Производная погоды

Погодные деривативы — это финансовые инструменты , которые могут использоваться организациями или отдельными лицами как часть стратегии управления рисками для снижения риска, связанного с неблагоприятными или неожиданными погодными условиями. Погодные деривативы — это инструменты, основанные на индексах, которые обычно используют данные наблюдений за погодой на метеостанции для создания индекса, на основе которого могут быть основаны выплаты. Этот индекс может представлять собой общее количество осадков за соответствующий период (что может иметь значение для гидрогенерирующего бизнеса) или число случаев, когда минимальная температура падает ниже нуля, что может иметь значение для защиты фермера от ущерба от заморозков.

Как и в случае с параметрическим погодным страхованием, доказательств возмещения убытков не существует. В отличие от покрытия, основанного на страховании «компенсации», нет необходимости доказывать, что ущерб был понесен, однако полис страхования от погодных условий является редко используемым инструментом. Расчет является объективным и основан на конечном значении выбранного индекса погоды за выбранный период. Если выплата наступила, она обычно производится в течение нескольких дней, причем период расчета определяется в договоре.См. Экзотические деривативы .

Обзор использования

Фермеры могут использовать погодные производные, чтобы застраховаться от неурожаев, вызванных отсутствием дождей в период вегетации, чрезмерными дождями во время сбора урожая, сильными ветрами в случае плантаций или колебаниями температуры в случае тепличных культур; тематические парки могут застраховаться от дождливых выходных в пик летнего сезона; а газовые и энергетические компании могут использовать контракты на градусо-дни отопления (HDD) или градусо-дни охлаждения (CDD) для сглаживания прибыли. Компания, управляющая спортивными мероприятиями, может захотеть застраховать убытки, заключив контракт на погодные деривативы, поскольку, если в день спортивного мероприятия пойдет дождь, будет продано меньше билетов.

Градусо-дни отопления являются одним из наиболее распространенных типов индексов для оценки производных от погоды. Типичными условиями контракта на HDD могут быть: в период с ноября по март, за каждый день, когда среднедневная температура падает ниже контрольной точки (65 градусов по Фаренгейту в США или 18 градусов по Цельсию за пределами США), совокупный подсчет учитываются суточные отклонения от эталонной температуры. Такое накопление может стать основой для производного контракта, который может быть структурирован как опцион ( колл или пут ) или как « своп », то есть соглашение об оплате или получении платежа.

История

Первая сделка по погодным деривативам была заключена в июле 1996 года, когда Aquila Energy структурировала хеджирование двойного товара для Consolidated Edison (ConEd). ^[1] Сделка включала покупку ConEd электроэнергии у Aquila в августе. Цена на электроэнергию была согласована, и в контракт был включен пункт о погоде. Этот пункт предусматривал, что Aquila выплатит ConEd скидку, если август окажется более прохладным, чем ожидалось. Измерение этого показателя было связано с количеством дней похолодания (CDD), измеренных на -Йорка Нью Центрального парка метеостанции . Если бы общие CDD были на 0–10 % ниже ожидаемых 320, компания не получала скидки к цене на электроэнергию, но если бы общие CDD были на 11–20 % ниже нормы, ConEd получила бы скидку в размере 16 000 долларов. Другие уровни скидок были разработаны для еще большего отклонения от нормы.

В 1997 году погодные деривативы постепенно начали торговаться на внебиржевом рынке. По мере роста рынка этих продуктов Чикагская товарная биржа (CME) в 1999 году представила первые биржевые фьючерсные контракты на погоду (и соответствующие опционы). В настоящее время CME котирует контракты на деривативы по погоде для 24 городов в США, одиннадцати в Европе, шести в Канаде, трёх в Австралии и трёх в Японии. Большинство этих финансовых инструментов отслеживают градусо-дни охлаждения или градусо-дни отопления, но другие продукты отслеживают снегопады и осадки в десяти отдельных местах США. Индекс ураганов CME , инновация, разработанная индустрией перестрахования, обеспечивает контракты, основанные на формуле, полученной на основе скорости ветра и радиуса названных штормов в точке выхода на берег в США.

