Marktmacht und Marktmachtmessung im deutschen Grosshandelsmarkt für Strom 9783835009547, 3835009540 [PDF]

Zitiervorschau

Christoph Lang Marktmacht und Marktmachtmessung im deutschen Großhandelsmarkt für Strom

WIRTSCHAFTSWISSENSCHAFT

Christoph Lang

Marktmacht und Marktmachtmessung im deutschen Großhandelsmarkt für Strom Mit einem Geleitwort von PD Dr. Hans-Günter Schwarz

Deutscher Universitäts-Verlag

Bibliografische Information Der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über abrufbar.

Dissertation Universität Erlangen-Nürnberg, 2007

1. Auflage November 2007 Alle Rechte vorbehalten © Deutscher Universitäts-Verlag | GWV Fachverlage GmbH, Wiesbaden 2007 Lektorat: Frauke Schindler / Britta Göhrisch-Radmacher Der Deutsche Universitäts-Verlag ist ein Unternehmen von Springer Science+Business Media. www.duv.de Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlags unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen. Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften. Umschlaggestaltung: Regine Zimmer, Dipl.-Designerin, Frankfurt/Main Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier Printed in Germany ISBN 978-3-8350-0954-7

V

Geleitwort Das Thema „Marktmacht am Stromerzeugungsmarkt“ besitzt aufgrund der in den letzten Jahren gestiegenen Strompreise große tagespolitische Aktualität. Trotz dieser überragenden Bedeutung existieren vergleichsweise wenig fundierte Darstellungen zur Marktmacht im deutschen Stromerzeugungsmarkt. In diese Lücke stößt die vorliegende Arbeit. Ziel ist es, sich mit verschiedenen Indikatoren der Frage nach Marktmacht am deutschen Stromerzeugungsmarkt zu nähern. Der Autor untersucht strukturelle, tatsächliche und potentielle Indikatoren für Marktmacht. Zunächst werden diese im ersten Teil der Arbeit vorgestellt und mit Blick auf ihre Eignung zur Marktmachtmessung bewertet. Im zweiten Teil der Arbeit werden, wo möglich, die Indikatoren für den deutschen Stromerzeugungsmarkt quantitativ bestimmt. So entsteht ein breites und fundiertes Spektrum an Kennzahlen zur Abschätzung der Situation am deutschen Stromerzeugungsmarkt. Der wissenschaftliche Beitrag der Arbeit liegt in der Modellentwicklung und ihrer gelungenen Anwendung auf Fragen der Marktmachtmessung. Die genutzten Modelle, ob Grenzkostenoder Preisspitzenmodell, überzeugen durch ihre theoretische Fundierung. Auf Grundlage dieser Modelle war es möglich, umfangreichere Daten zielgerichtet zu verarbeiten. So wurden für mehrere Jahre stundengenaue Wettbewerbspreise ermittelt und mit den tatsächlichen Börsenpreisen verglichen. Durch die theoretischen Neuerungen und die verbesserte Datenlage ergeben sich aussagekräftigere und zum Teil signifikant andere Schlüsse über Marktmacht als in anderen Studien. Der Arbeit gelingt eine beispielhafte Synthese von Theorie und Praxis. Sie verbessert bestehende theoretische Ansätze wesentlich und verbindet diese mit einer hervorragenden empirischen Datenbasis. Sie leistet somit einen wertvollen Beitrag sowohl zum wissenschaftlichen als auch zum politischen Diskurs über Marktmacht am deutschen Strommarkt.

PD Dr. Hans-Günter Schwarz

VII

Abstract In dieser Arbeit wird Marktmacht am deutschen Großhandelsmarkt für Strom untersucht. Hierfür werden strukturelle, tatsächliche und potentielle Indikatoren für Markmacht quantifiziert. Die strukturellen Indikatoren liegen, bis auf die Konzentrationsrate für das größte Unternehmen, deutlich über den Schwellenwerten des Kartellamtes. Auch der HerfindahlHirschman-Index liegt nahe am Schwellenwert für einen hoch konzentrierten Markt. Auch bei dem neueren Indikator für strukturelle Marktmacht, dem Residual Supply Index deutet sich eine relativ hohe Markmacht an. So ist RWE in 2855 Stunden im Jahr 2005 zur Nachfragedeckung unabdingbar. Dies sind fast alle Werktage von 8 bis 20 Uhr. Die tatsächliche Marktmacht wird mit einem Grenzkostenmodell quantifiziert. Hier werden die Grenzkosten stundenscharf von Juli 2003 bis Dezember 2005 berechnet. Das Grenzkostenmodell wird dem gewählten Evaluationsmaßstab „Prognosefähigkeit“ im Wesentlichen gerecht. Die so errechneten Aufschläge auf die Grenzkosten entsprachen im Jahr 2004 17% und im Jahr 2005 20%. Die potentielle Marktmacht als nicht-kollusive Preisobergrenze wurde mit einem Oligopolmodell mit diskretem Strategieraum bestimmt. Es zeigt, dass der Verhaltensspielraum der deutschen Stromproduzenten nicht in voller Höhe genutzt wurde. Das Preisprognosemodell schließlich koppelt die Ergebnisse aus den einzelnen Kapiteln durch ein Regressionsmodell. Als sinnvoll zur Preisprognose haben sich der Residual Supply Index, die geschätzten Grenzkosten aus dem Optimierungsmodell und die Wahrscheinlichkeiten für extreme Preisspitzen am Spotmarkt erwiesen.

IX

Inhaltsverzeichnis 1

Einleitung ....................................................................................................................... 1

2 2.1 2.2 2.3 2.3.1 2.3.2 2.3.3 2.3.4 2.4 2.4.1 2.4.2 2.4.3 2.4.4

Marktmachtausübung und Stand der Forschung zum Thema Marktmacht und Marktmachtmessung ...................................................................................................... 5 Möglichkeiten der Ausübung von Marktmacht im Stromerzeugungsmarkt................. 5 Marktabgrenzung ........................................................................................................... 6 Forschungsstand für strukturelle Indikatoren zur Marktmachtmessung ....................... 7 Herfindahl-Hirschman-Index und Konzentrationsraten................................................. 8 Pivotal Supplier Index (PSI) .......................................................................................... 9 Residual Supply Index (RSI) ........................................................................................ 10 Residual-Demand-Analysis (RDA) .............................................................................. 12 Verhaltensindikatoren zur Marktmachtmessung.......................................................... 13 Wettbewerbs-Benchmark-Analyse............................................................................... 13 Gebot-Kosten-Marge.................................................................................................... 20 Netto-Erlös-Benchmark-Analyse ................................................................................. 21 Oligopolmodelle........................................................................................................... 21

3

Einführung in den deutschen Strommarkt.................................................................... 29

4

Bestimmung des relevanten Marktes und kontinentaleuropäisches Außenhandelsregime.................................................................................................... 33 4.1 Theoretische Grundlagen des Strom-Außenhandels .................................................... 33 4.1.1 Netzengpässe an den internationalen Kuppelstellen .................................................... 33 4.1.2 Durchleitungsentgelte für grenzüberschreitende Stromtransporte............................... 36 4.1.3 Nichtadäquate Formen der Marktorganisation............................................................. 37 4.2 Status Quo der Netzübergangskapazitäten................................................................... 39 4.3 Status Quo des Engpassmanagements.......................................................................... 41 4.4 Stand der Marktintegration........................................................................................... 47 4.5 Relevanter Markt und Außenhandelsregime – Zusammenfassung.............................. 51 5 5.1 5.1.1 5.1.2 5.1.3 5.2

Strukturelle Indikatoren für Marktmacht ..................................................................... 53 Marktkonzentration ...................................................................................................... 53 Methodische Grundlagen ............................................................................................. 53 Entwicklung der Marktstruktur .................................................................................... 54 Kapitalverflechtung der Stromproduzenten ................................................................. 61 Residual Supply Index ................................................................................................. 64

X

Inhaltsverzeichnis

5.3

Strukturelle Indikatoren und Marktstruktur – Zusammenfassung ............................... 66

6 6.1 6.2 6.3 6.4 6.4.1 6.4.2 6.4.3 6.5

Quantifizierung von Marktmacht am deutschen Stromerzeugungsmarkt................... 67 Einführung in die Quantifizierung tatsächlich ausgeübter Marktmacht ..................... 67 Besonderheiten des deutschen Strommarktes und methodisches Vorgehen................ 68 Modell und Modellparameter....................................................................................... 69 Modellergebnisse ......................................................................................................... 79 Stündliche Preisaufschläge........................................................................................... 84 Ausgeübte Marktmacht durch Stilllegung von Kraftwerken ....................................... 87 Ausgeübte Marktmacht und Marktmachtindikatoren .................................................. 88 Ausgeübte Marktmacht – Zusammenfassung .............................................................. 90

7 7.1 7.2 7.3

Quantifizierung potentieller Marktmacht – Oligopolmodell ....................................... 91 Methodisches Vorgehen............................................................................................... 91 Modellergebnisse ......................................................................................................... 92 Oligopolmodell – Zusammenfassung........................................................................... 97

8 8.1 8.1.1 8.1.2 8.1.3 8.1.4 8.1.5 8.1.6 8.2 8.3

Preisprognosen für den Spotmarkt ............................................................................... 99 Analyse von Fly-Ups am Spotmarkt der EEX ............................................................. 99 Einführung in die Fly-Up-Problematik ........................................................................ 99 Definition von Fly-Ups .............................................................................................. 100 Theoretische Überlegungen und deskriptive Einführung.......................................... 101 Das Preisprognosemodell – Theorie und Input .......................................................... 105 Modellergebnis der Fly-Up-Untersuchung ................................................................ 107 Fly-Up-Untersuchung – Zusammenfassung............................................................... 111 Preisprognosen mit einem Regressionsmodell........................................................... 113 Preisprognosen – Zusammenfassung ......................................................................... 114

9

Fazit............................................................................................................................ 115

Literaturverzeichnis................................................................................................................ 119

XI

Abbildungsverzeichnis Abbildung 1: Abbildung 2: Abbildung 3: Abbildung 4: Abbildung 5: Abbildung 6: Abbildung 7:

Abbildung 8:

Abbildung 9: Abbildung 10: Abbildung 11: Abbildung 12: Abbildung 13: Abbildung 14: Abbildung 15: Abbildung 16: Abbildung 17: Abbildung 18: Abbildung 19: Abbildung 20: Abbildung 21: Abbildung 22:

Kalifornischer Börsenpreis und geschätzte Grenzkosten im August 1998 ... 16 Kapazitätsstruktur des deutschen Kraftwerksparks....................................... 29 Preisbildung mit und ohne Engpässe an den Netzkuppelstellen ................... 34 Preisbildung bei Durchleitungsentgelten für grenzüberschreitende Stromtransporte ............................................................................................. 37 Stundengenaue Preisdifferenzen zwischen Deutschland und Österreich...... 44 Gleitende monatliche Preisdurchschnitte am Spotmarkt .............................. 45 Preisunterschiede zwischen Deutschland und Frankreich und Tagesauktionsergebnisse für Transferkapazität Deutschland Richtung Frankreich im Januar 2006............................................................................ 46 Preisunterschiede zwischen Frankreich und Deutschland und Tagesauktionsergebnisse für Transferkapazität Frankreich Richtung Deutschland im Januar 2006 ......................................................................... 47 Kapazitätsentwicklung der großen fünf und der kleinen Stromproduzenten im Vergleich ................................................................... 55 Konzentrationsindices der deutschen Nettostromerzeugung, 2001 bis 2005 ................................................................................................ 56 Anteile der einzelnen Stromerzeuger an der gesamten deutschen Nettostromerzeugung, 2001 bis 2005............................................................ 57 Anteile der einzelnen Stromerzeuger an der gesamten deutschen Nettostromerzeugungskapazität, 2001 bis 2005............................................ 58 Neubauaktivitäten der großen fünf und der kleinen Stromproduzenten 2001 – 2005 im Vergleich .............................................. 61 Kapitalverflechtung der deutschen Stromproduzenten 2006 ........................ 63 RSI-E.ON 2004 und 2005 ............................................................................. 65 RSI-RWE 2004 und 2005 ............................................................................. 65 Struktur des Marktmodells des deutschen Strommarktes ............................. 72 UCTE-Nettoimportwerte............................................................................... 73 Vertikale Netzlast, inländische Last und bereinigte Last.............................. 73 Verfügbarkeit der deutschen konventionellen thermischen Kraftwerkskapazität ...................................................................................... 74 Grenzkostenkurven und Lastdaten der Jahre 2001 und 2004 ....................... 78 Entwicklung der Brennstoffpreise zwischen Juli 2000 und Dezember 2005 ...................................................................................... 79

