スキップしてメイン コンテンツに移動

マイナス原油(先物)価格を「買って」お金が「もらえる」!

原油価格がマイナスに

日経新聞電子版は本日朝、次のように報じた。

「20⽇のWTI(ウエスト・テキサス・インターミディエート)の期近5⽉物の清算値は1バレルマイナス37.63ドルで、前⽇から55.9ドル下落した。朝から売られていたが、拍⾞がかかったのは午後に⼊ってからだ。正午過ぎに10ドルを割ると10分おきに1ドル下がるような展開になった。午後2時すぎに節⽬の0ドルを割ると午後2時30分には⼀気にマイナス40ドル強まで崩れた。」

夕刊では、日経新聞のみならず、各紙が1面トップで大きくこのことを報じている。

これに対し、CME(シカゴ商品取引所)での原油「先物」最新価格:
Crude Oil Futures Quotes をチェックすると、

最新価格:日本時間2020年4月21日午後0時43分時点の最新値


    1列目は限月(将来時点)、3列目が今の価格、6行目が清算価格(5月物はマイナス価格)

注意:マイナス価格は5月物(期近)だけであり、6月物以降は期先になればなるほど高くなっていることに注意

このことが何を意味するか考えてみる。「タダより安いものはない」は嘘だ

「タダより安いものはない」ということが言われることがある。しかし、それは本当でない。ものをタダでもらって、さらにお金がもらえることがある。そんな「美味しい話」がと思うかもしれないが、われわれの身の回りにはいくつもそうした話がある。

例えばマイナス金利だ。日本政府はお金を(国民から)借りて、金利を払うのでなく、マイナス金利、つまり金利分をもらうことができる。北欧の国では住宅ローンを借りて、利子が「もらえる」こともある。此等は金融の世界で生じていることだが、モノ(実物(Real Assets)」の世界でもそうした例はいくつかあるし、あった。

アメリカやヨーロッパでは、電力をマイナス価格で販売することが電力市場で生じている。春や秋の温暖な日が続くときには、暖房も冷房もいらない。でも天気は良く、太陽は光輝いている。何が起きるのだろうか? 

風車がまわり風力発電が活発になる。日差しが良くなり太陽光発電が盛んになる。

つまり、電力の需要は減るが、供給は増える。ところが、電力は需要と供給を常に一致させる必要があるのに、春秋には受給のズレ、ギャップが生じる。もっと電力使ってくださいと電力会社が頼んでも企業や家計の電力需要は春秋にはそう簡単には増えない。そこで日本の電力会社はどするか?「風力や太陽光で発電した電力は引き取りません」となる。

ヨーローパやアメリカ(テキサス州ではとくに)どうするか? タダでも良いですから引き取ってください、と顧客にお頼みするわけだ。寅さんの言葉を借りれば「持ってけ泥棒」という啖呵をきるわけだ。それでももっていってくれなかったらどうするか。お金を払うから、おねがいだからか、持っていってください、となるのである。

例えば次の論文を御参考
Sewalt, Michael, and Cyriel De Jong. 2003. “Negative Prices in Electricity Markets.” Commodities Now 2: 74–79.

何故?こうしたことが生じるのか?それは、電力が貯蔵できないからだ。もし需要以上の供給(生産)がおこなわれるのであれば、余った分は貯蔵しておけばよい。そして需要が増えた時に、倉庫から商品を取り出して、売ればよい。電力はそれができない。全くできないわけではなく、例えば揚水発電といって、夜間余った電力で、水を貯水池に汲み上げて、翌日昼間にその水を放水し、水力発電をする、といったことをやっているが、その量は微々たるものである。だから、大量の電池を低コストで貯蔵できる電池の開発が重要なのだ(この問題は別途議論する)。

貯蔵できる重油

本題に戻ろう。電力は貯蔵が難しいが、電力を作り出すためにもっとよく使われている重油、原油(Crude Oil)は、もちろん、貯蔵できる。だからコロナショックで、電力需要が減ったのであるならば、重油貯蔵すればよい。でも貯蔵のためには巨大なかつ多くの貯蔵タンク(運行していないタンカーに溜め込むことも可能だ)が必要だが、タダで貯蔵できるわけではない。それなりのコストがかかる。
いま問題なのは、タンクはもうすぐ目いっぱいになるかもしれないということだ。
目いっぱいになったらどうするか?