Корпорация Enron была одной из первых, кто исследовал производные от погоды через свое EnronOnline подразделение .

В Opalesque видеоинтервью Барни Шойбле из Nephila Capital рассказал, как некоторые хедж-фонды рассматривают погодные деривативы как инвестиционный класс. Контрагенты, такие как коммунальные предприятия, фермерские конгломераты, отдельные компании и страховые компании, по сути, стремятся хеджировать свои риски с помощью погодных деривативов, а фонды стали опытным партнером в обеспечении такой защиты. За последние несколько лет также произошел сдвиг от преимущественного инвестирования фондов в погодные риски к более прямым инвестициям для инвесторов, ищущих некоррелированные статьи для своего портфеля. Погодные деривативы представляют собой чистую некоррелированную альтернативу традиционным финансовым рынкам.

Онлайн-биржа деривативов погоды Massive Rainfall ^[2] был создан в 2014 году и использовался для ставок или хеджирования на определенные температуры, скорость ветра и количество осадков в определенные дни в некоторых городах, однако, похоже, это всего лишь образовательный инструмент для практических счетов в несуществующей валюте.

Оценка

Не существует стандартной модели оценки погодных деривативов, аналогичной формуле Блэка-Шоулза для оценки опционов на акции европейского типа и аналогичных деривативов. Это связано с тем, что базовый актив дериватива на погоду не подлежит продаже, что нарушает ряд ключевых предположений модели Блэка-Шоулза. Обычно погодные деривативы оцениваются несколькими способами:

Цены для бизнеса

Ценообразование в бизнесе требует, чтобы компания, использующая погодные производные инструменты, понимала, как на ее финансовые результаты влияют неблагоприятные погодные условия при различных результатах (т. е. получала кривую полезности по отношению к конкретным погодным переменным). Затем пользователь может определить, сколько он/она готов заплатить, чтобы защитить свой бизнес от этих условий в случае, если они возникнут, на основе его/ее анализа затрат и выгод и склонности к риску. Таким образом, бизнес может получить «гарантированную погоду» на рассматриваемый период, что значительно снижает колебания расходов/доходов из-за погоды.Альтернативно, инвестор, стремящийся к определенному уровню прибыли при определенном уровне риска, может определить, какую цену он готов заплатить за принятие на себя определенного риска, связанного с конкретным погодным инструментом.

Исторические цены (анализ сжигания)

Историческая выплата по деривативу рассчитывается для определения математического ожидания. Этот метод очень быстрый и простой, но не дает надежных оценок и может использоваться только в качестве приблизительного ориентира. Он не включает в себя разнообразие статистических и физических особенностей, характерных для погодной системы.

Индексное моделирование

Этот подход требует построения модели базового индекса, т.е. модели, на основе которой определяется производное значение (например, месячное/сезонное совокупное количество градусо-дней отопления ). Самый простой способ смоделировать индекс – это просто смоделировать распределение исторических результатов индекса. Мы можем принять параметрические или непараметрические распределения . Для ежемесячных градусо-дней охлаждения и обогрева обычно требуется нормальное распределение . Предсказательная сила такой модели довольно ограничена. Лучший результат можно получить, моделируя процесс генерации индекса в более мелком масштабе. В случае температурных контрактов можно построить модель среднесуточных (или минимальных и максимальных) временных рядов температур. Модель суточной температуры (или дождя, снега, ветра и т. д.) может быть построена с использованием обычных статистических временных рядов моделей (т. е. преобразования ARMA или преобразования Фурье в частотной области) исключительно на основе характеристик, отображаемых в исторических временных рядах индекса. . Более сложный подход состоит в том, чтобы включить в наши статистические модели некоторые физические интуиции/связи, основанные на пространственной и временной корреляции между погодой, происходящей в различных частях системы океан-атмосфера по всему миру (например, мы можем включить эффекты Эль-Ниньо от температуры и осадков).