XII

Abbildungsverzeichnis

Abbildung 23: Geschätzte Grenzkosten und Börsenpreise für jeden 3. Mittwoch im Monat von Juni 2000 bis Dezember 2000 ............................................... 80 Abbildung 24: Einfluss verschiedener Faktoren auf den Strompreis.................................... 81 Abbildung 25: Gleitender Monatsdurchschnitt der EEX und gleitender Monatsdurchschnitt der geschätzten Grenzkosten ........................................ 82 Abbildung 26: Jahrespreislinie 2004 mit dazugehörigen geschätzten Grenzkosten ............. 83 Abbildung 27: Jahrespreislinie 2005 mit dazugehörigen geschätzten Grenzkosten ............. 84 Abbildung 28: Stündliche Preisaufschläge mit und ohne Fly-Ups – 2000 bis 2005 (Mittwochsmodell) ........................................................................................ 85 Abbildung 29: Stündliche Preisaufschläge mit und ohne Fly-Ups – II 2003 bis 2005 (alle Stunden) ................................................................................................ 86 Abbildung 30: Standardabweichung der Preisaufschläge mit und ohne Fly-Ups – II 2003 bis 2005 ............................................................................................ 87 Abbildung 31: RSI (E.ON) und tatsächlich ausgeübte Marktmacht (PCMI) 2005............... 90 Abbildung 32: Börsenpreise, geschätzte Grenzkosten und Oligopolpreis um 12 Uhr für jeden dritten Mittwoch jedes Monats von 2000 bis 2005........................ 92 Abbildung 33: Börsenpreise, geschätzte Grenzkosten und Oligopolpreis um 3 Uhr für jeden dritten Mittwoch jedes Monats von 2000-2005 ............................. 93 Abbildung 34: Prozentuale Aufschläge von RWE und E.ON um 12 Uhr für jeden dritten Mittwoch jedes Monats von 2000 bis 2005 .................................................. 93 Abbildung 35: Prozentuale Aufschläge von RWE und E.ON um 3 Uhr für jeden dritten Mittwoch jedes Monats von 2000 bis 2005 .................................................. 94 Abbildung 36: Produzentenrenten für E.ON und RWE am 16.03.2005 um 12 Uhr bei jeweils 33%-igem Aufschlag auf die Grenzkosten des jeweils anderen....... 96 Abbildung 37: Börsenpreis am Spotmarkt der EEX und Fly-Up-Grenze........................... 101 Abbildung 38: Deutscher und französischer Börsenpreis in den 101 deutschen Fly-Up-Stunden........................................................................................... 103 Abbildung 39: Prozentuale Abweichung vom gleitenden 30-TagesStundendurchschnittspreis in Frankreich bei deutschen Fly-Ups ............... 104 Abbildung 40: Geschätzte Wahrscheinlichkeit für einen Fly-Up ....................................... 109 Abbildung 41: Geschätzte und tatsächliche Fly-Ups im Zeitverlauf .................................. 111 Abbildung 42: Tatsächliche Börsenpreise und prognostizierte Börsenpreise..................... 114

XIII

Tabellenverzeichnis Tabelle 1: Tabelle 2: Tabelle 3: Tabelle 4: Tabelle 5: Tabelle 6: Tabelle 7:

Tabelle 8: Tabelle 9: Tabelle 10: Tabelle 11: Tabelle 12: Tabelle 13: Tabelle 14: Tabelle 15: Tabelle 16: Tabelle 17: Tabelle 18: Tabelle 19: Tabelle 20: Tabelle 21: Tabelle 22: Tabelle 23: Tabelle 24: Tabelle 25: Tabelle 26:

Kritische Schwellenwerte der Konzentrationsindices........................................ 8 Die wichtigsten Unterschiede zwischen dem Ansatz von Müsgens, von von Hirschhausen/Weigt/Zachmann und dem von Schwarz/Lang .................. 19 Nettotransferkapazitäten (NTC) in Zentraleuropa, Winter 2005/2006, werktags, Spitzenlast........................................................................................ 40 Realisiertes Engpassmanagement .................................................................... 42 Marktdesign und Börsenhandel in ausgewählten zentraleuropäischen Ländern............................................................................ 43 Korrelationen der Stromspotmarktpreise 2005 nach Pearson .......................... 48 Minimum, Maximum, Durchschnitt und Standardabweichung der Stundenpreise an den Spotstrommärkten in Zentraleuropa 2005 (in €/MWh)....................................................................................................... 49 Ergebnisse der Regressionsanalysen mit einem bzw. zwei Strukturbrüchen (Preise in Deutschland jeweils als unabhängige Variable) ... 50 Kapazitätsbilanz der deutschen Stromerzeuger, 2001 bis 2005 (in GW) ........ 59 Kraftwerksportfolio der Stromproduzenten in den Jahren 2001 und 2005...... 60 Regressionsoutput zur Schätzung der inländischen Last ................................. 71 Außenhandelsregression................................................................................... 71 Kraftwerkstypen und verfügbare Kapazitäten.................................................. 75 CO2-Emissionsfaktoren.................................................................................... 75 Kostenparameter nach Kraftwerksarten in €/MWh ......................................... 77 Brennstoffspezifische Startfaktoren ................................................................. 79 Regression zwischen den EEX-Preisen und den geschätzten Grenzkosten..... 83 Stillgelegte Kapazität der Verbundunternehmen in MW................................. 88 Korrelation zwischen prozentualer Preis-Kosten-Marge und RSI................... 89 Börsen-Tagesdurchschnitt und tagesdurchschnittlicher Oligopolpreis............ 95 Auftreten von Fly-Ups (Zeitraum: 1.1.2005 - 21.11.2006)............................ 104 Einfluss der Fly-Ups auf das durchschnittliche Preisniveau.......................... 104 Variablen im Modell ...................................................................................... 107 E-Views Ergebnisse für das Fly-Up-Modell.................................................. 108 Prognostizierte Fly-Ups und die Abweichungen der erklärenden Variablen .............................................................................. 110 Kopplung von Grenzkosten, RSI und Fly-Up-Modell mittels Regression für das Jahr 2005 ............................................................................................ 113

XV

Abkürzungsverzeichnis AKW APX AT AtG BE Belpex CAISO CH CR DE DEHST DK EC EdF EEX EMELIE ETSO EU EXAA FR GJ GW GW/h HHI HKW IT KW LEMI MW MW/h NL NTC OTC PCMI

Atomkraftwerk Amsterdam Power Exchange Österreich Gesetz über die friedliche Verwendung der Kernenergie und den Schutz gegen ihre Gefahren Belgien Belgian Power Exchange California Independent System Operator Schweiz Konzentrationsrate Deutschland Deutsche Emissionshandelsstelle Dänemark European Council Electricité de France European Energy Exchange Electricity MarkEt Liberalisation in Europe European Transmisssion System Operators Europäische Union Energy Exchange Austria Frankreich Gigajoule Gigawatt Gigawatt pro Stunde Herfindahl-Hirschman-Index Heizkraftwerk Italien Kraftwerk Liberalised Electricity Market Investigation Megawatt Megawatt pro Stunde Niederlande Netto-Transfer-Kapazität Over the Counter Preis-Kosten-Margen-Index

XVI PSI RDA RSI RTE TW/h UCTE VIK WBA

Abkürzungsverzeichnis

Pivotal Supplier Index Residual-Demand-Analysis Residual Supply Index Gestionnaire du Réseau de Transport d´Electricité Terawatt pro Stunde Union for the Coordination of Transmission of Electricity Verband industrieller Kraftwerkswirtschaft Wettbewerbs-Benchmark-Analyse

1

1 Einleitung Der Prozess der Liberalisierung von Stromerzeugungsmärkten begann in den meisten kontinentaleuropäischen Ländern in den späten 1990er Jahren. Die EU Direktive 96/92/EC legte allgemeine Regeln für die Elektrizitätsmärkte in der EU fest und war der erste Schritt zur Deregulierung und Liberalisierung der Strommärkte in Europa. In Deutschland begann die Deregulierung 1998 mit der Verabschiedung des neuen Energiewirtschaftsgesetzes. Zwei Jahre später nahm die Leipziger Strombörse ihren Betrieb auf. Die Erwartungen an die Liberalisierung waren hoch. Man versprach sich Effizienzgewinne und niedrigere Preise für die Verbraucher. Das erste Ziel ist durch die Liberalisierung wohl erreicht worden, ob die Stromkunden jedoch von der Liberalisierung profitiert haben ist umstritten. Ökonomisch ist die Erwartung niedrigerer Preise durch eine Liberalisierung des Strommarktes zumindest zweifelhaft. Vor der Liberalisierung wurden die Strompreise anhand von Durchschnittskosten und einer angemessenen Kapitalverzinsung gebildet. Seit 1998 spielen nicht mehr die Durchschnittskosten, sondern, wie an den meisten anderen Märkten, die Grenzkosten die dominante Rolle bei der Preisbildung. Welche Art der Preisbildung für den Kunden billiger ist, hängt stark sowohl vom Verlauf der Grenzkosten und damit vom Kraftwerkspark im jeweiligen Land als auch von den Effizienzgewinnen durch die Liberalisierung ab. Selbst bei vollkommenem Wettbewerb ist nicht zwangsweise gesichert, dass der Stromkunde von der Liberalisierung profitiert. Trotzdem ist es sowohl volkswirtschaftlich als auch für den Stromkunden nicht unwichtig, ob der Wettbewerb auf dem Strommarkt funktioniert. Haben die Produzenten Marktmacht oder spiegeln die Börsenpreise die Grenzkosten wider? Seit dem starken Anstieg der Strompreise im Jahr 2003 an der European Energy Exchange (EEX) wird in Deutschland über Marktmacht am Stromerzeugungsmarkt diskutiert. Die Besonderheiten des Stromerzeugungsmarktes, nämlich preisunelastische Nachfrage und die kostenintensive Speicherung von Strom, machen den Markt anfällig für überhöhte Preise. Auch der lange zeitliche Vorlauf bei der Errichtung neuer Kraftwerke, die hohen versunkenen Kosten bei den Investitionen und die regulatorische Unsicherheit, beispielsweise bei der zukünftigen CO2-Zertifikatallokation, dem Atomausstieg, etc. lassen den Markt nicht bestreitbar erscheinen. Ferner gibt es drei Besonderheiten im deutschen Strommarkt. Alle drei betreffen Grundlastkraftwerke, die besonders hohe Deckungsbeiträge einbringen. Grundlastkraftwerke sind in Deutschland Kernkraftwerke, Laufwasserkraftwerke und Braunkohlekraftwerke. Kernkraftwerke dürfen nach dem Atomausstieg nicht mehr zugebaut werden1, das Laufwasserkraft-

1

Vgl.: § 7 AtG

2

1 Einleitung

werkspotential ist weitgehend ausgenutzt und die Braunkohletagebaureviere befinden sich vollständig in der Hand von RWE, Vattenfall und E.ON. Somit können neu in den Markt ein tretende Anbieter nicht deckungsbeitragsstarke Grundlastkapazität bauen. Dies erschwert sowohl den tatsächlichen als auch den potentiellen Wettbewerb in Deutschland erheblich. Allerdings bestätigen Untersuchungen für andere Länder wie Kalifornien oder England, dass die deutschen Besonderheiten nicht notwendig für die Ausnutzung von Marktmacht sind.2 Im Juni 2000 begann der Spothandel an der EEX. Die Monatsdurchschnitte der Preise lagen zu Beginn zwischen 15 und 25 €/MWh. Im Dezember 2001 kletterten sie auf 40 €/MWh. In den Folgemonaten lagen die Preise zwischen 20 und 30 €/MWh. Von Juli 2003 bis Ende 2004 stiegen die Preise und schwankten zwischen 25 und 35 €/MWh. Ab 2005 schossen die Preise nach oben und erreichten im Dezember 2005 ein neues Allzeithoch mit über 70 €/MWh. Nun sind steigende Preise weder Beweis noch Hinweis für Marktmacht. Sie könnten genauso von „fundamentalen Faktoren“ wie gestiegenen Brennstoffpreisen, CO2-Zertifikaten3 oder Stilllegungen von unrentablen Kraftwerken4 verursacht worden sein. Sie könnten aber auch Ergebnis einer wachsenden Ausnutzung von Marktmacht sein.5 Trotz der öffentlichen Debatte um die hohen Strompreise in Deutschland gibt es nur drei Publikationen, die versuchen Marktmacht im Stromerzeugungsmarkt zu quantifizieren.6 Die geringe Zahl an wissenschaftlichen Artikeln zu dem öffentlich heiß diskutierten Thema lässt sich in erster Linie durch die schlechte Datenlage erklären. So fehlten bis 2006 sowohl die stündliche Gesamtnachfrage auf dem Strommarkt (Last) als auch die stündlichen Außenhandelswerte. Für andere Strommärkte, insbesondere Kalifornien und England/Wales, gibt es eine Vielzahl von Veröffentlichungen, die versuchen Marktmacht zu schätzen. Joskow und Kahn simulierten Wettbewerbspreise für den kalifornischen Strommarkt.7 Die geschätzten Grenzkosten wurden mit den Börsenpreisen verglichen und so wurde die Marktmacht bestimmt. Auch andere Ökonomen wählten diesen Ansatz.8 Wie Twomey u.a. (2005) in ihrem Artikel „A Review of the Monitoring of Market Power“9 zusammenfassen, zählen Simulationsmodelle, die Grenzkosten bei vollkommenem Wettbewerb schätzen, zu den besten Methoden um Marktmacht zu quantifizieren. Zwar haben diese Modelle die Tendenz, die Komplexität des realen 2

