前記取引価格および前記出荷価格、並びに推計した前記係数を前記分布ラグモデルに適用して、前記時期ｔにおける前記取引価格の予測値を算出する予測部と、を備えることとする。

本発明によれば、エネルギーの出荷価格に基づいて、エネルギーの取引価格を予測することができる。エネルギーの取引価格はエネルギーの出荷価格から形成されると考えられるので、より精度の高い予測を行うことができる。また、分布ラグモデルを利用することにより、出荷されてから、市場に出回るまでのタイムラグを吸収し、精度の高い予測を行うことができる。

また、本発明のうち、請求項２に記載の発明は、請求項１に記載の予測システムであって、前記分布ラグモデルは、前記取引価格をＹ、前記所定の地域に対応する前記出荷価格をＸ、定数をα、誤差をεとした場合に、式
により表され、前記パラメータ推計部は、前記所定の地域に対応する前記出荷価格Ｘの履歴および前記取引価格Ｙの履歴に基づいて、前記分布ラグモデルの前記定数α、前記出荷価格の履歴についての係数β、前記取引価格の履歴についての係数γ、および前記誤差εを推計することとする。

この分布ラグモデルは、２期のラグに注目するものであり、エネルギーの出荷から取引までに２期程度のラグを有するエネルギーについて有用である。例えば、中東からの原油のタンカー輸送などでは、２０日前後の輸送期間となっているので、旬単位での原油の取引価格を考えると、２期程度の輸送期間によるラグが存在することになる。したがって、本発明によれば、このようなエネルギーについての取引価格を、精度よく予測することが可能となる。

また、本発明のうち請求項３に記載の発明は、請求項１に記載の予測システムであって、前記次数は３であり、前記分布ラグモデルは、前記取引価格をＹ、前記所定の地域に対応する前記出荷価格である基準地域出荷価格をＸとした場合に、式
により表され、前記パラメータ推計部は、前記基準地域出荷価格Ｘの履歴および前記取引価格Ｙの履歴に基づいて、前記分布ラグモデルにおける、前記時期ｔより２期前の前記基準地域出荷価格Ｘ_ｔ−２についての係数β_１、前記時期ｔより３期前の前記基準地域出荷価格Ｘについての係数β_２、および前記時期ｔより１期前の前記取引価格Ｙ_ｔ−１についての係数γ_１を推計することとする。

また、本発明のうち請求項４に記載の発明は、請求項３に記載の予測システムであって、前記エネルギーは原油であり、前記取引価格は市場へのＣＩＦ価格であり、前記所定の地域はドバイおよびオマーンであり、前記基準地域出荷価格はドバイおよびオマーンからの原油のＦＯＢ価格の平均値であることとする。

また、本発明のうち請求項５に記載の発明は、請求項１に記載の予測システムであって、過去の所定期間に含まれる時期ｐのそれぞれについての前記予測値を算出する予測値履歴算出部と、前記予測値と、前記時期ｐに対応する前記取引価格との差分である誤差を算出し、算出した誤差の分布を求める誤差算出部と、前記誤差の分布から、所定の発生確率に対応する前記誤差を取得し、取得した前記誤差を、前記予測部が算出する前記時期ｔに対応する前記予測値に加算して、前記発生確率に対応する前記予測値を算出するリスク別予測値算出部とを備えることとする。

この場合、リスクに応じた適正な予測値を算出することができる。したがって、先物取引などにより、エネルギーの購入リスクをヘッジする利用者は、上記のリスクに応じた予測値を参考にすることが可能となる。

また、本発明のうち請求項６に記載の発明は、請求項５に記載の予測システムであって、前記誤差算出部は、前記時期ｐに対応する前記取引価格から、前記時期ｐについての前記予測値を減算して前記誤差を算出し、前記誤差算出部は、前記誤差を小さい順にソートしたリストを作成し、前記リスク別予測値算出部は、前記リスト中の前記誤差の数に前記発生確率を乗じた数値ｋを算出し、前記リストの先頭から前記ｋ番目の前記誤差を前記時期ｔに対応する前記予測値に加算して、前記発生確率に対応する前記予測値を算出することとする。

また、本発明のうち請求項７に記載の発明は、請求項５に記載の予測システムであって、前記時期ｔを含む将来の所定期間における時期ｑ毎に、前記エネルギーの購入予定量を記憶するエネルギー購入予定量記憶部と、前記将来の所定期間における前記購入予定量の合計量を算出し、過去の前記時期ｐ毎に前記時期ｐの１期前からの変動率を算出し、前記時期ｔにおける前記購入予定量の前記合計量に対する比率、前記変動率、および前記発生確率に応じた割合を前記購入予定量に乗じて、前記購入予定量の調整値を算出する購入予定量調整値算出部と、前記発生確率、前記発生確率に対応する前記予測値、および前記購入予定量の調整値を対応付けて出力するリスク別購入量出力部と、を備えることとする。

本発明によれば、エネルギーの取引価格を精度良く予測することができる。

本実施形態では、電力会社が、相対取引によって原油（エネルギー）に係る先物取引を行うことを想定している。
この先物取引では、全日本輸入原油ＣＩＦ価格（以下、ＪＣＣ価格という。）を指標としたスワップ取引やオプション取引が行われる。ＪＣＣ価格は、日本に輸入された全ての原油の輸入価格の加重平均値、すなわち実績値であり、ＪＣＣ価格の先物市場は存在しない。本実施形態の原油取引システムは、ＪＣＣ価格を予測して、取引担当者が先物取引の取引価格の参考資料として提供するものである。

