A 10 anni dalla liberalizzazione del settore elettrico, i prezzi dell’energia in Italia risultano strutturalmente e significativamente superiori a quelli dei principali mercati europei di circa il 60-80% (OMEL, Spagna; PowerNext, Francia; NordPool, Paesi scandinavi; EEX, Germania). Diversamente dai principali studi e ricerche realizzati negli ultimi anni, si è indagato la relazione tra struttura di mercato, strategie oligopolistiche dell’operatore dominante (Enel Produzione) in un assetto di mercato di tipo asimmetrico leader-followes e prezzi dell’energia sul mercato. A partire dall’analisi della letteratura scientifica sulle tematiche del potere di mercato, della dominanza e delle pratiche collusive seguendo il paradigma tradizionale strutturacondotta- performance dell’economica industriale e gli strumenti di analisi più recenti dell’economia della concorrenza adottati dalle authority antitrust per indagare l’esistenza e l’uso del potere di mercato e della collusione tacita, si è preso in esame il caso del mercato elettrico italiano a valle del processo di liberalizzazione introdotto nel 1999 con il Decreto Bersani. Lo sforzo modellistico principale è stato quindi proprio quello di isolare tutte le variabili “fisiche” che incidono direttamente e indirettamente sul mercato elettrico (mercati upstream e strategie di approvvigionamento del petrolio e del gas naturale, vincoli di rete e struttura dei mercati zonali, composizione tecnologico-impiantistica del parco produttivo e sua evoluzione, elasticità della domanda al prezzo nelle diverse fasce orarie, etc.) cercando di valutare quanta parte degli esiti del mercato è spiegabile attraverso l’interazione strategica non cooperativa tra gli operatori frutto dell’esercizio del potere di mercato unilaterale da parte dell’operatore dominante. Per raggiungere questi obiettivi si è indagato empiricamente il fenomeno partendo dall’Indagine conoscitiva sullo stato della liberalizzazione dei settori dell’energia elettrica e del gas naturale condotta nel 2005 dall’Autorità Garante della Concorrenza e del Mercato (AGCM) e dall’Autorità per l’Energia Elettrica e il Gas (AEEG). La ricerca ha interessato l’intero data set dei prezzi zonali di mercato registrati nel Mercato del Giorno Prima (MGP) del Gestore del Mercato Elettrico S.p.A. (GME) dal 2004 al 2008 sui diversi mercati geografici rilevanti italiani (26.280 osservazioni di prezzi che hanno costituito una base empirica integrale per il test del modello di regressione lineare multipla che via via è stato sviluppato). In primo luogo si è proceduto all’aggiornamento dell’Indagine conoscitiva dell’AEEG e AGCM al 2008 degli indici di concentrazione (grado di concentrazione, HHI) e di pivotalità (Domanda Residuale RSI – Residual Supply Index, IOR Indice Operatore Residuale) sulle macro-aree definite dall’AEEG per delimitare i mercati geografici rilevanti, in modo da costruire una serie storica su cui procedere ad un’analisi longitudinale dei indici strutturali di mercato. Il primo contributo originale ha riguardato, la proposizione di un modello in forma ridotta che mettesse in relazione gli indicatori strutturali (variabili indipendenti) e i prezzi dell’energia elettrica registrati sul mercato (variabile dipendente). Attraverso una prima fase di test con modelli esplorativi semplificati, si è giunti a costruire un modello in grado di spiegare da un punto di vista statistico l’85% del prezzo. Tale risultato pone le basi per lo sviluppo di modelli di interazione strategica in forma ridotta applicati al mercato dell’energia elettrica Emerge in maniera inequivocabile l’esistenza di un consistente impatto della pivotalità sul prezzo dell’energia elettrica nell’IPEX (Italian Power Exchange), e al contempo si palesa come gli indici tradizionali di concentrazione – CR5 e HHI in primis – non siano idonei a spiegare il potere di mercato nel settore elettrico, soprattutto per effetti di sottostima. Questo approccio ancora seppur di rilevante interesse scientifico, evidenzia limiti di diversa natura: da un lato imputabili allo strumento della regressione lineare multivariata che non riesce a tenere in debita considerazione la multiperiodalità che caratterizza il mercato elettrico (giornaliera, settimanale, annuale), dall’altro rispetto alla capacità esplicativa del modello per effetto di alcune variabili omesse. Infine vanno discussi e affrontati alcuni effetti di autocorrelazione tra i regressori che risultano comunque difficilmente indagabili se non con forti assunzioni semplificatrici. Le direzioni di ricerca vanno quindi rintracciate da un lato nel perfezionamento di un modello più evoluto rispetto a quello formulato attraverso l'"esplosione" delle variabili dummy in forma embrionale e di quelle omesse, e dall’altro nel test comparato del modello in altri mercati europei per validarne l’estendibilità delle assunzioni teoriche.