Vgl.: Borenstein u.a. (1999), Burns u.a. (2004) und Joskow, Kahn (2001) Vgl.: Bauer, Zink (2005), S. 574-577. 4 Vgl.: Monopolkommission (2004) 5 Vgl.: Monopolkommission (2004), S. 543-545 und Richmann (2006) 6 Vgl.: Müsgens (2004), Lang, Schwarz (2006), von Hirschhausen, Weigt, Zachmann (2007) 7 Vgl.: Joskow, Kahn (2001) 8 Vgl.: Short, Swan (2002), Fabra, Toro (2003), Evans, Green, (2005) 9 Vgl.: Twomey u.a (2004) 3

1 Einleitung

3

Marktes zu unterschätzen, was dazu führen kann, dass die geschätzten Grenzkosten zu niedrig ausgewiesen werden.10 Letztlich gibt es aber keine Alternativen zu diesen Modellen. Für den deutschen Stromerzeugungsmarkt gibt es im Moment nur eine unabhängige empirische Studie zur aktuellen Marktmacht, es fehlen zudem gänzlich Studien, die neuere Marktmachtindikatoren wie den Residual Supply Index (RSI) schätzen, und es fehlen realitätsnahe Oligopolmodelle für den deutschen Stromerzeugungsmarkt. Diese Forschungslücken sollen durch die hier vorliegende Arbeit geschlossen werden. Ziel dieser Arbeit ist es strukturelle, tatsächliche und potentielle Marktmacht am deutschen Großhandelsmarkt zu quantifizieren. Dies soll mit Hilfe struktureller Indikatoren, eines Grenzkostenmodells und eines Oligopolmodells geschehen. Die Qualität dieser Quantifizierungen soll dadurch überprüft werden, dass die Modellergebnisse zur Preisprognose herangezogen werden. Kapitel 2 definiert zunächst Marktmacht und gibt einen Überblick über die Möglichkeiten zur Ausübung von Marktmacht. In Unterkapitel 2.2 wird auf die Diskussion zur Bestimmung des relevanten Marktes eingegangen. Dann folgt in den Unterkapiteln 2.3 und 2.4 ein Überblick über die Methoden zur Marktmachtmessung und ein Überblick über den Forschungsstand bei den einzelnen Methoden. Kapitel 3 führt sowohl in Strommärkte generell als auch in den deutschen Strommarkt im Besonderen ein. Kapitel 4 diskutiert das kontinentaleuropäische Außenhandelsregime sowie mögliche Verbesserungsvorschläge. Dies ist wichtig für die Frage nach dem relevanten Markt. Die Marktabgrenzung ermöglicht erst Konzentrationsmessungen, wie die in Kapitel 5. Dieses Kapitel soll einen Überblick über die Anbieter, die Marktkonzentration sowie die Verflechtungen zwischen den Stromproduzenten verschaffen. Auch sind Konzentrationsstudien der erste Schritt um den Verdacht auf Ausübung von Marktmacht zu begründen. Des Weiteren wird ein neuerer struktureller Marktmachtindikator in Kapitel 5 vorgestellt. In Kapitel 6 wird die ausgeübte Marktmacht quantifiziert. Dies geschieht mit einem Modell des deutschen Stromerzeugungsmarktes, welches die stündlichen Grenzkosten schätzt. In Kapitel 7 wird schließlich die potentielle Marktmacht in Deutschland mittels eines Oligopolmodells geschätzt um ein kurzfristiges, nicht kollusives worst case scenario für den Stromkunden quantifizieren zu können. Die Modellergebnisse aus dem Grenzkostenmodell werden in Kapitel 8 mit einem strukturellen Marktmachtindikator aus Kapitel 5 zur besseren Preisprognose gekoppelt. Um die extremen Preisspitzen an der Strombörse besser zu berücksichtigen, wird hier zusätzlich eine öko10

Vgl.: Harvey, Hogan (2002)

4

1 Einleitung

nometrische Modellierung dieser Preisspitzen vorgestellt. Dies dient zwar nicht direkt der Marktmachtmessung, verbessert aber substantiell das Preisprognosemodell. Kapitel 9 schließlich fasst die Ergebnisse zusammen.

5

2 Marktmachtausübung und Stand der Forschung zum Thema Marktmacht und Marktmachtmessung In Kapitel 2 wird zunächst eine Einführung in das Thema Marktmachtausübung gegeben. Dies ist unerlässlich um die verschiedenen Messmethoden diskutieren zu können. Hierbei wird auch der Forschungsstand vorgestellt. Kapitel 2 ist wie folgt organisiert: Zunächst wird in 2.1 Marktmacht definiert und es wird beschrieben, wie Stromproduzenten Marktmacht ausüben können. Dann erfolgt in Unterkapitel 2.2 eine Einführung in die Diskussion zur Marktabgrenzung. In Unterkapitel 2.3 wird ein Überblick über Methoden zur strukturellen Marktmachtmessung gegeben. Hierbei wird auch ihre bisherige Verwendung vorgestellt. In Unterkapitel 2.4 werden Verhaltensindikatoren zur Marktmachtmessung vorgestellt, wobei der Schwerpunkt auf der Wettbewerbs-BenchmarkAnalyse und auf Oligopolmodellen liegt. Hier werden auch methodische Aspekte der Modellierung diskutiert. Bei beiden werden sowohl internationale Studien als auch solche für den deutschen Markt kurz vorgestellt.

2.1 Möglichkeiten der Ausübung von Marktmacht im Stromerzeugungsmarkt Bevor die Möglichkeiten diskutiert werden, wie Stromproduzenten Marktmacht ausüben können, muss zunächst definiert werden, was in dieser Studie unter Marktmacht verstanden wird. Die hier vorgelegte Definition lehnt sich an Twomey u.a. an: Marktmacht ist die Fähigkeit eines Anbieters den Marktpreis zu beeinflussen und gleichzeitig davon zu profitieren.11 Diese Definition lässt drei verschiedene Strategien der Stromproduzenten zu: 1. Die Produzenten bieten nicht zu Grenzkosten, sondern zu Grenzkosten und einem Aufschlag. Dies ist der einfachste Fall. 2. Die Produzenten halten Kapazität vom Markt zurück. D.h. Kraftwerk x produziert an einem bestimmten Tag nicht um den Marktpreis zu erhöhen und somit die Produzentenrente für alle anderen Kraftwerke des Eigentümers von x zu erhöhen. 3. Die Stromanbieter legen Kapazität still, um die Grenzkostenkurve im Strommarkt zu „versteilen“. Damit steigen sowohl der Preis als auch die Produzentenrente für alle anderen Kraftwerke. Der Unterschied zwischen Strategie 3 und Strategie 1 ist, dass bei Strate11

Vgl.: Twomey u.a. (2004), S. 5

6

2 Marktmachtausübung und Stand der Forschung

gie 3 die Marge zwischen Preis und Grenzkosten Null sein kann. Dies ist zwar prinzipiell ähnlich wie bei Strategie 2, allerdings, wenn die Ausfälle von Kraftwerken nicht oder nur unzureichend veröffentlicht werden, ist von externer Seite kein Unterschied zwischen den Strategien 1 und 2 auszumachen. Vergleicht man beispielsweise geschätzte Grenzkosten aus einem Marktmodell mit den tatsächlichen Börsenpreisen, so sind Strategie 1 und 2 nicht zu unterscheiden. Aus den Strategien lässt sich Folgendes ableiten: Will man Marktmacht messen, benötigt man die Grenzkosten der Stromerzeugung. Alle anderen Messmethoden, so auch die in Kapitel 2.3 vorgestellten, messen nicht direkt ausgeübte Marktmacht, sondern nur strukturelle. Tatsächlich ausgeübte Marktmacht ist – außer bei Anwendung von Strategie 3 – die Differenz aus Preis und Grenzkosten.

2.2 Marktabgrenzung Bevor strukturelle Faktoren für Marktmacht in Kapitel 2.3 diskutiert werden sollen, muss zunächst geklärt werden, wie man den „relevanten Markt“ bestimmt. Die Bestimmung des relevanten Marktes muss den strukturellen Faktoren für Marktmachtmessung vorausgehen, da die beiden populärsten Indikatoren für strukturelle Marktmacht auf Marktanteilen beruhen. Die Standpunkte bezüglich des relevanten Marktes gehen für Deutschland relativ weit auseinander. Üblicherweise wird der relevante Markt durch das „Gesetz des einheitlichen Preises“ bestimmt.12 Wenn in verschiedenen Regionen der gleiche Großhandelspreis für Strom gilt, kann man davon ausgehen, dass es sich um einen Markt handelt. Wie in Kapitel 4 genauer ausgeführt, ist dies nicht oft der Fall. Zwar sind die Durchschnittspreise auf den Großhandelsmärkten in Zentraleuropa fast gleich, dennoch gibt es teilweise erhebliche Abweichungen bei den stündlichen Strompreisen. In Kapitel 4 soll daher versucht werden, den relevanten Markt abzugrenzen. Eine implizite Meinung zu dem Thema „relevanter Markt“ vertreten Matthes und Poetzsch, indem sie ohne Erklärung bei ihren Studien von 2002 und 2005 die Konzentrationsmaße für Deutschland, Österreich und Schweiz gemeinsam berechnen.13 Es bleibt unklar, warum gerade diese drei Länder ein relevanter Markt sein sollen.

12 13

Vgl.: Twomey u.a. (2004), S. 15 Vgl.: Matthes, Poetzsch (2002), S. 14-15 und Matthes, Poetzsch, Grashoff (2005), S.15

2 Marktmachtausübung und Stand der Forschung

7

Andere Studien, wie beispielsweise die von Boisseleau und Hewicker, berechnen Korrelationen zwischen den verschiedenen Großhandelspreisen.14 Sie sehen die relativ hohe Korrelation zwischen den französischen und den deutschen Großhandelspreisen als Beweis für einen einheitlichen „supranationalen“ Markt an.15 Das gleiche methodische Vorgehen wählten Armstrong und Galli und kommen zu dem Ergebnis, dass die Preise im Zeitverlauf stärker konvergieren.16 Bower untersucht die Spotpreise von Skandinavien, Deutschland, Spanien, Niederlande, England und Wales mit einem Korrelations- und Kointegrationsansatz. Er kommt zu dem Ergebnis, dass schon 2001 ein integrierter Markt innerhalb Skandinaviens und zwischen den Niederlanden, Deutschland und Frankreich sichtbar wurde.17 Zachmann schätzt ökonometrisch die Konvergenz der Spotpreise und kommt zu dem Ergebnis, dass die Preise von Deutschland-Niederlande und Deutschland-Dänemark zunehmend konvergieren.18 Diese bisherigen empirischen Forschungsergebnisse werden von der eigenen, hier vorgestellten Untersuchung in Kapitel 4 zwar grundsätzlich bestätigt. Es gibt teilweise eine hohe Korrelation zwischen den Strompreisen in Kontinentaleuropa, allerdings werden die starken Abweichungen an einigen Stunden im Jahr anders interpretiert. Ferner sollen hier Funktionsweise und Theorie des grenzüberschreitenden Stromhandels in Kontinentaleuropa dargestellt werden und die grundsätzlichen Probleme des kontinentaleuropäischen Außenhandelsregimes erörtert werden.