ＪＣＣ価格は、産油国の原油輸出のＦＯＢ価格に、日本までのタンカー輸送費および保険料を加算したＣＩＦ価格である。ＪＣＣ価格は、各月の旬別に２〜３旬前のものが発表される。例えば、４月末頃には４月上旬の速報値が発表され、５月１０日頃には４月の中旬分が発表される。また、各月の下旬２５日頃には前月のＪＣＣ価格が発表される。一方原油のＦＯＢ価格は、産油地毎に各月の平均値が発表される。

本実施形態の原油取引システムでは、各月末頃にその月の上旬のＪＣＣ価格の速報値が発表されたタイミングで、上記のようなＪＣＣ価格の履歴、および原油ＦＯＢ価格の履歴に基づいて、その月のＪＣＣ価格を予測するものとする。

なお、原油のＦＯＢ価格は、産油地により異なるが、日本の原油輸入量のほとんどが中東産原油であり、中東産原油のＦＯＢ価格はドバイ原油とオマーン原油のスポット価格の月平均値に連動することが判明した。図１に、ＪＣＣ価格（月別）と、ドバイ原油とオマーン原油のスポット価格の月平均値との推移の一例を示す。図１の例でも、ＪＣＣ価格がドバイ原油とオマーン原油のスポット価格の月平均値に対して、若干のラグをもって連動していることが分かる。そこで、本実施形態では、原油のＦＯＢ価格として、ドバイ原油とオマーン原油のスポット価格の月平均値を採用した。以下の説明において、ＦＯＢ価格とは、この平均値をいうものとする。

ＪＣＣ価格とＦＯＢ価格とのラグは、原油のタンカー輸送に係る日数と推定される。中東から日本までのタンカーの輸送日数は２０日〜３０日程度である。本実施形態では、タンカーの輸送日数を２０日とし、輸送費および保険料、並びにタンカーでの輸送日数については固定値とした。

＝＝エラー修正モデル＝＝
本実施形態の原油取引システムでは、計量経済学において利用されている分布ラグモデルを利用してＪＣＣ価格の回帰分析を行う。また、本実施形態では、分布ラグモデルの説明変数として、ＪＣＣ価格の履歴および原油ＦＯＢ価格の履歴を用いている。

＜データの定常性の確認＞
ＪＣＣ価格は、タンカーの輸送日数の分だけタイムラグを伴って、ＦＯＢ価格に連動していると考え、長期的な均衡状態を想定する。ＪＣＣ価格をＹ、ＦＯＢ価格をＸ、輸送費および保険料をαとすると、次式（１）のような関係が成立する。
ここで、上記式（１）について、ディッキー・フラーテスト（ＤＦ検定）により、単位根の検定を行う。ＤＦ検定ではまず、次式のように、被説明変数が階差の形になるようにする。

なお、ρ＝β−１である。上記のρについて、帰無仮説ρ＝０を、ＤＦ検定の３つのモデルそれぞれについて、ｔ値とディッキー・フラー表の臨界値を用いて検定する。ディッキー・フラー表を表１に示す。また、ＪＣＣ価格および原油ＦＯＢ価格のＤＦ検定の結果を、それぞれ表２および表３に示す。

上記の表２および表３の結果より、全て帰無仮説が１０％の有意水準で棄却されず、ＪＣＣ価格、原油ＦＯＢ価格ともに、単位根を持つ非定常時系列と判断される。

ただし、ＤＦ検定は、ＡＲ（１）モデルの誤差項に系列相関がある場合、すなわち、誤差ダービンワトソン比（ＤＷ）が２に近くない場合には、正確な検定とはならない。ここで、表２に示す誤差ＤＷが２に近くないことから、ＪＣＣ価格については、拡張されたディッキー・フラーテスト（ＡＤＦ検定）も行った。ＡＤＦ検定の結果を表４に示す。

表４に示すＡＤＦ検定の結果より、全て帰無仮説が１０％の有意水準で棄却されず、単位根を持つ非定常時系列と判断される。

以上のＤＦ検定およびＡＤＦ検定の結果より、ＪＣＣ価格（Ｙ）および原油ＦＯＢ価格（Ｘ）ともに、単位根を１つ持つことが分かる。

＜共和分の検定＞
次に、単位根を１つ持つＪＣＣ価格（Ｙ）および原油ＦＯＢ価格（Ｘ）について、次の長期均衡関係式を推計する。

上の式から推計される残差系列をＵ_ｔとして、次式についてＤＦ検定を行い、Ｕ_ｔが単位根を持つかどうかを調べる。

なお、残差系列Ｕ_ｔは、回帰式からの残差であるため、ＤＦ検定の３つのモデルのうち、定数項やトレンドを含まない、ランダムウォークのモデルのみについて検定を行う。残差系列Ｕ_ｔについてのＤＦ検定の結果を表５に示す。

