Hiilidioksidipäästöoikeuden hinnan muodostuminen : case Oy Alholmens Kraft Ab

Abstract

Tämän opinnäytetyön toimeksiantajana toimi Pietarsaaressa sijaitseva Oy Alholmens O Kraft Ab. Alholmens Kraft on yksi suurimmista biopolttoainetta käyttävistä energialaitoksista. Voimalaitos sijaitsee UPM-Kymmene Oyj:n tehdasalueella Pietarsaaressa. Heidän toimeksiannosta toteutin tämän työn, johonka oli tarkoituksena koota yhdeksi kokonaisuudeksi mitä päästökauppa on ja mitä se sisältää. Sen pohjalta lähdettiin selvittämään mistä ja miten EU:n sisäisen päästökaupan päästöyksikön hinta muodostui.

Työn tavoitteena oli antaa lukijalle syventävä katsaus päästökaupan markkinoihin, sen vaikuttavista tekijöistä ja siitä miten Oy Alholmens Kraft Ab itse on kokenut ja toiminut päästökaupan parissa. Tarkoituksena oli luoda tietopohja, josta löytyy kaikki tarpeellinen tieto niistä taustatekijöistä ja muuttujista, jotka vaikuttavat niin aktiivisesti kuin passiivisesti päästökauppaan ja sen luomaan markkinahyödykkeen päästöoikeuden hintaan. Tutkimuskysymykseksi asetettiin tekijät, jotka vaikuttavat päästöoikeuden hinnan muodostumiseen, miten hinta muodostuu ja miten sen muut-tumista mahdollisesti voitaisiin ennustaa. Alholmens Kraft voisi käyttää näitä taloudellisesti tärkeitä tietoja tehdessään taloudellisia päätöksiä koskien voimalaitoksessa poltettavien polttoaineiden käytöstä ja päästöoikeuksien myynti- ja ostoajankohtia valitessa.

Primääriseksi tavoitteeksi muodostui matemaattisen mallin luominen, joka kykenisi ennustamaan päästöoikeuden hinnan muutoksia. Tarkoituksena oli tehdä siitä luotettava, jota Oy Alholmens Kraft Ab voisi tarvittaessa hyödyntää sitä ilman suurempia ongelmia. Teoriassa tutustutetaan lukija päästökaupan maailmaan ja perehdytetään sen termistoon ja ajatusmaailmaan. Teoria antaa vahvan pohjan ja ymmärtämyksen siitä miten tutkimus oli saanut havaintoaineistonsa. Teoria oli pohjana tutkimuksen ymmärtämiselle ja sen tulkinnalle.

Tutkimusmenetelmänä käytettiin kvantitatiivisen tutkimuksen regressioanalyysiä. Tämän pohjalta luotiin matemaattinen malli, jolla on ennustevoimaa. Tutkimus toteutettiin huhtikuussa 2007 ja havaintoaineiston ajanjakso oli 2006 heinäkuu-joulukuu. Tutkimuksen tulokset ovat luotettavia ja tutkimuksen tulokseksi saatiin paras mahdollinen matemaattinen malli, joka mallintaa havaintoaineistoa.

The consignor of this thesis was Oy Alholmens Kraft Ab. Alholmens Kraft is the largest bio-fuelled power plant in the world. The power plant is located at the factory premises of UPM-Kymmene Ab in Alholmen, Jakobstad. As an assignment for them I gathered all the relevant information concerning the European Emission trading scheme and its contents. Based upon this research, the price formation of carbon dioxide emission rights within the EU was examined.

The aim of this thesis was to provide the reader with an extensive survey on the European Union Emission trading scheme and the factors determining the price of emission rights, as well as the consignor's experiences of this field. The purpose was to create a database of all the necessary information of background factors and variables affecting the carbon dioxide market and the price of EU emission rights, as well actively as passively. The research question of this thesis was to determine the factors that influence the price of carbon dioxide emission rights, the price formation and the possible forecasting of changes in the price. Alholmens Kraft could then avail this economically important information in the future when making decisions concerning fuel choices or the point of time when to sell or buy emission rights.

The primary aim was to create a mathematical model for a reliable forecast of changes in emission right prices. The idea was to create a simple model that could be used without particular difficulties. The theoretical pan of this thesis introduces the reader to the European Union Emission trading scheme and its terms. The theoretical part gives the knowledge for understanding this subject and it creates the basis to understanding why the gathered data was composed in the way it was, as well as to understanding the interpretation of the results.

The research method was a regression analysis for a quantitative study. Based upon the regression analysis, the prognostic mathematical models were created. The survey was realized in May 2007 and the data was gathered during the period July— December 2006. The results of the survey are reliable and, based upon the final results of the survey, the best possible mathematical model for perfectly modeling the data was created.