Физические модели погоды

Мы можем использовать результаты численных моделей прогнозирования погоды , основанных на физических уравнениях, описывающих взаимосвязи в погодной системе. Их предсказательная сила, как правило, меньше или аналогична чисто статистическим моделям за пределами временного горизонта 10–15 дней. Ансамблевые прогнозы особенно подходят для определения цен на погодные производные в течение контрактного периода месячной производной по температуре. Однако отдельные члены ансамбля необходимо «одеть» (например, с помощью гауссовых ядер , оцененных на основе исторических показателей), прежде чем можно будет получить разумный вероятностный прогноз.

Смесь статистических и физических моделей

Превосходный подход к моделированию временных рядов ежедневных или ежемесячных переменных погоды заключается в объединении статистических и физических моделей погоды с использованием весовых коэффициентов изменения временного горизонта, которые получаются после оптимизации моделей, основанных на исторической вневыборочной оценке эффективности схемы объединенной модели.

Бухгалтерский учет

В отличие от полиса страхования от погодных условий, а также из-за его уникального характера, учет погодного производного инструмента подпадает под специальные правила, в частности, в соответствии с Положением о стандартах финансового учета № 133 (SFAS № 133) Совета по стандартам финансового учета (FASB). Из-за такого строгого режима бухгалтерского учета и налогообложения любая сторона, рассматривающая сделку с погодным деривативом, должна обратиться за советом как к бухгалтеру, знакомому с SFAS № 133 и необходимой документацией, так и к налоговому адвокату.

Дальнейшее чтение

Консидайн, Г., 2000 г., «Введение в погодные производные» , Группа погодных производных, Aquila Energy.
Питер Робисон, «Хедж-фонды извлекают деньги из воздуха в рискованной игре на 19 миллиардов долларов» , Bloomberg News , 2 августа 2007 г.
USA Today (2008 г.), «Погодные деривативы становятся популярным товаром» , USA Today Online, опубликовано 9 июня 2008 г.
Элис Гомстин, Рич Блейк и Далия Фахми, «Хотите прогноз погоды? Спросите Уолл-стрит» , ABC News , 8 февраля 2010 г.
Дишель, Р.С., Ред. (2002). «Климатический риск и рынок погоды: управление финансовыми рисками с помощью погодного хеджирования». Архивировано 27 января 2010 г. в Wayback Machine , Risk Books.
Джуусон С., А. Брикс и К. Циманн (2005). «Оценка погодных производных: метеорологические, статистические, финансовые и математические основы» . Кембридж, Издательство Кембриджского университета.
Голден, Л.Л., М. Ван и К.С. Ян «Управление рисками, связанными с погодой, на финансовых рынках: рассмотрение кредитного риска, базисного риска и хеджирования». Журнал рисков и страхования, Vol. 74, № 2, стр. 319–346, июнь 2007 г.
Майерс, Р. 2008 г. «Что должен знать каждый финансовый директор об управлении погодными рисками» , Storm Exchange, Inc. и CME Group
Мэтьюз, Дж. С. (2009) «Дни собак и дни дипломов» , CME Group
Тан, К., Ред. (2010). «Управление погодными рисками: руководство для корпораций, хедж-фондов и инвесторов». Архивировано 22 января 2010 г. в Wayback Machine , Risk Books.

См. также

Ссылки

^ «Марк Николлс, «Смешение прогнозов», «Экологическое финансирование», 4 июля 2008 г.» . Environmental-Finance.com . Проверено 23 апреля 2018 г.
^ «Свадебная история – сильный ливень» .

Внешние ссылки

[1] «Марк Николлс, «Смешение прогнозов», «Экологическое финансирование», 4 июля 2008 г.» . Environmental-Finance.com . Проверено 23 апреля 2018 г.

[2] «Свадебная история – сильный ливень» .

[1]

[2]