表５に示すＤＦ検定の結果より、帰無仮説が１％の有意水準で棄却され、残差系列Ｕ_ｔは、単位根を持たない定常時系列と判断される。

以上より、長期均衡式からの誤差は定常であり、ＪＣＣ価格（Ｙ）と原油ＦＯＢ価格（Ｘ）とは、共和分の関係にあることが分かる。

＜エラー修正モデルのラグの次数＞
次に、原油ＦＯＢ価格の履歴およびＪＣＣ価格の履歴に基づく、ＪＣＣ価格の分布ラグモデルについて説明する。

本実施形態では、タンカーの輸送日数を２０日としているため、１旬を約１０日と考えると、原油ＦＯＢ価格がＪＣＣ価格に影響を与えるのは、２旬以上のラグを伴う可能性が高い。そこで、本実施形態では、旬別のＪＣＣ価格について、次式（２）のような分布ラグモデルで表すことにした。なお、ラグの次数Ｔは３以上である。

まずＴ＝４の場合について、回帰分析（パラメータの推計）を行ったところ、図２のような結果となった。しかし、Ｙの最大次数（２）に対応するＹ_ｔ−２について、ｔ値は２未満（−１．８０２０５）であり有意でない。

そこで、ラグの次数Ｔを３として、パラメータの推計を行ったところ、図３のような結果となった。この場合、ＸおよびＹのそれぞれについて、ｔ値は２以上となり有意となる。

さらに、図３の結果について、切片αについてのｔ値が２未満であることから、切片は０（ゼロ）の可能性が高いと判断されるため、切片を０としてパラメータの推計を行ったところ、図４のような結果となった。この場合、補正決定係数は図３の場合に比べて低くなったものの、ｔ値は全て２以上となっている。そこで、本実施形態では、次式（３）に示す分布ラグモデル（ラグの次数Ｔが３であり、切片が０である分布ラグモデル）をＪＣＣ価格の予測に用いるものとする。

以下の説明では、上記の分布ラグモデルを用いてＪＣＣ価格の予測を行う、原油取引システムについて説明する。

＝＝システム構成＝＝
図５は、本発明の一実施形態である原油取引システムの全体構成を示す図である。同図に示すように、本実施形態の原油取引システムは、注文端末１０と売買サーバ２０とを含んで構成されている。

売買サーバ２０は、原油の先物取引を行う金融機関や商社などが運用するコンピュータである。売買サーバ２０は、一般的なオンライン処理による先物取引を行う。注文端末１０と売買サーバ２０とは通信ネットワーク３０を介して接続されている。通信ネットワーク３０は、例えば、インターネットやＬＡＮ（Local Area Network）などである。

注文端末１０（本発明の予測システムを実現する。）は、電力会社において取引担当者が操作するコンピュータである。取引担当者は、注文端末１０を操作して売買サーバ２０にアクセスして、原油の先物取引を行う。

図６に、注文端末１０のハードウェア構成を示す。同図に示すように、注文端末１０は、ＣＰＵ１０１、メモリ１０２、記憶装置１０３、通信インタフェース１０４、入力装置１０５、出力装置１０６を備えている。記憶装置１０３は、プログラムやデータを記憶する、例えば、ハードディスクドライブやＣＤ−ＲＯＭドライブ、フラッシュメモリなどである。ＣＰＵ１０１は、記憶装置１０３に記憶されているプログラムをメモリ１０２に読み出して実行することにより、各種の機能を実現する。通信インタフェース１０４は、通信ネットワーク３０に接続するためのインタフェースである。通信インタフェース１０４は、例えば、イーサネット（登録商標）に接続するためのアダプタや、公衆電話回線網に接続するためのモデムなどである。入力装置１０５は、取引担当者から情報の入力を受け付ける、例えば、キーボードやマウス、タッチパネルなどである。出力装置１０６は、取引担当者に対して情報を出力する、例えば、ディスプレイやプリンタなどである。

図７は、注文端末１０のソフトウェア構成を示す図である。同図に示すように、注文端末１０は、分布ラグモデル入力部１１１、パラメータ推計部１１２、パラメータ出力部１１３、予測モデル入力部１１４、ＪＣＣ価格予測部１１５、リスク別予測価格算出部１１６、固定化数量算出部１１７、固定化数量出力部１１８、取引処理部１１９、ＦＯＢ価格データベース１５２、ＪＣＣ価格データベース１５１、輸入数量データベース１５３、予測リスクパラメータ記憶部１５４、変動リスクパラメータ記憶部１５５、購入予定量データベース１５６を備えている。なお、上記分布ラグモデル入力部１１１、パラメータ推計部１１２、パラメータ出力部１１３、予測モデル入力部１１４、ＪＣＣ価格予測部１１５、リスク別予測価格算出部１１６、固定化数量算出部１１７、固定化数量出力部１１８、および取引処理部１１９は、注文端末１０が備えるＣＰＵ１０１が記憶装置１０３に記憶されているプログラムをメモリ１０２に読み出して実行することにより実現される。また、ＦＯＢ価格データベース１５２、ＪＣＣ価格データベース１５１、輸入数量データベース１５３、予測リスクパラメータ記憶部１５４、変動リスクパラメータ記憶部１５５、および購入予定量データベース１５６は、注文端末１０が備えるメモリ１０２及び記憶装置１０３が提供する記憶領域として実現される。

ＪＣＣ価格データベース１５１（本発明の取引価格記憶部に対応する。）は、月別および旬別のＪＣＣ価格の履歴を記憶する。図８にＪＣＣ価格データベース１５１の構成例を示す。同図に示すように、ＪＣＣ価格データベース１５１は、年月に対応付けて、月別のＪＣＣ価格と、上旬、中旬、下旬のそれぞれに対応する旬別のＪＣＣ価格とを記憶している。