2.3 Forschungsstand für strukturelle Indikatoren zur Marktmachtmessung Unter strukturellen Indikatoren für Marktmacht wird in dieser Arbeit Folgendes verstanden: Sie messen auf der Angebotsseite, mit oder ohne Berücksichtigung der Nachfrageseite, ob ein oder mehrere Anbieter dazu in der Lage sein müssten, Marktmacht auszuüben. Dabei ist nicht entscheidend, ob der Anbieter es tatsächlich tut. Auch bieten die beiden populärsten Indikatoren – Herfindahl-Hirschman-Index (HHI) und Konzentrationsraten (CRn), für die die Bestimmung des relevanten Marktes notwendig ist – weder notwendige noch hinreichende Hinweise für die tatsächliche Ausübung von Marktmacht.

14

Vgl.: Boiseleau, Hewicker (2004) Vgl.: Boiseleau, Hewicker (2004), S. 6 Vgl.: Armstrong, Galli (2005) 17 Vgl.: Bower (2002) 18 Vgl.: Zachmann (2005) 15 16

2 Marktmachtausübung und Stand der Forschung

8

2.3.1 Herfindahl-Hirschman-Index und Konzentrationsraten Die beiden populärsten strukturellen Indizes sind der HHI aus dem amerikanischen Kartellgesetz19 und für den deutschen Raum die Marktanteile des größten, der drei größten sowie der fünf größten Unternehmen. Gemeinsam ist beiden Indikatoren, dass sie die Größe der Anbieter in einem Markt analysieren. Der HHI ist die Summe der quadrierten Marktanteile aller am Markt befindlichen Unternehmen. Der HHI ist also wie folgt definiert: HHI

¦

n i 1

x i2

(1)

n ist hierbei die Zahl der am relevanten Markt befindlichen Unternehmen, und x ist deren Marktanteil. Die alternativen Indices sind die Konzentrationsraten aus dem deutschen Gesetz gegen Wettbewerbsbeschränkung.20 Diese sind wie folgt definiert: CR n

¦

n i 1

xi

(2)

wobei x der Marktanteil der größten Unternehmen ist. Die kritischen Schwellenwerte für beide Indices sind in Tabelle 1 hinterlegt. Tabelle 1:

Kritische Schwellenwerte der Konzentrationsindices21

Konzentrationsrate (CR) Eine Marktbeherrschung wird vermutet, wenn CR1 > 33,3 % CR3 > 50 % CR5 > 66,7 %

Herfindahl-Hirschman-Index (HHI) Keine Konzentration: HHI < 1.000 Mäßige Konzentration: 1.000 < HHI < 1.800 Hohe Konzentration: HHI > 1.800

Es gibt verschiedene Konzentrationsstudien zum deutschen Erzeugungsmarkt für Strom. Die unterschiedlichen Ergebnisse resultieren zumindest teilweise aus unterschiedlichen Berechnungsmethoden. Bei der Konzentrationsstudie von Eikmeier und Gabriel,22 die den Zeitraum von 1998 bis 2003 betrachtet, wird nicht mit der Dominanzmethode wie in Kapitel 5 dieser Arbeit gerechnet, sondern mit der Anteilsmethode.23 In der Studie von Eikmeier und Gabriel 19

Vgl.: U.S. Department of Justice Vgl.: Gesetz gegen Wettbewerbsbeschränkung § 19(3) Vgl.: Matthes, Poetzsch, Grashoff (2002), S. 8 22 Vgl.: Eikmeier, Gabriel (200), S. 12 23 Neben der Dominanzmethode kann die Zuordnung von Beteiligungen auch mittels der Anteilsmethode erfolgen. Bei dieser Methode erfolgt eine Zuordnung der Stromproduktion von Mehr- und Minderheitsbeteiligungen, allerdings auf Grundlage der tatsächlichen Beteiligungsanteile. Ist ein Versorger zu 30% an einem Kraftwerk beteiligt, wird ihm so die zugehörige Kapazität/Produktion zu 30% zugeschrieben. Ist der Versorger zu 60% an einem Stadtwerk beteiligt, dem ein Kraftwerk zu 80% gehört, werden dem Versorger 48 % von dessen Kapazität zugeschrieben. Die Anteilsmethode errechnet die Kapazität bzw. Stromproduktion, die den Unternehmen Ansprüche auf Gewinnbeteiligung liefert. Aus Gründen der Übersichtlichkeit wird auf eine zusätzliche Darstellung der Kapazitäts- und Produktionsanteile, die sich nach der Anteilsmethode für die einzelnen Stromproduzenten ergeben hätten, verzichtet. 20 21

2 Marktmachtausübung und Stand der Forschung

9

besitzen die vier größten Unternehmen 90,5% der Nettokapazität im Jahr 2003. In der hier vorliegenden Arbeit verfügen sie dagegen nur über knapp 80%. Dies liegt auch darin begründet, dass die Minderheitsbeteilungen durch Verwendung der Dominanzmethode nicht mit einberechnet werden. Bei der Konzentrationsstudie von Matthes, Poetzsch und Grashoff für die Jahre 1998-2004 wird ebenfalls die Anteilsmethode verwendet.24 Sie kommen damit zu ähnlichen Ergebnissen wie in diesem Kapitel. Bei der Studie von Pfeiffer, ebenfalls aus dem Jahr 2005, wird die Konzentration auf dem deutschen Strommarkt von 1994-2004 untersucht, allerdings sind in dieser Studie nur Kraftwerke ab 100 MW erfasst.25 Ferner gibt es eine Veröffentlichung von Schwarz und Lang aus dem Jahr 2005 zur Konzentration auf dem Stromerzeugungsmarkt für den Zeitraum 2001-2005.26 Bei dieser wurde die Kapazitätsentwicklungen aber nur bis 2004 untersucht. Kapitel 5 dieser Arbeit baut auf der Untersuchung von Schwarz und Lang auf. Der Unterschied ist, dass die Entwicklung der Kapazitäten bis 2005 untersucht wird. Die Qualität dieser strukturellen Indikatoren als Prädiktor für ausgeübte Marktmacht ist aber nicht unumstritten. In verschiedenen Studien konnte nachgewiesen werden, dass wenn der Markt eng ist, also der Quotient aus Last und verfügbarer Kapazität hoch ist, schon relativ kleine Anbieter Marktmacht ausüben können.27 Dies liegt gerade im Strommarkt an der kurzfristig preisunelastischen Nachfrage. Neben den traditionellen strukturellen Indikatoren für Marktmacht, wie HHI und Konzentrationsraten, gibt es auch neuere strukturelle Faktoren wie den Pivotal Supplier Index (PSI) oder den Residual Supply Index (RSI).

2.3.2 Pivotal Supplier Index (PSI) Beim Pivotal Supplier Index (PSI) wird neben der Angebotsseite auch die Nachfrage mitberücksichtigt. Die Frage ist, ob ein bestimmter Anbieter, der Pivotal-Anbieter, nötig ist um die Nachfrage zu decken. Könnte die Stromnachfrage auch ohne diesen Anbieter gedeckt werden oder ist er zwingend notwendig?28 Er ist definiert als: PSI: C x !

24

Vgl.: Matthes, Poetsch, Grashoff (2005), S. 9 Vgl.: Pfeiffer (2005) Vgl.: Schwarz, Lang (2005) 27 Vgl.: Twomey u.a. (2004), S.17 28 Vgl.: Bushnell u.a. (1999) 25 26

¦

n

i 1

Ci  Last

(3)

2 Marktmachtausübung und Stand der Forschung

10

Hier ist Cx die Kapazität des Pivotal-Anbieters und

¦

n

i 1

Ci die Kapazität aller Anbieter.

Damit ist der Pivotal Supplier Index ein binärer Indikator, der stundenscharf bestimmt werden kann. Ist der Anbieter Cx nötig um die Last zu decken, ist er pivotal und der Index nimmt den Wert 1 an. Ist er es nicht, dann nimmt der Index den Wert 0 an. Bushnell u.a. führten mit dem PSI eine ex-ante Studie für den Strommarkt in Wisconsin/Upper Michigan durch. Der Fortschritt gegenüber dem HHI ist, dass Nachfragebedingungen mit in den Marktmachtindikator integriert werden. Als eine Weiterentwicklung des PSI der RSI gesehen werden. Er ist von Sheffrin beim California Independent System Operator (CAISO) entwickelt worden und auch erfolgreich empirisch für Kalifornien als Prädiktor für tatsächliche Marktmacht getestet worden.29

2.3.3 Residual Supply Index (RSI) Eine nicht-binäre Alternative zum PSI ist der von dem California Independent System Operator (CAISO) entwickelte Residual Supply Index (RSI).30 Er ist definiert als: n

RSI

Auch hier ist wieder

¦C 1

i

 Cx

(4)

Last

n

¦ C die Kapazität aller Anbieter und C 1

i

x

die Kapazität des untersuch-

ten Anbieters. Ist er größer als 100%, dann sollte Anbieter x wenig Einfluss auf den Preis haben, ist er kleiner als 100%, könnte Anbieter x relativ leicht Marktmacht ausüben. Der RSI hat gegenüber dem PSI den Vorteil, nicht binär zu sein und damit auch einen Anstieg von struktureller Marktmacht besser abbilden zu können. Er wurde als Marktmachtindikator auch schon erfolgreich von Sheffrin für den kalifornischen Strommarkt getestet.31 Sheffrin addiert zur Gesamtkapazität auch die Nettoimporte. Auch must-take-Kapazität ist voll enthalten. Bei der Kapazität des untersuchten Anbieters schlägt Sheffrin vor, vertraglich gebundene Kapazität zu subtrahieren.32 Bei diesen Details der Marktmachtindikatoren PSI und RSI beginnen auch die methodischen Probleme.

29

Vgl.: Sheffrin (2001), S.8 Vgl.: Sheffrin (2002) Vgl.: Sheffrin (2002), S. 26 32 Vgl.: Sheffrin (2002), S. 5 30 31

2 Marktmachtausübung und Stand der Forschung

11

Kritisch ist der Vorschlag Sheffrins, die vertraglich gebundene Kapazität der Anbieter herauszurechnen. Abgesehen von dem empirischen Problem, dass man in Deutschland nicht weiß, welche Kraftwerke an der Börse bieten und welche schon durch Forwards vertraglich gebunden sind, scheint hier noch ein grundsätzlicheres Problem zu sein. Hat ein Anbieter den Großteil seiner Kapazität vor der Versteigerung am day-ahead-Spotmarkt verkauft, dann besteht bei ihm kein Interesse, zumindest bei einem einstufigen Spiel, an der Ausübung von Marktmacht im Spotmarkt. Da sich dieses Spiel allerdings wiederholt und damit auch der Spotmarkt Rückwirkungen auf Futures und Forwards hat, ist es mittel- bis langfristig egal, ob die Produzenten alles oder nur Teile ihrer Strommenge am Spotmarkt verkaufen. Sie haben mittelfristig immer ein Interesse an der Ausübung von Marktmacht.33 Entscheidend für ihr Interesse an Marktmacht ist letztlich nur ihre Größe im Verhältnis zum relevanten Markt. Aus diesem Grund wird in dieser Arbeit die vertraglich gebundene Kapazität nicht herausgerechnet. Bei den eigenen Berechnungen des RSIs in Kapitel 5.2 wird auch mit der must-take-Kapazität anders verfahren als bei Sheffrin. Bei dieser wird nicht die Kapazität verwendet, sondern die Produktion. Dies liegt darin begründet, dass beispielsweise bei einer Windturbine nicht die Nennleistung in einer bestimmten Stunde relevant ist, sondern die tatsächliche Produktion um die relevante Größe eines Anbieters zu bestimmen. Auch beim Umgang mit dem Außenhandel gibt es Diskussionen. Ockenfels schlägt vor (allerdings beim PSI), dass statt der Nettoimporte die Nettoimportkapazität von der Last abgezogen werden sollte. Nach Ansicht des Verfassers ist dies aus folgenden zwei Gründen nicht adäquat: 1. Die Nettoimportkapazität von Deutschland beträgt etwa 16,5 GW. Alle Nachbarländer zusammen sind nicht in der Lage in Spitzenlastzeiten 16,5 GW zu liefern, da die Kraftwerkskapazitäten in Frankreich und den Niederlanden zu knapp sind und in Richtung Osten und Norden die Kuppelstellenkapazitäten die Importe stark limitieren. 2. Der zweite Grund liegt im kontinentaleuropäischen Außenhandelsregime begründet. Wenn die deutschen Anbieter ihre gesamte potentielle Marktmacht ausnutzen würden, würden die Nachbarländer soviel nach Deutschland exportieren wie sie können. Damit ist der Nettoimport adäquat. Wenn die potentielle Marktmacht nur stochastisch ausgenutzt wird, können die ausländischen Anbieter wegen der getrennten Spotmärkte nicht reagieren und so ist der Nettoimport ebenfalls adäquater als Nettoimportkapazität. Der RSI wurde bislang noch nicht auf den deutschen Großhandelsmarkt angewendet, daher sollen die Ergebnisse der ersten RSI-Anwendung für Deutschland in Kapitel 5.2 vorgestellt werden. Der PSI wird aufgrund der starken Ähnlichkeit zum RSI in dieser Arbeit nicht empirisch untersucht. Vertraglich gebundene Kapazität wurde nicht herausgerechnet, da dies zum 33

ähnlich sehen auch von Hirschhausen, Weigt, Zachmann (2007) das Problem, S. 32-33

12

2 Marktmachtausübung und Stand der Forschung

einen auf Grund der Datenverfügbarkeit nicht möglich ist und zum anderen auch theoretisch, wie oben ausgeführt, nicht sinnvoll erscheint.