川に、海に捨てるわけには行かない。前にも言ったように、「タダでも良いですから引き取ってください。寅さんの言葉を借りれば「持ってけ泥棒」となる。しかしそれも無理かもしれない。しょうがない、お金を払いますから(1バーレルあたり40弗!)重油を引き取ってください、ということになったのである。でも今になるとマイナス16弗。美味しい話に飛びついた人も多くいたため、価格が上がったのだろう。

原油先物市場で、つまり5月の第4金曜日(毎月25日直前の営業日)、NY時間午後三時に原油1バーレルを売る約束をしたひと(売り手)は、買い手に1バーレル40ドルを払いますから引き取ってください、という契約をしたわけである。

この点を、ファイナンス理論、特にオプション契約の観点から考察してみる。

先物契約に含まれる「押し売り」する権利:プットオプションが顕在化したのでは?

今回のマイナス原油先物契約は、実際には、5月物先物売りをした売り手は、そこに内包される原油を「押売りする権利」を行使したのではないだろうか?

先物契約は「差金決済」と言って、原油を買う約束をしたからと言って実際に原油を引き取る必要はない。先物満期日に、あたかも買うといった人が損をしたときにはお金を先物売った人に払い、得をしたときにはお金をもらうことで、契約を完了することが普通である。

しかし、現物受け渡しと言って、先物売りをした人は、現物を買い手に受け渡す権利も有している。現物決済が行われる可能性は、平時では非常に少ないのであるが、今回の様なコロナショック経済のもとでは、先物売りをした人が本当に現物の押し売りをするかもしれないということ勘案して、マイナスの原油「先物」価格が成立したのであろう。

押売されて手元に重油が渡ってもどこにも貯蔵できないとなったらどうするのか、そう考えてみたら、深刻さの度合いがわかるのではないでしょうか?


WTI石油先物価格の期間構造に注目する必要がある。先物価格を見れば、市場は、投資家は、コロナショックの影響をどう見ているか、数字でわかるわけだ。

つまり、今は23ドルしてても、5月、つまり1ヶ月後には、アメリカ中の石油タンクは満杯になり、誰も重油の引取り手いなくなると市場は判断しているのだろう。だから先物売りをして、行き場所に困った重油の押し売り(プット)をしているのだ。


コメント

このブログの人気の投稿

感染症モデル入門 (3) Excelで感染症 SIRモデルをシミュレーションする

感染症流行をExcelでシミュレーションする(ファイルがダウンロード出来ます)。 1.準備:ファイルのダウンロードをする。 SIRモデルのわかりやすい(つまり最も簡単な)Excelシートを作成した。Excelファイルを用いたシミュレーションは以下の二通りの方法で実行できる。 1.1 「Google スプレッドシート」を用いてオンラインでSIRモデルのシミュレーションを行う 。  オンラインでシミュレーションをする場合には、Google スプレッドシートをつかいます。「 ここ 」をクリックしてください。「感染症数理モデル_入門と応用_森平_2020-05-29」というファイルがGoogle スプレッドシート上で開くはずです。次のような画面を見ることができます。 携帯などから利用していて、通信環境などが良くないときには、オフラインでの実行をおすすめします。>ファイル?オフラインで実行する、とすれば、自分の携帯にダウンロードしてあるGoogle スプレッドシート上でこのプログラムが実行できるはずです。 1.2 Excelファイルとしてダウンロードして、自分のPC上でシミュレーションをおこなう。  Excelシートとして使い時は、上で示したGoogle スプレッドシートのメニュー上で >ファイル>ダウンロード>MicroSoft Excel (.xlsx)  としてファイルをExcelプログラムしてダウンロードしてください。ダウンロードしたファイルを実行すると、次のような画面が現れるはずです。 2.初期値とパラメータ値を設定する。 2.1 Excelのシートで説明しよう。1行目は変数名とパラメー名前である。2行目の薄緑色のセルに具体的な数値を与える必要がある。ここでは次のような値を初期値とパラメータ値として設定している。 1)  感染可能人数の初期値:$S_0=100$人 2)  感染者人数の初期値:$I_0=1$人 3)  回復人数の初期値:$R_0=0$人 4)  感染率:$\beta=0.01$,つまり1パーセント 5)  回復率:$\beta=0.1$,つまり10パーセント (削減率については今回は計算結果に影響の無いようにしている) これらの...