ＦＯＢ価格データベース１５２（本発明の出荷価格記憶部に対応する。）は、産油地別の原油ＦＯＢ価格の履歴を記憶する。図９にＦＯＢ価格データベース１５２の一例を示す。同図に示すように、ＦＯＢ価格データベース１５２は、年月に対応付けて、産油地別の原油ＦＯＢ価格を記憶している。

分布ラグモデル入力部１１１は、上記のような分布ラグモデルを示す情報（以下、モデル情報という。）の入力を受け付ける。本実施形態では、上述の式（３）を示す分布ラグモデルを示すモデル情報が入力されたものとする。モデル情報は、例えば、ＸＭＬ（eXtensible Markup Language）などの、注文端末１０が解釈可能な言語で上記分布ラグモデルを表現したものである。

パラメータ推計部１１２は、ＦＯＢ価格データベース１５２に記憶されている原油ＦＯＢ価格Ｘの履歴と、ＪＣＣ価格データベース１５１に記憶されているＪＣＣ価格Ｙの履歴とに基づいて回帰分析を行い、分布ラグモデル入力部１１１が受け付けたモデル情報が示す分布ラグモデルに含まれる説明変数（ＸおよびＹ）の係数（パラメータ）を推計する。上述の図１に示したグラフに示されるＪＣＣ価格Ｙおよび原油ＦＯＢ価格Ｘに基づいて、上記式（３）のパラメータを推計すると、例えば、次式（４）のような結果が求められる。

パラメータ出力部１１３は、分布ラグモデル入力部１１１が受け付けた分布ラグモデルに、パラメータ推計部１１２が推計したパラメータを設定した、例えば、上記の式（４）などのモデルと、回帰分析に係る重相関係数や標準誤差などの統計値を出力する。

利用者は、パラメータの推計結果や回帰分析に係る統計値などのパラメータ出力部１１３による出力を参考にして、ＪＣＣ価格の予測に用いる分布ラグモデル（以下、予測モデルという。）を決定し、決定した予測モデルを注文端末１０に入力する。予測モデル入力部１１４は、利用者から予測モデルを示すモデル情報の入力を受け付ける。なお、本実施形態では、予測モデルは上記式（３）に示されるものとする。また、パラメータ推計部１１２によるパラメータの推計結果により、上記式（４）のような係数が設定され、注文端末１０は、予測モデルに原油ＦＯＢ価格およびＪＣＣ価格を当てはめることにより、旬別のＪＣＣ価格を算出することができるものとする。

輸入数量データベース１５３は、年月および旬に対応付けて、原油の輸入量の実績値を記憶する。輸入数量データベース１５３の構成例を図１０に示す。同図に示すように、輸入数量データベース１５３は、年月および旬に対応付けて、原油の輸入量を記憶している。

ＪＣＣ価格予測部１１５は、月別のＪＣＣ価格を予測する。ＪＣＣ価格予測部１１５によるＪＣＣ価格の予測処理の流れを図１１に示す。なお、予測対象となる年月は、予め利用者から入力（予測時期入力部）されているものとする。

ＪＣＣ価格予測部１１５は、輸入数量データベース１５３から、予測対象となる年月と同じ月に対応する過去５年分の輸入数量を読み出し（Ｓ４０１）、読み出した輸入数量を合計して合計輸入数量を算出し（Ｓ４０２）、上旬、中旬、および下旬の各旬について、対応する輸入数量を合計して旬別の輸入数量を算出する（Ｓ４０３）。ＪＣＣ価格予測部１１５は、各旬を処理旬として以下の処理を行う。

ＪＣＣ価格予測部１１５は、処理旬に対応する旬別輸入数量を合計輸入数量で割って、処理旬の重みを算出する（Ｓ４０４）。次にＪＣＣ価格予測部１１５は、予測モデルに含まれている説明変数のそれぞれ（本実施形態の場合は、上記式（４）に含まれている、説明変数Ｘ_ｔ−２、Ｘ_ｔ−３、およびＹ_ｔ−１）について、以下の処理を行う。

ＪＣＣ価格予測部１１５は、予測対象の年月の処理旬から、説明変数のラグ次数分の旬前の年月および旬を算出し（Ｓ４０５）、説明変数に応じて、算出した年月および旬に対応するＪＣＣ価格又は、算出した年月に対応する原油ＦＯＢ価格を、ＪＣＣ価格データベース１５１又は、ＦＯＢ価格データベース１５２から読み出す（Ｓ４０６）。例えば、予測対象の年月を２００４年４月、処理旬を中旬とした場合には、Ｙ_ｔ−１の説明変数について、Ｙ_ｔ−１のラグ次数「１」旬前の２００４年４月上旬のＪＣＣ価格が読み出され、Ｘ_ｔ−２の説明変数について、Ｘ_ｔ−２のラグ次数「２」旬前の２００４年３月下旬の年月である２００４年３月に対応する原油ＦＯＢ価格が読み出されることになる。

ＪＣＣ価格予測部１１５は、以上のようにして読み出したＪＣＣ価格および原油ＦＯＢ価格を予測モデルに適用して旬別のＪＣＣ予測価格を算出する（Ｓ４０７）。このようにして、各旬についての旬別のＪＣＣ予測価格が算出される。

ＪＣＣ価格予測部１１５は、各旬についてのＪＣＣ予測価格に、その旬に対応する重みを乗じた値を合計して、予測対象となる年月のＪＣＣ予測価格を求める（Ｓ４０８）。すなわち、ＪＣＣ価格予測部１１５は、原油の輸入数量実績に応じた旬別ＪＣＣ予測価格の加重平均値をＪＣＣ予測価格として算出することになる。