2.3.4 Residual-Demand-Analysis (RDA) Der letzte hier kurz vorgestellte Indikator ist die Residual-Demand-Analysis (RDA). Um auf strukturelle Marktmacht für eine Unternehmung zu schließen, werden von der Nachfragekurve alle Gebote der anderen Unternehmen abgezogen. In einem Wettbewerbsmarkt müsste sich dann das Unternehmen einer hochelastischen Nachfragekurve gegenübersehen und keinen Anreiz haben von Grenzkostengeboten an der Börse abzuweichen.34 Je größer das Unternehmen im Verhältnis zum Markt ist, desto unelastischer wird die Residual-Nachfrage und desto größer der Anreiz von Grenzkostengeboten abzuweichen. Der Stromproduzent kann durch den Schnittpunkt von Grenzerlöskurve und Grenzkostenkurve seinen optimalen Preis auf der Residualnachfragekurve bestimmen.35 Man erkennt bei der RDA eine gewisse Ähnlichkeit zum RSI – bei beiden Indikatoren werden neben der Angebotsseite auch Nachfragebedingungen berücksichtigt – allerdings werden die Nachfragebedingungen bei der RDA über die Elastizitäten noch genauer erfasst. Der Datenbedarf ist ähnlich hoch wie bei der WettbewerbsBenchmark-Analyse (WBA).36 Da man die Grenzkosten braucht, benötigt man alle Daten, die man für die WBA benötigt und zusätzlich noch die Gebots- und Angebotskurven des Spotmarktes. Falls diese nicht verfügbar sind, wäre es möglich, die Residualnachfragen für einen Anbieter durch Subtraktion der Grenzkostengebote der anderen Anbieter von der Gesamtnachfrage zu bestimmen. Dies wäre eine zulässige Approximation bei einer Marktstruktur, bei der ein Unternehmen dominant und die anderen relativ klein sind. Dies ist in Deutschland nicht der Fall. Auch die individuellen Gebots- und Angebotskurven sind nicht verfügbar, da die Börse diese nicht veröffentlicht. Die RDA wurde schon erfolgreich als Instrument zur strukturellen Marktmachtmessung in Kalifornien für den Zeitraum 1998-2000 (nur Sommermonate) von Wolak eingesetzt.37 Die RSI-Berechnungen in Kapitel 5 weisen allerdings darauf hin, dass die Residualnachfrage für RWE oder E.ON sehr unelastisch sein müsste.

34

Vgl.: Baker, Bresnahan (1992), S.9-13 Vgl.: Wolak (2003), S. 2 Vgl.: Abschnitt 2.4.1 zur Wettbewerbs-Benchmark-Analyse 37 Vgl.: Wolak (2000) und (2003) 35 36

2 Marktmachtausübung und Stand der Forschung

2.4

13

Verhaltensindikatoren zur Marktmachtmessung

Die bisher beschriebenen Faktoren messen strukturelle Marktmacht. Allerdings interessiert meist die tatsächlich ausgeübte Marktmacht. Auch hierfür gibt es verschiedene Messmethoden.

2.4.1 Wettbewerbs-Benchmark-Analyse Bei der Wettbewerbs-Benchmark-Analyse werden die Grenzkosten der Stromerzeugung geschätzt. Diese werden dann mit den tatsächlichen Börsenpreisen verglichen. So lässt sich dann sowohl der prozentuale Aufschlag auf die Grenzkosten (PCMI, Preis-Kosten-Margen-Index) als auch der Lerner-Index berechnen. Der PCMI ist definiert als:

PCMI

P  GK GK

(5)

Hier ist P der Börsenpreis und GK die geschätzten Grenzkosten. Der Index nimmt den Wert 0 an, wenn keine Marktmacht ausgeübt wird und einen Wert von größer 0, wenn Marktmacht ausgeübt wird. Der Lerner-Index ist auf einen Wertebereich zwischen 0 und 1 begrenzt und ist wie folgt definiert:

LernerIndex

P  GK P

(6)

Wenn keine Marktmacht ausgeübt wird, beträgt der Wert des Lerner-Index 0. Falls Marktmacht ausgeübt wird, liegt der Wert des Lerner-Index zwischen 0 und 1. Die Probleme beider Indikatoren lassen sich den Feldern Datenverfügbarkeit und Art der Modellierung zurechnen. Modelle, die Grenzkosten schätzen, haben einen hohen Datenbedarf, also stündliche Nachfrage, stündlicher Außenhandel, Nettowirkungsgrad und Verfügbarkeit der Kraftwerke, stündliche Wind- und Wasserenergieeinspeisung, Bestimmung der must-takeKapazität, Brennstoffkosten, etc. Probleme gibt es ferner beim Lerner-Index, wenn die geschätzten Grenzkosten über dem Börsenpreis liegen. Er wird dann negativ.38 Dies kann aufgrund der Probleme bei der Modellierung der Grenzkosten und bei ungenügendem Dateninput leicht passieren. Grenzkostenmodelle werden und wurden für Strommärkte vielfach eingesetzt.

38

Auch kleiner als -1 ist rechnerisch möglich

14

2 Marktmachtausübung und Stand der Forschung

Mit der WBA lassen sich die beiden ersten Strategien zur Ausübung von Marktmacht aufspüren – also Gebote über den Grenzkosten und physische Kapazitätszurückhaltung. Allerdings lässt sich bei der momentanen Datenlage in Deutschland nicht klären, welche der beiden Methoden die Stromproduzenten angewandt haben. Es gibt zum Thema Marktmacht in Strommärkten mittels Grenzkostenmodellen international sehr viele Studien. Dies gilt insbesondere für Strommärkte, in denen es zu Krisen kam, wie in Kalifornien, oder für Strommärkte, die schon länger liberalisiert sind, wie England/Wales. Für den deutschen Stromerzeugungsmarkt gibt es mittlerweile drei Veröffentlichungen zur ausgeübten Marktmacht: Eine von Müsgens aus dem Jahr 2004,39 eine von Lang und Schwarz40 aus dem Jahr 2006 und eine von von Hirschhausen, Weigt und Zachmann aus dem Jahr 2007.41 Auf der Studie von Lang und Schwarz baut das Kapitel 6 dieser Arbeit auf. Grundidee des Vorgehens ist es, die Grenzkosten für die jeweilige Nachfrage, also Last, zu schätzen. Das Vorgehen benötigt, wie schon erwähnt, eine relativ große Datenmenge. Ferner hängt der Spotmarkt für Strom noch mit dem Regelenergiemarkt zusammen, da die Kraftwerke ihre Kapazität nur an einem der beiden Märkte verkaufen können. Des Weiteren sollten Grenzkostenmodelle die Anfahrkosten von Kraftwerken mit berücksichtigen. In der Praxis sind viele Daten nicht erhältlich, und Modelle können aufgrund von Beschränkungen durch die Lösungsalgorithmen nicht die gesamte Komplexität der Wirklichkeit abdecken. Qualitätsmaßstab zur Beurteilung von Marktmodellen kann also nur sein: Wie gut trifft das Modell Strompreise, für die Grenzkostenpreisbildung angenommen wird? Dieses Vorgehen ist zwar problematisch, da man nicht sicher sagen kann, ob Grenzkostenpreisbildung in diesem Zeitraum vorliegt. Es ist aber alternativlos. Grenzkostenmodelle zur Marktmachtmessung wurden von Wolfram für den Strommarkt von England/Wales eingesetzt.42 Wolfram fand zwar Marktmacht im Strommarkt von England/Wales, allerdings lagen die Aufschläge weit unter denen, die die Oligopolmodelle vorhergesagt haben.43 Zu ähnlichen Ergebnissen kommt auch die hier vorliegende Arbeit für den deutschen Markt. Wolfram berechnete die Grenzkosten durch Dividieren der Brennstoffkosten durch den Nettowirkungsgrad. Zu den Rohstoffpreisen wurden noch Transportkosten für Rohstoffe hinzu addiert.44 Es werden bei ihrer Modellierung keine Anfahrkosten berücksichtigt, was eine systematische Unterschätzung der „wirklichen“ Grenzkosten impliziert. Da we39

Vgl.: Müsgens 2004 Vgl.: Lang, Schwarz (2006) Vgl.: von Hirschhausen, Weigt, Zachmann (2007) 42 Vgl.: Wolfram (1999) 43 Vgl.: Wolfram (1999), S. 805 44 Vgl.: Wolfram (1999), S. 810 40 41

2 Marktmachtausübung und Stand der Forschung

15

der Abbildungen noch statistische Berechnungen für den Zusammenhang zwischen geschätzten Grenzkosten und Börsenpreisen präsentiert werden, kann man nur mutmaßen, wie gut das Modell zur Prognose von Börsenpreisen geeignet ist. Borenstein, Bushnell und Wolak schätzten die Grenzkosten der Stromerzeugung für den kalifornischen Strommarkt von Juni 1998 bis September 1999.45 Bei der Modellierung der Grenzkosten wurden ebenfalls keine Anfahrkosten von Kraftwerken berücksichtigt. Der Fehler, der dabei gemacht wird, ist wie bei Wolfram substantiell. Die tägliche Volatilität der Strompreise ist ohne Berücksichtigung der Anfahrkosten nicht modellierbar und die Grenzkosten werden als zu niedrig ausgewiesen. Das Problem ist durch einen Vergleich von Abbildung 1, die aus der Studie von Borenstein, Bushnell und Wolak entnommen wurde, mit der Abbildung 23 in Kapitel 6 dieser Arbeit ersichtlich. Bei Borenstein, Bushnell und Wolak werden die Anfahrkosten nicht mit berücksichtigt, und die Tagesvolatilität ist völlig anders als die der realen Strompreise. Bei Lang und Schwarz hingegen wurden die Anfahrkosten mit berücksichtigt und sowohl die Volatilität als auch die Höhe der geschätzten Grenzkosten hängen viel stärker mit den tatsächlichen Preisen zusammen. Der Studie von Borenstein, Bushnell und Wolak ist aber zu Gute zu halten, dass die geschätzten Grenzkosten stundenscharf ausgewiesen werden, so dass sich Dritte ein Bild von der Qualität der Modellierung machen können. Der Außenhandel wurde in der Studie preiselastisch geschätzt. Dies gilt insbesondere für die Importe, da für die an den kalifornischen Strommarkt angrenzenden Märkte keine Daten verfügbar waren. Somit wird mit einer preiselastischen Importfunktion gearbeitet.46 Joskow und Kahn berechneten die Grenzkosten ebenfalls für den kalifornischen Strommarkt, allerdings für das Jahr 2000. Dabei fanden sie Aufschläge auf die Grenzkosten von Juni bis August. Sie berücksichtigten ebenfalls keine Anfahrkosten. Der Außenhandel wurde in ihrer Studie ähnlich modelliert wie bei der Studie von Borenstein, Bushnell und Wolak. Es wurde ebenfalls eine preiselastische Importfunktion verwendet. Auf die Probleme, die dieses Vorgehen impliziert, soll in Kapitel 4.3 genauer eingegangen werden. Als Modellergebnisse weisen Joskow und Kahn nur gewichtete Monatsdurchschnitte für ihre geschätzten Grenzkosten aus. Daher ist es – im Gegensatz zur Studie von Borenstein, Bushnell und Wolak – schwieriger, die Qualität der Modellierung zu beurteilen. Da sie die stundenscharfen Ergebnisse nicht ausweisen, besteht zumindest der Anfangsverdacht, dass die Modellqualität nicht sehr hoch sein kann. Diesen Anfangsverdacht bestätigen Harvey und

45 46

Vgl.: Borenstein, Bushnell, Wolak (2000), S. 33 Vgl.: Borenstein, Bushnell, Wolak (2000), S. 25-28

16

2 Marktmachtausübung und Stand der Forschung

Hogan,47 die die Modellergebnisse von Joskow und Kahn hinsichtlich ihrer Sensitivität auf bestimmte Annahmen und Dateninput hin untersucht haben.