感染症モデル入門: (2) SIRモデル(離散型)の場合。易しいです

感染症モデル入門 (2) SIRモデル(離散型)の場合。易しい! 1.SIR感染症モデル:一日ごとの人数変化  時間間隔が1日という離散的な時間変化を考えると、前回示した微分方程式での記述は、次のような差分方程式に変換できる。 \begin{eqnarray}   \mbox{感染可能人数}  \qquad  {S_{t + 1}} &=& {S_t} - \beta {S_t}{I_t} \hfill \\   \mbox{感染者数} \qquad  {I_{t + 1}} &=&  {I_t} + \beta {S_t}{I_t} - \gamma {I_t} \hfill \\   \mbox{回復人数} \qquad {R_{t + 1}} &=&  {R_t} + \gamma {I_t} \end{eqnarray} これは連続的な時間の変化$dt$を離散的な時間変化$\Delta t$でおきかえたものである。$dt$が「1秒間隔」であったのに対し、$\Delta t$は1日単位と考えてみよう。実際のCOVID-19のデータは1日単位で発表されるので、そのように考えたほうが実際に合っている。  時間経過を1日と考えたのであるから、感染可能人数を$dS_t \approx \Delta S_t$、感染者数を$dI_t \approx \Delta I_t$, 回復者数を$dR_t \approx \Delta R_t$と表現する。これらも1日あたりの人数の変化である。  そうすると、例えば、感染可能人数を示す微分方程式は$\left( {\frac{{\Delta {S_t}}}{{\Delta t}} = \frac{{\Delta {S_t}}}{1} = \Delta {S_t} = {S_{t + 1}} - {S_t}} \right) =  - \beta {S_t}{I_t}$と変換できる。つまり${S_{t + 1}} - {S_t} =  - \beta {S_{t}}{I_{t}}$を得る。...

感染症モデル入門(4):統計言語[R]によるSIRモデルのシミュレーション

1.SIRモデルを統計言語[R]でシミュレーションする。 以下にRのプログラムを示す。なるべくシンプルなコーディングを目指したので、統計言語[R]の初歩的な知識があれば、コメント(#)行をみれば、何をやっているのかがわかるであろう。 このプログラムは、自分のPCに[R]が既にインストールしてあれば、その上で動く。あるいは、手軽に試してみたい場合には、ネット上にオンラインで[R]を走らせるサイトがいくつかある。たとえば、 1) ここ compile R online をクリックして、以下のプログラムをコピペして、左下にある[run it]をクリックするか、自分のPCでF8を押せばよい。あるいは、 2) ここ paiza.io でも同様なことができる。 試してみてはいかがだろうか? # ================================================== #  [R]によるSIRモデルの計算 ##================================================== ##### シミュレーション期間の設定とS,I,Rベクトルの定義 No_of_Days=50; N1=No_of_Days+1; S=I=R=R_t=numeric(N1);  ##### S,I,Rの初期値とパラメータ値の設定 S[1]=100; I[1]=1; R[1]=0; beta=0.01; gamma=0.1 ##### SIRモデルの繰り返し計算 for (t in 1:No_of_Days){     S[t+1] = S[t] - beta*S[t]*I[t]     I[t+1] = I[t] + beta*S[t]*I[t] - gamma*I[t]     R[t+1] = R[t] + gamma*I[t]     R_t[t+1] = S[t+1]*beta/gamma } ##### S,I,Rのグラフを描く(S,I,Rと横軸に日数をひとまとめのデータフレームとしてから) output = data.frame( S, I, R, date=1:N1 ) library...