以上のようにして、ＪＣＣ価格予測部１１５は、予測対象となる年月についてのＪＣＣ予測価格を算出する。本実施形態の注文端末１０では、中東産原油のＦＯＢ価格に基づいて、ＪＣＣ価格を予測している。日本の原油輸入量の約９割を中東産原油が占めている現状では、日本に輸入された原油のＣＩＦ価格であるＪＣＣ価格は、中東産原油のＦＯＢ価格により概ね形成されると考えられる。したがって、中東産原油のＦＯＢ価格を用いてＪＣＣ価格を予測することにより、精度の高い予測結果を期待することができる。

また、本実施形態の注文端末１０では、中東産原油のＦＯＢ価格の多くが、ドバイ原油およびオマーン原油のＦＯＢ価格に連動することが確認されたことから、中東産原油の中でも、ドバイ原油とオマーン原油の月平均に基づいて、ＪＣＣ価格を予測することにしている。したがって、数多くの中東産原油の全てについて検討することなく、上記２つの地域についてのＦＯＢ価格のみを用いて予測処理を行うことができるので、注文端末１０の計算負荷を低減し、予測処理を迅速に行うことができる。よって、利用者に対する応答性を向上することができる。

ＪＣＣ価格予測部１１５により算出されたＪＣＣ予測価格に、リスクに応じた修正を加えて、リスク別のＪＣＣ予測価格を算出するのがリスク別予測価格算出部１１６である。リスク別予測価格算出部１１６による、リスク別ＪＣＣ予測価格の算出処理の流れを図１２に示す。

まず、リスク別予測価格算出部１１６は、過去５年の各年月について、予測誤差を算出する。具体的には、過去５年の各年月について、ＪＣＣ価格予測部１１５が上記図１１に示す予測処理によりＪＣＣ価格の予測価格（以下、過去ＪＣＣ予測価格という。）を算出する（Ｓ４２１）。

リスク別予測価格算出部１１６は、上記年月に対応する月別のＪＣＣ価格をＪＣＣ価格データベース１５１から読み出す（Ｓ４２２）。リスク別予測価格算出部１１６は、ＪＣＣ価格予測部１１５が算出した過去ＪＣＣ予測価格から月別のＪＣＣ価格を減じて、上記年月に対応する予測誤差を算出する（Ｓ４２３）。

次に、リスク別予測価格算出部１１６は、以上の処理により算出された予測誤差を昇順に並べたリストを作成する（Ｓ４２４）。リスク別予測価格算出部１１６は、所定のリスク（本実施形態では、１％、５％、および１０％とする。）について、以下の処理を行う。

リスク別予測価格算出部１１６は、リストに含まれる予測誤差の個数にリスクを乗じて小数点以下を切り上げた整数をｎとして（Ｓ４２５）、リストに含まれるｎ番目の予測誤差をリスク誤差とする（Ｓ４２６）。リスク別予測価格算出部１１６は、ＪＣＣ予測価格にリスク誤差を加算して、リスク別ＪＣＣ予測価格を算出する（Ｓ４２７）。

以上のように、本実施形態の注文端末１０は、リスク別ＪＣＣ予測価格を算出することができる。したがって、利用者は、リスクに応じたＪＣＣ価格の予測値を取得することができるので、例えば、先物取引のように、リスクを考慮に入れて取引を行う必要がある場合には便利である。

固定化数量算出部１１７は、原油価格の予測に伴うリスク（以下、予測リスクという。）と、原油の価格変動に伴うリスク（以下、価格変動リスクという。）および原油の購入予定量に応じたリスク（以下、購入量リスクという。）とに応じて、適正な月別の原油先物の購入数量（以下、固定化数量という。）を予測する。固定化数量算出部１１７は、固定化数量をＰ、月別の購入予定量をＫとすると、次式（５）により固定化数量を算出する。

ここで、上記式（５）において、パラメータａは、予測リスクに応じたパラメータ（以下、予測リスクパラメータという。）であり、パラメータｂは、価格変動リスクおよび購入量リスクに応じたパラメータ（以下、変動リスクパラメータという。）である。

予測リスクパラメータ記憶部１５４は、予測リスクパラメータを記憶する。予測リスクパラメータ記憶部１５４の構成例を図１３に示す。同図に示すように、予測リスクパラメータ記憶部１５４は、予測リスク（本実施形態では、上述の通り１％、５％、および１０％とする。）に対応付けて、予測リスクパラメータを記憶している。

変動リスクパラメータ記憶部１５５は、変動リスクパラメータを記憶する。変動リスクパラメータ記憶部１５５の構成例を図１４に示す。同図に示すように、変動パラメータ記憶部１５５は、ＪＣＣ価格の変動率を価格変動リスクとし、原油の購入予定量の年平均値からの乖離率を購入量リスクとして、価格変動リスクおよび購入量リスクに対応付けて、変動リスクパラメータを記憶している。

価格変動率は、過去のＪＣＣ価格を月毎に集計し、前月からの変動率を算出したものである。購入予定量の乖離率は、１年間を通した原油の購入予定量の平均値からの、各月ごとの購入予定量の乖離である。