Abbildung 1: Kalifornischer Börsenpreis und geschätzte Grenzkosten im August 199848

Wie Harvey und Hogan bei ihrer Kritik an den Untersuchungen von Joskow und Kahn festgestellt haben, reagieren Grenzkostenmodelle sehr sensitiv auf getroffene Annahmen und den verwendeten Dateninput. Sie ziehen aus der Evaluation der von Joskow und Kahn durchgeführten Untersuchung eine ernüchternde Bilanz: „Drawing inferences regarding competition based on comparisons between actual prices and those simulated in these simple models could produce substantial errors. The difference between the actual and simulated prices could arise from the real-world constraints omitted from the model in conjunction with purely competitive behaviour, or the difference could arise from the exercise of market power by sellers that are able to raise prices because of constraints omitted from the model. One simply cannot tell from these simulations. The error is larger than the effect being esti49 mated.“

Bei Sweetings Berechnung der Marktmacht für Großbritannien für den Zeitraum von 1995 bis 2000 sind zwar Anfahrkosten berücksichtigt, deren Art der Kalkulation ist aber nicht ersicht47 48 49

Vgl.: Harvey, Hogan (2002) Entnommen: Borenstein, Bushnell, Wolak (2000), S. 49 Vgl.: Harvey, Hogan (2002), S. 52

2 Marktmachtausübung und Stand der Forschung

17

lich.50 Allerdings betont auch er, dass es wichtig ist Anfahrkosten zu berücksichtigen.51 Leider weist auch Sweeting bei seinen geschätzten Grenzkosten nur Monatsdurchschnitte und keine stundenscharf geschätzten Grenzkosten aus. Der erste Aufsatz, in dem Marktmacht im deutschen Strommarkt quantifiziert wird, ist der von Müsgens.52 Tabelle 2 zeigt die wichtigsten Unterschiede zwischen den drei Studien, die Marktmacht für den deutschen Großhandelsmarkt quantifizieren. Müsgens schätzte die monatlichen durchschnittlichen Grenzkosten und verglich sie mit den monatlichen durchschnittlichen EEX-Preisen. Er analysierte jede Stunde einer repräsentativen Woche, für jeden Monat von Juni 2000 bis Juni 2003. Eine typische Woche besteht in dem Modell von Müsgens aus einem typischen Werktag, der mit dem Faktor 4,8, einem Samstag, der mit 1, und einem Sonntag, der mit 1,2 gewichtet wird. Dieses Vorgehen ist der Tatsache geschuldet, dass es bis Mitte 2003 keine täglichen Lastdaten gab, außer für jeden dritten Mittwoch. Bis 2006 gab es keine Veröffentlichung der Gesamtlast für Deutschland, allerdings wird seit Juni 2003 die vertikale Netzlast veröffentlicht. Alternativ hätte Müsgens nur die tatsächlichen Lastdaten für den dritten Mittwoch jedes Monats verwenden können, die von der UCTE (Union for the Coordination of Transmission of Electricity) veröffentlicht werden. Der Außenhandel wurde bei Müsgens, anders als in Kapitel 6 dieser Arbeit, als MarketCoupling-Regime53 modelliert. D.h. der Außenhandel ergibt sich modellendogen. Wie in Kapitel 4.3 ausgeführt, ist dies nicht unproblematisch. Ein Fortschritt bei dem Modell von Müsgens gegenüber den Ansätzen von Borenstein, Bushnell und Wolak oder Joskow und Kahn ist die Berücksichtigung von Anfahrkosten. Die Anfahrkosten werden aber anders als in dem hier präsentierten Ansatz modelliert. So geht Müsgens davon aus, dass bestimmte Kraftwerke, abhängig von Technologie und Brennstoff, in einem bestimmten Lastbereich, also zum Beispiel Mittellast, eingesetzt werden. Hierfür wird eine Jahreslastlinie gebildet und den Kraftwerken eine bestimmte Laufzeit zugeordnet.54 Bei dem hier präsentierten Ansatz von Schwarz und Lang wird die Nachfrage – wie in der Realität auch – zeitlich geordnet verwendet und die Anfahrkosten werden durch die Laufzeit am nächsten Tag dividiert. Damit ist sichergestellt, dass sich die Laufzeit der Kraftwerke endogen im Modell ergibt und nicht exogen wie bei Müsgens. Die Möglichkeit die Grenzkosten der Stromerzeugung mit dem gekoppelten MIP/LP-Modell wie Lang und Schwarz, zu modellieren, diskutieren Kuntz und Müsgens auch 50

Vgl.: Sweeting (2004), S. 31 Vgl.: Sweeting (2004), S. 31 Vgl.: Müsgens (2004) 53 Ein Market-Coupling-Außenhandelsregime ist dadurch gekennzeichnet, dass die verschiedenen nationalen Börsen nach der Versteigerung Arbitrage durchführen und die Preise – falls keine Netzengpässe auftreten – ausgleichen. Dies führt zu effizienteren Ergebnissen als bei expliziten Auktionen, die zur Zeit in Zentraleuropa angewendet werden. 54 Vgl.: Müsgens (2004), S. 22-23 51 52

18

2 Marktmachtausübung und Stand der Forschung

in der Veröffentlichung „Modelling Start-Up Costs of Multiple Technologies in Electricity Markets“.55 Es wird von ihnen als die exakteste Variante Anfahrkosten zu modellieren beschrieben.56 Erstmals eingesetzt wurde die Kopplung von MIP/LP-Modellen für die Modellierung von Grenzkosten in Elektrizitätsmärkten und zur Kraftwerkseinsatzplanung sowohl von Hogan und Ring als auch von O`Neill.57 Problematisch erscheinen bei Müsgens auch die Inputdaten für die Nachfrage und dass die Ergebnisse der Berechnungen nicht stundenscharf veröffentlicht wurden. So ist es wieder schwierig sich extern eine Meinung über die Prognosequalität der Modellierung zu bilden. Die neueste Studie, die Marktmacht in Deutschland quantifiziert, ist die von von Hirschhausen, Weigt und Zachmann. Sie analysieren den Zeitraum Januar 2004 bis Juni 2006. Allerdings werden hier nur die dritten Mittwoche jedes Monats berücksichtigt. Die von den Autoren quantifizierte Marktmacht deckt sich weitestgehend mit den Ergebnissen aus Kapitel 6. Allerdings bestehen erhebliche Differenzen hinsichtlich der Modellierung und des Dateninputs. Der erste Unterschied zwischen dem Ansatz von von Hirschhausen, Weigt und Zachmann und dem von Lang und Schwarz betrifft die Modellierung der Anfahrkosten. Während Lang und Schwarz diese als MIP/LP modellieren, werden sie bei von Hirschhausen, Weigt und Zachmann nicht berücksichtigt.58 Ebenso wird der Außenhandel nicht in der Modellierung berücksichtigt. Da Deutschland in der Tendenz tagsüber Nettoimporteur und nachts Nettoexporteur ist (vgl. Abbildung 18, Kapitel 6) wird nachts die so berechnete Marktmacht über- und tagsüber unterschätzt. Der so gemachte Fehler kann sich im Durchschnitt, zumindest partiell, ausgleichen. Für 2005 haben von Hirschhausen, Weigt und Zachmann auch nicht die reale oder die prognostizierte Windenergieeinspeisung berücksichtigt, wie Lang und Schwarz, sondern haben die Windgeschwindigkeiten des Deutschen Wetter Dienstes in Verbindung mit einer durchschnittlichen Windanlage in MW umgerechnet.59 Ob dies eine gute Approximation ist, lässt sich extern nicht klären. Problematischer erscheint der Umgang mit dem Regelenergiemarkt. Müsgens modelliert diesen parallel, was wohl die beste aber auch aufwändigste Art ist, diesen zu berücksichtigen. Schwarz und Lang ziehen bei Kraftwerken, je nach Brennstoff, Kapazität ab, so dass diese für die Primär- und Sekundär-Regelenergie zu Verfügung steht. Von Hirschhausen, Weigt und Zachmann hingegen blenden die Existenz eines Regelenergiemarktes in ihrer Modellierung komplett aus. Ihre Begründung ist, dass hierfür nur Spitzen-

55

Vgl.: Kuntz, Müsgens (2006), S. 2 Vgl.: Kuntz, Müsgens (2006), S. 2 Vgl.: Hogan, Ring (2003) und O`Neill (2005) 58 Vgl.:von Hirschhausen, Weigt, Zachmann (2007), S. 66 59 Vgl.: von Hirschhausen, Weigt, Zachmann (2007), S. 67 56 57

2 Marktmachtausübung und Stand der Forschung

19

lastkraftwerke verwendet werden, die am Großhandelsmarkt ohnehin nicht zum Zuge kommen.60 Tabelle 2: Die wichtigsten Unterschiede zwischen dem Ansatz von Müsgens, von von Hirschhausen/Weigt/Zachmann und dem von Lang/Schwarz Müsgens (2004)

Lang/Schwarz (2006)

Von Hirschhausen/ Weigt/Zachmann (2007)

Ziel

Schätzung der stündlichen Grenzkosten

Schätzung der stündlichen Grenzkosten

Schätzung der stündlichen Grenzkosten

Analysezeitraum

Juni 2000 bis Juni 2003

Juni 2000 bis Dezember 2005 analysiert wird jede Stunde jedes dritten Mittwochs jedes Monats Juli 2003 bis Dezember 2005 Analysiert wird jede Stunde jedes Tages

Januar 2004-Juni 2006 analysiert wird jede Stunde jedes dritten Mittwochs jedes Monats

Nachfrage

Typische Lastdaten einer repräsentativen Woche (4,8 Werktage, 1 Samstag und 1,2 Sonntage)

UCTE-Lastdaten für jeden dritten Mittwoch jedes Monats, für die anderen Tage Lastschätzung aus der vertikalen Netzlast

UCTE-Lastdaten für jeden dritten Mittwoch jedes Monats

Außenhandel

Modellendogen

Exogener Außenhandel, statistisch geschätzt

Kein Außenhandel

Anfahrkosten

Exogene Laufzeiten der Kraftwerke vorgegeben

Endogen mittels MIP bestimmt

Keine Anfahrkosten berücksichtigt

Windenergie

Monatsmittelwerte

Reale stundenscharfe Windenergieeinspeisung

Stundenscharf, aber selbst generiert

Systemdienstleistung/ Regelenergiemarkt

Modellendogen

Modellexogen

Nicht berücksichtigt

Verfügbarkeit der Kraftwerke

Monatsscharf

Monatsscharf, Atomkraftwerke tagesscharf

Jahreszeitlich

Wirkungsgrade der Kraftwerke

Unklar

Internet/Telefon/E-MailUmfrage, für fehlende Kraftwerke Abschätzung anhand des Baujahres

Abschätzung anhand des Baujahres

CO2-Zertifikate

Unnötig, siehe Analysezeitraum

„Normal“ und Optionsregel berücksichtigt

„Normal“

Modell-Typ

LP

Gekoppeltes MIP/LP

LP

60

Vgl.: von Hirschhausen, Weigt, Zachmann (2007), S. 67

20

2 Marktmachtausübung und Stand der Forschung

Dies ist insofern problematisch, da auch Grund- und Mittellastkraftwerke Kapazität vom Markt zurückhalten, also leicht gedrosselt fahren, um bei Regelenergiebedarf zusätzliche Kapazität bereitstellen zu können.61 Berücksichtigt man dies nicht, überschätzt man die tatsächliche Marktmacht. Auch die Verfügbarkeiten der Kraftwerke sind bei der Studie von Schwarz und Lang exakter, insbesondere die Verfügbarkeiten der Atomkraftwerke sind tagesscharf und nicht jahreszeitlich wie bei von Hirschhausen, Weigt und Zachmann ermittelt.62 Eine einfachere Modellierung des Großhandelsmarktes für Strom allein ist kein Problem an sich. Zwar kann man gewisse Vereinfachungen bei von Hirschhausen, Weigt und Zachmann als kritisch ansehen, letztlich entscheidet aber allein die Prognosefähigkeit des Modells über die Qualität. Leider zeigen von Hirschhausen, Weigt und Zachmann in ihrer Studie weder die geschätzten Grenzkosten und die dazugehörigen Preise über den gesamten analysierten Zeitraum (nur einzelne Tage werden ausgewiesen) noch zeigen sie Regressionsrechnungen zwischen den geschätzten Grenzkosten und den tatsächlichen Preisen. Da sie die Anfahrkosten weggelassen haben, besteht der Verdacht, dass ihre errechneten Grenzkosten sich ähnlich zu den realen Preisen verhalten wie die von Borenstein, Bushnell und Wolak (vgl. Abbildung 1). Erstaunlich ist aber, dass von Hirschhausen, Weigt, Zachmann mit ihrer Art von Modellierung Marktmacht in fast gleicher Höhe wie Lang und Schwarz errechnet haben.63 Ein Ergebnis der Auswertung des Forschungsstandes ist, dass Anfahrkosten bei der Modellierung von Grenzkosten systemwesentlich sind und nicht weggelassen werden können. Diese große Bedeutung der Berücksichtigung von Anfahrkosten unterstreichen auch Harvey und Hogan.64 Da nie alle Elemente des „realen Marktes“ in die Modelle integriert werden können, ist es wichtig, die systemwesentlichen Elemente zu erfassen. Deren Auswahl bleibt das eigentliche Problem. Bei der Modellierung des Außenhandels können vier Varianten unterschieden werden: Realer Außenhandel,65 preisabhängiger Import, modellendogener Außenhandel wie bei Müsgens oder exogener Außenhandel wie in dieser Arbeit.