Potere di mercato, dominanza ed interazione strategica tra gli operatori elettrici: collusione tacita nel mercato elettrico italiano
MASTROPIERI, GIUSEPPE
2010
Abstract
A 10 anni dalla liberalizzazione del settore elettrico, i prezzi dell’energia in Italia risultano strutturalmente e significativamente superiori a quelli dei principali mercati europei di circa il 60-80% (OMEL, Spagna; PowerNext, Francia; NordPool, Paesi scandinavi; EEX, Germania). Diversamente dai principali studi e ricerche realizzati negli ultimi anni, si è indagato la relazione tra struttura di mercato, strategie oligopolistiche dell’operatore dominante (Enel Produzione) in un assetto di mercato di tipo asimmetrico leader-followes e prezzi dell’energia sul mercato. A partire dall’analisi della letteratura scientifica sulle tematiche del potere di mercato, della dominanza e delle pratiche collusive seguendo il paradigma tradizionale strutturacondotta- performance dell’economica industriale e gli strumenti di analisi più recenti dell’economia della concorrenza adottati dalle authority antitrust per indagare l’esistenza e l’uso del potere di mercato e della collusione tacita, si è preso in esame il caso del mercato elettrico italiano a valle del processo di liberalizzazione introdotto nel 1999 con il Decreto Bersani. Lo sforzo modellistico principale è stato quindi proprio quello di isolare tutte le variabili “fisiche” che incidono direttamente e indirettamente sul mercato elettrico (mercati upstream e strategie di approvvigionamento del petrolio e del gas naturale, vincoli di rete e struttura dei mercati zonali, composizione tecnologico-impiantistica del parco produttivo e sua evoluzione, elasticità della domanda al prezzo nelle diverse fasce orarie, etc.) cercando di valutare quanta parte degli esiti del mercato è spiegabile attraverso l’interazione strategica non cooperativa tra gli operatori frutto dell’esercizio del potere di mercato unilaterale da parte dell’operatore dominante. Per raggiungere questi obiettivi si è indagato empiricamente il fenomeno partendo dall’Indagine conoscitiva sullo stato della liberalizzazione dei settori dell’energia elettrica e del gas naturale condotta nel 2005 dall’Autorità Garante della Concorrenza e del Mercato (AGCM) e dall’Autorità per l’Energia Elettrica e il Gas (AEEG). La ricerca ha interessato l’intero data set dei prezzi zonali di mercato registrati nel Mercato del Giorno Prima (MGP) del Gestore del Mercato Elettrico S.p.A. (GME) dal 2004 al 2008 sui diversi mercati geografici rilevanti italiani (26.280 osservazioni di prezzi che hanno costituito una base empirica integrale per il test del modello di regressione lineare multipla che via via è stato sviluppato). In primo luogo si è proceduto all’aggiornamento dell’Indagine conoscitiva dell’AEEG e AGCM al 2008 degli indici di concentrazione (grado di concentrazione, HHI) e di pivotalità (Domanda Residuale RSI – Residual Supply Index, IOR Indice Operatore Residuale) sulle macro-aree definite dall’AEEG per delimitare i mercati geografici rilevanti, in modo da costruire una serie storica su cui procedere ad un’analisi longitudinale dei indici strutturali di mercato. Il primo contributo originale ha riguardato, la proposizione di un modello in forma ridotta che mettesse in relazione gli indicatori strutturali (variabili indipendenti) e i prezzi dell’energia elettrica registrati sul mercato (variabile dipendente). Attraverso una prima fase di test con modelli esplorativi semplificati, si è giunti a costruire un modello in grado di spiegare da un punto di vista statistico l’85% del prezzo. Tale risultato pone le basi per lo sviluppo di modelli di interazione strategica in forma ridotta applicati al mercato dell’energia elettrica Emerge in maniera inequivocabile l’esistenza di un consistente impatto della pivotalità sul prezzo dell’energia elettrica nell’IPEX (Italian Power Exchange), e al contempo si palesa come gli indici tradizionali di concentrazione – CR5 e HHI in primis – non siano idonei a spiegare il potere di mercato nel settore elettrico, soprattutto per effetti di sottostima. Questo approccio ancora seppur di rilevante interesse scientifico, evidenzia limiti di diversa natura: da un lato imputabili allo strumento della regressione lineare multivariata che non riesce a tenere in debita considerazione la multiperiodalità che caratterizza il mercato elettrico (giornaliera, settimanale, annuale), dall’altro rispetto alla capacità esplicativa del modello per effetto di alcune variabili omesse. Infine vanno discussi e affrontati alcuni effetti di autocorrelazione tra i regressori che risultano comunque difficilmente indagabili se non con forti assunzioni semplificatrici. Le direzioni di ricerca vanno quindi rintracciate da un lato nel perfezionamento di un modello più evoluto rispetto a quello formulato attraverso l'"esplosione" delle variabili dummy in forma embrionale e di quelle omesse, e dall’altro nel test comparato del modello in altri mercati europei per validarne l’estendibilità delle assunzioni teoriche.File | Dimensione | Formato | |
---|---|---|---|
download.pdf
accesso aperto
Dimensione
2.56 MB
Formato
Adobe PDF
|
2.56 MB | Adobe PDF | Visualizza/Apri |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14242/118310
URN:NBN:IT:UNIPD-118310