各月の購入予定量は、購入予定量データベース１５６に記憶されている。購入予定量データベース１５６の構成例を図１５に示す。同図に示すように、購入予定量データベース１５６は、月ごとに、原油の購入予定量を記憶している。また、購入予定量データベース１５６は、月ごとに、年間の原油購入予定量の平均値に対する、月ごとの購入予定量の乖離率を記憶している。

固定化数量算出部１１７による固定化数量の算出処理の流れを図１６に示す。固定化数量算出部１１７は、上記のリスク（１％、５％、および１０％）のそれぞれについて、以下の処理を行う。

固定化数量算出部１１７は、リスクに対応する予測リスクパラメータを、予測リスクパラメータ記憶部１５４から読み出す（Ｓ４４１）。

固定化数量算出部１１７は、過去１０年分の各年について、予測対象となっている年月の月（以下、当月という。）に対応するＪＣＣ価格の平均値をＪＣＣ価格データベース１５１から集計し、その前月に対応するＪＣＣ価格の平均値をＪＣＣ価格データベース１５１から集計し、当月の平均値から前月の平均値を引いた値を当月の平均値で割って、価格変動率を算出する（Ｓ４４２）。固定化数量算出部１１７は、年ごとの上記価格変動率の標準偏差を算出し、価格変動リスクとする（Ｓ４４３）。

次に、固定化数量算出部１１７は、購入予定量データベース１５６に記憶されている購入予定量の平均値を算出し（Ｓ４４４）、当月に対応する購入予定量を購入予定量データベース１５６から読み出す（Ｓ４４５）。固定化数量算出部１１７は、当月に対応する購入予定量を、上記の購入予定量の平均値で割って、購入量リスクとする（Ｓ４４６）。

固定化数量算出部１１７は、以上のようにして算出した価格変動リスクおよび購入量リスクに対応する変動リスクパラメータを、変動リスクパラメータ記憶部１５５から読み出す（Ｓ４４７）。

固定化数量算出部１１７は、当月に対応する購入予定量に、予測リスクパラメータと、変動リスクパラメータとを乗じて、固定化数量を算出する（Ｓ４４８）。

以上のようにして、本実施形態の注文端末１０は、予測リスク、価格変動リスク、および購入量リスクに応じた購入量の推奨値を算出することができる。したがって、利用者は、注文端末１０によるリスク別の固定化数量を参考にして、先物取引を行うことが可能となる。よって、例えば、ＪＣＣ価格のように相対取引による場合にも、リスクに応じた適切な価格を基準として取引を行うことができるので便利である。

また、本実施形態の注文端末１０では、原油の購入量が多い場合には、価格変動の影響が大きいため、価格変動リスクを低減するべく、変動リスクパラメータを大きくして、固定化数量が大きくなるようにしている。また、原油の価格変動が大きい場合には、早めに先物取引により取引価格を固定化するべく、変動リスクパラメータを大きくして、固定化数量が大きくなるようにしている。このように、本実施形態の注文端末１０によれば、利用者は、適切な購入価格および購入量を容易に決定することができる。

固定化数量出力部１１８は、固定化数量算出部１１７が算出した固定化数量を、ディスプレイやプリンタなどの出力装置１０６に出力する。固定化数量出力部１１８がディスプレイに出力する画面５０の一例を図１７に示す。

画面５０は、予測対象となる年月を指定するプルダウンリスト５１、ＪＣＣ予測価格の表示欄４２、購入予定量の表示欄５３、リスク別ＪＣＣ予測価格およびリスク別の固定化数量の表示欄５４、および銘柄画面ボタンを備えている。プルダウンリスト５１から予測対象の年月が指定されると、上述した図１１のＪＣＣ予測価格の算出処理、図１２のリスク別ＪＣＣ予測価格の算出処理、および図１６の固定化数量の算出処理が実行される。

固定化数量出力部１１８は、ＪＣＣ価格予測部１１５が算出したＪＣＣの予測価格を表示欄５２に表示し、購入予定量データベース１５６に記憶されている購入予定量の合計を表示欄５３に出力する。また、固定化数量出力部１１８は、リスク別のＪＣＣ予測価格および固定化数量を表示欄５４に出力する。

銘柄画面ボタン５５が押下されると、取引処理部１１９によるＪＣＣの先物取引処理が行われる。なお、取引処理部１１９による先物取引処理には、一般的な先物取引に関する処理を用いることができる。

取引処理部１１９が表示する画面例を図１８に示す。取引処理部１１９は、売買サーバ２０にアクセスして、画面５０のプルダウンリスト５１から選択された限月についての、ＪＣＣ価格の先物取引に関する、価格別の売買状況を取得し、取得した売買状況を画面６０の表示欄６１に表示する。ここで画面６０の注文画面ボタン６２が押下されると、取引処理部１１９は、ＪＣＣ価格の先物を注文する画面７０を表示する。画面７０は、ＪＣＣ価格の先物取引に必要な情報の入力欄７１を備えており、利用者は、上述の画面５０に表示された、リスク別のＪＣＣ予測価格や個別化数量を参考にして、入力欄７１に取引情報を入力する。画面７０において注文ボタン７２が押下されると、取引処理部１１９は、入力欄７１に入力された取引情報に基づいて、ＪＣＣ価格の先物取引の申込を売買サーバ２０に送信する。以上のように、電力会社の担当者は、リスク別のＪＣＣ予測価格や固定化数量を参考にしながら、ＪＣＣ価格の先物取引を行うことができる。