2.4.2 Gebot-Kosten-Marge

Lerner-Index und PCMI lassen sich, zumindest in Strommärkten, die als Pool-Modell organisiert sind, auch einsetzen um aus den Börsengeboten der Stromanbieter und den geschätzten Grenzkosten Marktmacht zu bestimmen. Hierbei werden die individuellen Gebotskurven der 61

Vgl.: Tabelle 13, Kapitel 6 Vgl.: Tabelle 13, Kapitel 6 Vgl.: Von Hirschhausen, Weigt, Zachmann (2007), S. 42 64 Vgl.: Harvey, Hogan (2001), S. 7-8 65 In Deutschland aufgrund der Datenlage erst ab August 2006 möglich. 62 63

2 Marktmachtausübung und Stand der Forschung

21

Anbieter mit ihren geschätzten Grenzkosten verglichen. Diese Art der Quantifizierung von Marktmacht funktioniert nur in Ländern mit Pool-Modell, also nicht in Deutschland. Für Länder mit Pool-Modell wurde diese Art der Analyse schon erfolgreich durchgeführt. So haben von der Fehr und Harbord die Gebote in England und Wales von Mai 1990 bis April 1991 mit den geschätzten Grenzkosten der beiden größten Produzenten National Power und PowerGen verglichen. Sie konnten zeigen, dass die Gebote in den ersten 7-9 Monaten nahe an den Grenzkosten lagen, dass sich aber ab 1991 die Gebote zunehmend von den Grenzkosten entfernten.66 Bei der Gebot-Kosten-Margen-Analyse benötigt man zusätzlich zu Grenzkosten auch noch die individuellen blockscharfen Gebotsdaten der Stromanbieter an der Börse. Diese sind für den deutschen Markt nicht öffentlich zugänglich.

2.4.3 Netto-Erlös-Benchmark-Analyse

Bei der Netto-Erlös-Benchmark-Analyse ist die Grundfrage, ob die Erlöse aus dem Kraftwerksbetrieb die Vollkosten neuer Anlagen inklusive einer „angemessenen“ Kapitalverzinsung decken. Sind die Erlöse zu niedrig, ergeben sich keine Markteintritte. Sind die Erlöse höher, müssten sich in einem wettbewerblichen Umfeld Markteintritte ergeben. Gibt es diese nicht, lässt dies auf ein gestörtes Marktumfeld schließen, in dem Marktmacht ausgenutzt werden kann. So ist, wie bereits ausgeführt, in Deutschland neuen Wettbewerbern der Zugang zu Grundlastkapazitäten wie Laufwasser, Kernkraft und Braunkohle versperrt. Eine Art NettoErlös-Benchmark-Analyse wurde beispielsweise von Joskow für New England angewandt.67 Hier lag allerdings der Fokus der Analyse darauf, dass die Preise zu gering sind um neue Kraftwerke zu errichten. Dies kann insbesondere bei Spitzenlastkraftwerken aufgrund des Investitionsparadoxons ein Problem sein.68 Zur direkten Messung von Marktmacht wurde das Verfahren bisher nicht eingesetzt. Möglicherweise liegt dies auch am nochmals höheren Datenbedarf. Zusätzlich zu den Grenzkosten müssen noch die Vollkosten sowie zukünftige Erlöse berücksichtigt werden.

2.4.4 Oligopolmodelle

Oligopolmodelle sind, wie die WBA, eine Methode, das Verhalten von Stromanbietern zu messen und können in Verbindung mit Grenzkostenmodellen zur Marktmachtmessung einge66 67 68

Vgl.: von der Fehr, Harbord (1993) Vgl.: Joskow (2003) Vgl.: Weber (2002)

22

2 Marktmachtausübung und Stand der Forschung

setzt werden. Sie sind allerdings nicht notwendig zur Bestimmung der tatsächlichen Marktmacht. Allerdings lässt sich mit ihnen die potentielle Marktmacht quantifizieren. Potentielle Marktmacht ist der Abstand zwischen dem Preis, der sich bei einem Oligopolmodell ergibt und den Grenzkosten. Der Oligopolpreis kann als Preisobergrenze bei nicht-kollusivem Verhalten der Stromanbieter interpretiert werden. Idealtypisches Vorgehen ist folgendes: Mit dem Grenzkostenmodell werden die Preise bei vollkommenem Wettbewerb geschätzt und die Marktmacht durch den Vergleich mit den Börsenpreisen bestimmt. Dann werden mit Hilfe des Oligopolmodells Preise bei strategischem Verhalten der Stromproduzenten bestimmt. Sind diese näher an den Börsenpreisen als die Grenzkosten, kann von strategischem Verhalten der Anbieter ausgegangen werden. Bis hierher liefern Oligopolmodelle nicht allzu viele neue Erkenntnisse, denn liegen die Börsenpreise über den Grenzkosten, kann auch von strategischem Verhalten ausgegangen werden. Der Erkenntnisgewinn von Oligopolmodellen kann aber darin liegen, dass sie zum einen eine nichtkollusive Preisobergrenze liefern (potentielle Marktmacht) und zum anderen dazu genutzt werden können, kontrafaktische Szenarien, wie den Einfluss der Zerschlagung von Stromproduzenten auf den Strompreis, zu berechnen. Theoretisch könnten sie auch eine bessere Preisprognose als Grenzkostenmodelle liefern. Es gibt eine Vielzahl von Oligopolmodellen für Strommärkte. Bertrand-Modelle mit beschränkten Kapazitäten,69 Cournot-Nash-Modelle, Angebotsgleichgewichtsfunktions-Modelle und Nash-Modelle mit nicht stetigem Lösungsraum.70 Eine gute Übersicht über die verschiedenen Modelle (nicht nur Oligopolmodelle) geben Ventosa u.a..71 Es herrscht bis heute keine Einigkeit darüber, welche Modelle für Stromerzeugungsmärkte adäquater sind.72 Im Prinzip können Stromanbieter Menge vom Markt zurückhalten, wie Cournot-Modelle implizieren, mit Aufschlägen bieten, wie Bertrand Modelle implizieren oder beides gleichzeitig tun. Die meisten weiterführenden Ansätze bei Oligopolmodellen basieren auf dem mengenorientierten Cournot-Ansatz. Das Hauptmerkmal des Cournot-Modells ist die Annahme, dass jeder Anbieter seinen Gewinn bei gegebener Mengenentscheidung der Konkurrenten maximiert. Jeder Marktakteur geht also von festen Produktionsmengen der Konkurrenten aus. Da in Elektrizitätsmärkten davon ausgegangen werden kann, dass die maximale Zahlungsbereitschaft hoch ist, ergibt das Cournot-Modell für ein Oligopol mit wenigen Anbietern einen beträchtlichen Aufschlag auf die Grenzkosten und somit einen hohen Marktpreis. 69

Vgl.: Twomey u.a. (2004). S. 29-30 Vgl.:Burns, Higgin, Lydon (2004) Vgl.: Ventosa u.a. (2005) 72 Vgl.: Twomey u.a. (2004), S. 28-29 70 71

2 Marktmachtausübung und Stand der Forschung

23

Es gibt relativ viele Oligopolmodelle für Stromerzeugungsmärkte. Die ersten kleineren Modelle (bezogen auf den Dateninput) waren die von Green und Newbery sowie von Lucas und Taylor.73 Der erste, von der Datenseite her, aufwändigere Versuch potentielle Marktmacht mittels Oligopolmodellen zu berechnen, war von Harbord und von der Fehr für den australischen Strommarkt.74 Der Cournot-Spiel-Ansatz von Harbord und von der Fehr wurde auch von Borenstein und Bushnell für den kalifornischen Strommarkt übernommen.75 Ein Grundproblem aller Oligopolmodelle sei am Beispiel der Studie von Borenstein und Bushnell verdeutlicht. Alle Cournot- oder Bertrand-Modelle gehen von einer elastischen Nachfrage aus. Die Ergebnisse reagieren sehr sensitiv auf die gewählte Elastizität.76 Kurzfristig ist die Nachfrage in Stromerzeugungsmärkten aber völlig unelastisch. Zwar kann die Nachfrage aufgrund hoher Preise mittel- oder langfristig zurückgehen, sie bleibt aber immer kurzfristig preisunelastisch. Würde man ein Cournot- oder Bertrand-Modell mit einer preis-unelastischen Nachfrage rechnen lassen, würden die Preise gegen unendlich gehen. Das Problem sei mit folgendem Beispiel illustriert: Die Oligopolisten erhöhen für den nächsten Tag stark die Preise, die Nachfrager können Strom kurzfristig nicht substituieren und müssen die höheren Preise zahlen, ohne dass kurzfristig die Nachfrage zurückgeht. Fahren die Oligopolisten mit den überhöhten Preisen längere Zeit fort, sinkt die Nachfrage und Marktzutritte verringern ihre abgesetzte Menge. Dennoch ist die Nachfrage im Gesamtmarkt kurzfristig immer völlig unelastisch. Also selbst wenn die Produzenten weniger Strom absetzen, können sie theoretisch immer noch einen Preis von unendlich nehmen.77 Allerdings kann man Randwettbewerber von der Nachfrage subtrahieren und so eine Elastizität für die „Spieler“ erzeugen. Die Elastizität wird aber bei den meisten Oligopolmodellen nicht empirisch ermittelt, sondern beruht auf „raten“. Weder ein Cournot- noch ein Bertrand-Modell wurden bisher zu stündlichen Preisprognosen genutzt. Dies lässt darauf schließen, dass die geschätzten Preise keine guten Prädiktoren sind. Für Europa (EU 8) gibt es das Oligopolmodell EMELIE (Electricity MarkEt liberalisation in Europe) von Lise u.a.78 In ihm werden die Länder Frankreich, Belgien, Niederlande, Deutschland, Dänemark, Norwegen, Schweden und Finnland abgebildet. Bei EMELIE handelt es sich um ein Cournot-Nash-Oligopolmodell, bei dem es zwei Strommärkte gibt: Einen für Grund-

73

Vgl.: Green, Newbery (1992) und Lucas, Taylor (1993) Vgl.: Harbord, von der Fehr (1995) Vgl.: Borenstein, Bushnell (1998) 76 Vgl.: Borenstein, Bushnell (1998), S.22-24 77 Ein unendlich hoher oder auch nur ein extrem hoher Preis ist nur theoretisch möglich, da die Stadtwerke als Kunden am Großhandelsmarkt sehr schnell zahlungsunfähig werden würden, da sie die Preise nur sehr verzögert an ihre Endkunden weitergeben können. 78 Vgl.: Lise u.a. (2006) 74 75