なお、本実施形態では、原油の取引価格であるＪＣＣ価格を予測することを前提としたが、これに限らず、各種のエネルギーの取引価格について適用することができる。この場合、エネルギーの供給地域における出荷価格を用いて、市場における取引価格を予測することになる。

また、本実施形態では、原油のタンカー輸送にかかるラグが２０日程度であり、旬（１０日）ごとのＪＣＣ価格を求めるようにしたので、２期のラグに注目した分布ラグモデルを利用したが、輸送にかかる時間等に応じた次数のラグに注目した分布ラグモデルを用いるようにすることができる。

また、本実施形態では、輸送費及び保険料、並びにタンカーの輸送日数について固定値であるものとしたが、これらも変動するものとして、分布ラグモデルの説明変数に加えるようにしてもよい。

以上、本実施形態について説明したが、上記実施形態は本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。本発明は、その趣旨を逸脱することなく、変更、改良され得ると共に、本発明にはその等価物も含まれる。

ＪＣＣ価格（月別）と、ドバイ原油とオマーン原油のスポット価格の月平均値との推移の一例を示す図である。 Ｔ＝４の場合の回帰分析の結果を示す図である。 Ｔ＝３の場合の回帰分析の結果を示す図である。 Ｔ＝３かつ切片＝０の場合の回帰分析の結果を示す図である。 本実施形態の原油取引システムの全体構成を示す図である。 注文端末１０のハードウェア構成を示す図である。 注文端末１０のソフトウェア構成を示す図である。 ＪＣＣ価格データベース１５１の構成例を示す図である。 ＦＯＢ価格データベース１５２の一例を示す図である。 輸入数量データベース１５３の構成例を示す図である。 ＪＣＣ価格予測部１１５によるＪＣＣ価格の予測処理の流れを示す図である。 リスク別ＪＣＣ予測価格の算出処理の流れを示す図である。 予測リスクパラメータ記憶部１５４の構成例を示す図である。 変動リスクパラメータ記憶部１５５の構成例を示す図である。 購入予定量データベース１５６の構成例を示す図である。 固定化数量算出部１１７による固定化数量の算出処理の流れを示す図である。 固定化数量出力部１１８がディスプレイに出力する画面５０の一例を示す図である。 取引処理部１１９が表示する画面例を示す図である。

符号の説明

１０ 注文端末
２０ 売買サーバ
１０１ ＣＰＵ
１０２ メモリ
１０３ 記憶装置
１０４ 通信インタフェース
１０５ 入力装置
１０６ 出力装置
１１１ 分布ラグモデル入力部
１１２ パラメータ推計部
１１３ パラメータ出力部
１１４ 予測モデル入力部
１１５ ＪＣＣ価格予測部
１１６ リスク別予測価格算出部
１１７ 固定化数量算出部
１１８ 固定化数量出力部
１１９ 取引処理部
１５１ ＪＣＣ価格データベース
１５２ ＦＯＢ価格データベース
１５３ 輸入数量データベース
１５４ 予測リスクパラメータ記憶部
１５５ 変動リスクパラメータ記憶部
１５６ 購入予定量データベース

Claims (9)

1. 市場におけるエネルギーの取引価格の予測システムであって、
   前記エネルギーの前記取引価格の履歴を記憶する取引価格記憶部と、
   前記エネルギーを産出する地域ごとに、前記エネルギーの出荷価格の履歴を記憶する出荷価格記憶部と、
   所定の前記地域を特定する地域特定情報を記憶する地域特定情報記憶部と、
   前記所定の地域に対応する前記出荷価格の履歴、前記取引価格の履歴、および所定の次数ｎのラグに基づいて前記取引価格を算出するための分布ラグモデルを示すモデル情報の入力を受け付ける分布ラグモデル入力部と、
   前記所定の地域に対応する前記出荷価格の履歴および前記取引価格の履歴に基づいて、前記分布ラグモデルによる回帰分析を行い、前記分布ラグモデルに含まれる説明変数の係数を推計するパラメータ推計部と、
   予測対象となる時期ｔの指定を受け付ける予測時期入力部と、
   前記時期ｔから前記次数ｎ期前の時期ｔ−ｎまでの前記取引価格を前記取引価格記憶部から読み出す取引価格取得部と、
   前記時期ｔから前記時期ｔ−ｎまでの、前記所定の地域に対応する前記出荷価格を前記出荷価格記憶部から読み出す出荷価格取得部と、
   読み出した前記取引価格および前記出荷価格、並びに推計した前記係数を前記分布ラグモデルに適用して、前記時期ｔにおける前記取引価格の予測値を算出する予測部と、
   を備えることを特徴とする予測システム。
2. 請求項１に記載の予測システムであって、
   前記分布ラグモデルは、前記取引価格をＹ、前記所定の地域に対応する前記出荷価格をＸ、定数をα、誤差をεとした場合に、式
   により表され、
   前記パラメータ推計部は、前記所定の地域に対応する前記出荷価格Ｘの履歴および前記取引価格Ｙの履歴に基づいて、前記分布ラグモデルの前記定数α、前記出荷価格の履歴についての係数β、前記取引価格の履歴についての係数γ、および前記誤差εを推計すること、
   を特徴とする予測システム。
3. 請求項１に記載の予測システムであって、
   前記次数は３であり、
   前記分布ラグモデルは、前記取引価格をＹ、前記所定の地域に対応する前記出荷価格である基準地域出荷価格をＸとした場合に、式
   により表され、
   前記パラメータ推計部は、前記基準地域出荷価格Ｘの履歴および前記取引価格Ｙの履歴に基づいて、前記分布ラグモデルにおける、前記時期ｔより２期前の前記基準地域出荷価格Ｘ_ｔ−２についての係数β_１、前記時期ｔより３期前の前記基準地域出荷価格Ｘについての係数β_２、および前記時期ｔより１期前の前記取引価格Ｙ_ｔ−１についての係数γ_１を推計すること、
   を特徴とする予測システム。
4. 請求項３に記載の予測システムであって、
   前記エネルギーは原油であり、前記取引価格は市場へのＣＩＦ価格であり、前記所定の地域はドバイおよびオマーンであり、前記基準地域出荷価格はドバイおよびオマーンからのＦＯＢ価格の平均値であること、
   を特徴とする予測システム。
5. 請求項１に記載の予測システムであって、
   過去の所定期間に含まれる時期ｐのそれぞれについての前記予測値を算出する予測値履歴算出部と、
   前記予測値と、前記時期ｐに対応する前記取引価格との差分である誤差を算出し、算出した誤差の分布を求める誤差算出部と、
   前記誤差の分布から、所定の発生確率に対応する前記誤差を取得し、取得した前記誤差を、前記予測部が算出する前記時期ｔに対応する前記予測値に加算して、前記発生確率に対応する前記予測値を算出するリスク別予測値算出部と、
   を備えることを特徴とする予測システム。
6. 請求項５に記載の予測システムであって、
   前記誤差算出部は、前記時期ｐに対応する前記取引価格から、前記時期ｐについての前記予測値を減算して前記誤差を算出し、
   前記誤差算出部は、前記誤差を小さい順にソートしたリストを作成し、
   前記リスク別予測値算出部は、前記リスト中の前記誤差の数に前記発生確率を乗じた数値ｋを算出し、前記リストの先頭から前記ｋ番目の前記誤差を前記時期ｔに対応する前記予測値に加算して、前記発生確率に対応する前記予測値を算出すること、
   を特徴とする予測システム。
7. 請求項５に記載の予測システムであって、
   前記時期ｔを含む将来の所定期間における時期ｑ毎に、前記エネルギーの購入予定量を記憶するエネルギー購入予定量記憶部と、
   前記将来の所定期間における前記購入予定量の合計量を算出し、過去の前記時期ｐ毎に前記時期ｐの１期前からの変動率を算出し、前記時期ｔにおける前記購入予定量の前記合計量に対する比率、前記変動率、および前記発生確率に応じた割合を前記購入予定量に乗じて、前記購入予定量の調整値を算出する購入予定量調整値算出部と、
   前記発生確率、前記発生確率に対応する前記予測値、および前記購入予定量の調整値を対応付けて出力するリスク別購入量出力部と、
   を備えることを特徴とする予測システム。
8. 市場におけるエネルギーの取引価格の予測方法であって、
   コンピュータが、
   前記エネルギーの前記取引価格の履歴をメモリに記憶し、
   前記エネルギーを産出する地域ごとに、前記エネルギーの出荷価格の履歴を前記メモリに記憶し、
   所定の前記地域に対応する前記出荷価格の履歴、前記取引価格の履歴、および所定の次数ｎのラグに基づいて前記取引価格を算出するための分布ラグモデルを示すモデル情報の入力を受け付け、
   前記所定の地域に対応する前記出荷価格の履歴および前記取引価格の履歴に基づいて、前記分布ラグモデルによる回帰分析を行い、前記分布ラグモデルに含まれる説明変数の係数を推計し、
   予測対象となる時期ｔの指定を受け付け、
   前記時期ｔから前記次数ｎ期前の時期ｔ−ｎまでの前記取引価格を前記メモリから読み出し、
   前記時期ｔから前記時期ｔ−ｎまでの、前記所定の地域に対応する前記出荷価格を前記メモリから読み出し、
   読み出した前記取引価格および前記出荷価格、並びに推計した前記係数を前記分布ラグモデルに適用して、前記時期ｔにおける前記取引価格の予測値を算出すること、
   を特徴とする予測方法。
9. 市場におけるエネルギーの取引価格を予測するためのプログラムであって、
   コンピュータに、
   前記エネルギーの前記取引価格の履歴をメモリに記憶するステップと、
   前記エネルギーを産出する地域ごとに、前記エネルギーの出荷価格の履歴を前記メモリに記憶するステップと、
   所定の前記地域に対応する前記出荷価格の履歴、前記取引価格の履歴、および所定の次数ｎのラグに基づいて前記取引価格を算出するための分布ラグモデルを示すモデル情報の入力を受け付けるステップと、
   前記所定の地域に対応する前記出荷価格の履歴および前記取引価格の履歴に基づいて、前記分布ラグモデルによる回帰分析を行い、前記分布ラグモデルに含まれる説明変数の係数を推計するステップと、
   予測対象となる時期ｔの指定を受け付け、
   前記時期ｔから前記次数ｎ期前の時期ｔ−ｎまでの前記取引価格を前記メモリから読み出すステップと、
   前記時期ｔから前記時期ｔ−ｎまでの、前記所定の地域に対応する前記出荷価格を前記メモリから読み出すステップと、
   読み出した前記取引価格および前記出荷価格、並びに推計した前記係数を前記分布ラグモデルに適用して、前記時期ｔにおける前記取引価格の予測値を算出するステップと、
   を実行させるためのプログラム。