24

2 Marktmachtausübung und Stand der Forschung

last- und einen für Spitzenlaststrom.79 Dies bedeutet, dass das Modell nicht stundenscharf rechnet. Die Nachfrage muss in einem Cournot-Nash-Spiel als elastisch angenommen werden, so auch bei EMELIE. Lise u.a. haben eine Nachfrageelastizität von -0,4 zugrunde gelegt. Dies ist, wie bei den anderen Modellen auch, kein empirisch ermittelter Wert, sondern der Durchschnittswert für die Nachfrageelastizität, den Lise u.a. in der Literatur gefunden haben.80 Auf der Angebotsseite des Modells wird der Kraftwerkspark der einzelnen Stromproduzenten zu 12 Technologien mit 12 variablen Kosten zusammengefasst. Damit werden die Grenzkosten nicht blockscharf bestimmt. Auffällig ist, dass unklar bleibt, wie mit Pumpspeicherkraftwerken umgegangen wird. Zwar gibt es eine Technologie „Hydro“, die in Deutschland laut Tabelle 5 auch keine variablen Kosten hat, was für Laufwasserkraftwerke eine zulässige Approximation ist, allerdings hat die Technologie „Hydro“ in Frankreich variable Kosten von 5,83 €/MWh.81 Dies könnte ein gewichteter Durchschnitt von Laufwasser und Pumpspeicherkraftwerken sein, was allerdings aus dem Text nicht ersichtlich ist. Dies erscheint insofern kritisch, da Pumpspeicherkraftwerke sowohl in Frankreich als auch in Deutschland zu Spitzenlastzeiten eine gewichtige Rolle spielen. Der Außenhandel innerhalb der EU 8 wird als Market-Coupling-Regime modelliert, ergibt sich also im Modell. Allerdings bleibt etwas unklar, warum gerade diese acht Länder mit in das Modell aufgenommen wurden. Insbesondere das Fehlen Österreichs ist zumindest überraschend, da Korrelationsstudien gezeigt haben, dass die österreichischen Strompreise sowohl mit den deutschen, als auch den französischen Preisen hoch korreliert sind.82 Die Modellergebnisse beziehen sich auf das Jahr 2000. Hier werden die Grenzkosten im Jahresdurchschnitt, Oligopolpreise verschiedener Szenarien, Nettowohlfahrtsverluste durch Oligopolpreise, Lerner-Indices und die Auszahlungen für die EdF und Electrabel ausgewiesen.83 Nicht ausgewiesen werden die tatsächlichen Börsenpreise und die monatlichen sowie die täglichen Modellergebnisse. So ist es unmöglich, sich über die Prognosefähigkeit von EMELIE ein Bild zu machen. Das Ergebnis der Untersuchung von Lise u.a. ist im Wesentlichen, dass Oligopolpreise über den Grenzkosten liegen, dadurch ein Nettowohlfahrtsverlust entsteht und dass EdF und Electrabel von Oligopolpreisen profitieren. Würde man die EdF und Electrabel zerschlagen, würden die Oligopolpreise sinken und der Nettowohlfahrtsverlust wäre geringer. Da die Gegenüberstellung mit den realen Börsenpreisen gänzlich fehlt, kann man, wenn man

79

Vgl.: Lise u.a. (2006), S. 2127 Vgl.: Lise u.a. (2006), S. 2127 Vgl.: Lise u.a. (2006), S. 2128 82 Vgl.: Tabelle 6 in Kapitel 4 dieser Arbeit 83 Vgl.: Lise u.a. (2006), S. 2129-2133 80 81

2 Marktmachtausübung und Stand der Forschung

25

böswillig ist, die Studie so zusammenfassen: Lise, u.a. haben gezeigt, dass Oligopolpreise über den Preisen bei vollkommenen Wettbewerb liegen.84 Es existiert auch für den deutschen Markt ein Oligopolmodell: Das LEMI-Modell (Liberalised Electricity Market Investigations) von Ellersdorfer, Fahl und Kessler. Beim LEMI-Modell werden aus den variablen Kosten der Kraftwerke die Grenzkosten mittels GompertzFunktionen approximiert um die Gewinnfunktionen der einzelnen Firmen ableiten und maximieren zu können. Als strategische Spieler werden die vier großen deutschen Stromproduzenten betrachtet, die ausländischen Konkurrenten als fiktive Randanbieter.85 Das Modell trifft also relativ restriktive Annahmen über die reale Komplexität des Strommarkes, weder sind einzelne Kraftwerksblöcke abgebildet, noch können Anfahrkosten berücksichtigt werden. Die so gemachten Fehler sind so groß, dass zweifelhaft ist, ob die Ergebnisse überhaupt empirisch verwertbar sind. So vergleichen auch Ellersdorfer, Fahl und Kessler ihre Ergebnisse nicht mit stündlichen Börsenpreisen. Das Modell trifft also relativ realitätsferne Annahmen über die Angebotsseite. Die Nachfrage muss, wie schon diskutiert, in Oligopolmodellen als elastisch angenommen werden, da sonst der Preis sowohl bei einem Cournot-Nash-Spiel als auch bei einem Bertrand-Spiel gegen unendlich gehen würde. Ellersdorfer, Fahl und Kessler verwenden sektorspezifischen Preiselastizitäten von -0,2 bis -0,35.86 Auch wenn Twomey u.a. Oligopolmodelle für die „most powerful tools in exploring market power”87 halten, erscheint es fraglich, welche Schlüsse man aus Oligopol-Modellen ziehen kann, die zum einem auf unrealistischen Annahmen beruhen und zum anderen nie zur Prädiktion von Preisen eingesetzt werden. Klemperer und Meyer schlagen eine alternative Lösung zur Modellierung von Oligopolen vor:88 Die Firmen treffen die Entscheidung über Preisaufschlag und Menge gleichzeitig. (Im Gegensatz zu Cournot- oder Bertrand-Modellen bei denen die Spieler entweder Mengen- oder Preisentscheidungen treffen). Die Anbieter wählen eine Angebotsfunktion, bei der die angebotene Menge vom Marktpreis abhängt und die steiler als ihre steigende Grenzkostenkurve ist.89 Diese Art der Modellierung wird Angebotsgleichgewichtsfunktion genannt. Die Nachfrage für den Anbieter ist eine Residualnachfrage, bei der von der Nachfrage die Angebotsfunktion des anderen Anbieters (Duopol-Fall) abgezogen wird, wobei Klemperer und Meyer von symmetrischen Anbietern ausge84

Vgl.: Lise u.a. (2006), S. 2130 Vgl.: Ellersdorf, Fahl, Kessler (2004), S. 6-7 Vgl.: Ellersdorf, Fahl, Kessler (2004), S. 12 87 Twomey u.a. (2004), S. 28 88 Vgl.: Klemperer, Meyer (1989) 89 Vgl.: Klemperer, Meyer (1989) 85 86

26

2 Marktmachtausübung und Stand der Forschung

hen. Bei dieser Art der Modellierung ergeben sich mehrere Nash-Gleichgewichte. Dies kommt daher, dass die Steigung der Angebotskurve des einen Anbieters die Residualnachfrage des anderen festlegt, wo Grenzerlöse gleich Grenzkosten sind. So lange die Optimalitätsbedingungen für ein Gewinnmaximum erfüllt sind, ist jede Angebotsfunktion, die die Residualnachfrage schneidet, eine optimale Reaktion auf die Angebotsfunktion des jeweils anderen.90 Twomey u.a. sehen es als Nachteil, dass die so gefundenen Nash-Gleichgewichte eine relativ große Streuung haben.91 Klemperer und Meyer gehen davon aus, dass zum Zeitpunkt der Angebotsabgabe noch keine vollständige Information über die Nachfragefunktion existiert. Daher muss der Anbieter dies in seinem Handeln berücksichtigen. In Cournot- oder Bertrand- Modellen wird in der Regel von einer bekannten Nachfrage, welche die Ausbringungsmenge oder den Preis definiert, ausgegangen.92 Weicht diese Nachfrage nun von der Erwartung ab, würde ein Anbieter seine Menge bzw. seinen Preis anpassen wollen. In realen Märkten muss dieser Anpassungsprozess bereits im Vorfeld stattfinden, d. h. der Anbieter muss seine Angebotskurve so festlegen, dass sie für ein gewisses Erwartungsband der Nachfrage stets das gewinnoptimale Angebot darstellt. Dadurch ergibt sich eine Angebotsfunktion, welche von den Punktlösungen des reinen Cournot- oder Bertrand-Modells abweicht. Innerhalb dieser AngebotsgleichgewichtsFormulierung wird angenommen, dass ein Unternehmen eine stetige, im Preis ansteigende Angebotsfunktion bietet. Das Ergebnis ist ein Nash-Gleichgewicht, bei welchem kein Spieler durch Veränderung seines Verhaltens einen Vorteil erzielen kann. Klemperer und Meyer zeigen, dass die Nash-Gleichgewichte der Angebotsfunktionen bei unsicherer Nachfrage zwischen dem Bertrand-Gleichgewicht bei sicherer Nachfrage und dem Cournot-Gleichgewicht bei sicherer Nachfrage liegen.93 Cournot- und BertrandGleichgewicht begrenzen somit die Angebotsgleichgewichte. Dies kommt, bei angenommenen steigenden Grenzkosten, daher, dass beim BertrandGleichgewicht94 ein positiver Angebotsschock sofort zu negativen Deckungsbeiträgen führt, da der Preis fixiert ist. D.h. die horizontale Angebotsfunktion beim Bertrand-Gleichgewicht ist der untere Extremfall. Bei einer Mengenfixierung des jeweils anderen ist beim Cournot-Gleichgewicht die Angebotsfunktion vertikal. D.h. kleine unvorhergesehene Veränderungen der Nachfrage haben extreme Preisauswirkungen und führen dazu, dass die gewählte Ausbringungsmenge nicht mehr optimal ist. Daher sollten optimale Angebotsfunktionen bei unsicherer Nachfrage steigend 90

Vgl.: Klemperer, Meyer (1989), S. 1249 Vgl.: Twomey u.a. (2004), S. 29 Vgl.: Von Hirschhausen, Weigt, Zachmann (2007), S. 28 93 Vgl.: Klemperer, Meyer (1989), S.1258-1259 94 Für den Fall, dass das Bertrand-Gleichgewicht dem Gleichgewicht bei vollkommenen Wettbewerb entspricht. 91 92

2 Marktmachtausübung und Stand der Forschung

27

verlaufen, also weder vertikal, wie beim Cournot-Gleichgewicht, noch horizontal wie beim Bertrand-Gleichgewicht. Diese Art der Analyse wurde auch von Green und Newbery für den britischen Strommarkt schon durchgeführt um das Marktmachtpotential der britischen Stromproduzenten aufzuzeigen.95 Von Hirschhausen, Weigt und Zachmann zeigen theoretische Angebotsgleichgewichtsfunktionen sowohl für ein symmetrischesDuopol, als auch für ein symmetrisches Quintopol. 96 Aufgrund der mathematischen Komplexität des Problems konnten sie nicht mit den realen Größen der deutschen Stromproduzenten rechnen, sondern haben alle Produzenten die gleiche Größe zugewiesen.97 So konnten keine stündlichen Preise vorhergesagt, sondern nur ein Marktmachtpotential unterhalb des Cournot-Gleichgewichts bestimmt werden. Insgesamt erschweren die mathematischen Restriktionen bei den Angebotsgleichgewichtsfunktionen ihren Einsatz für Prognosezwecke bzw. stündliche ex post Rechnungen erheblich. Daher sind sie hierfür bis jetzt nicht eingesetzt worden. Ein viel versprechender Versuch die Komplexität von vollkommenen Wettbewerbsmodellen in Oligopolmodelle zu integrieren, sind Nash-Modelle mit nicht stetigem Lösungsraum. Diese wurden u.a. von Burns, Huggins und Lydon entwickelt.98 Ihr Ansatz unterscheidet sich gänzlich von den beiden oben genannten. Sie errechnen aus einem vollkommenen Wettbewerbsmodell für England/Wales Grenzkosten. Dann wird für zwei bis vier Spieler am Strommarkt ein diskreter Strategieraum vorgegeben. Die Spieler können in Schritten von 100 Prozent zwischen 0% und 700% Aufschläge auf die Grenzkosten nehmen.99 Aus der so entstehenden Matrix mit den Produzentenrenten der einzelnen Spieler suchen sie dann NashGleichgewichte. Dabei rechnen sie auch mit einer unelastischen Nachfrage, was den realen Gegebenheiten des Stromerzeugungsmarktes entspricht. Das gleiche Vorgehen wie Burns, Huggins und Lydon wählte Sweeting, ebenfalls für den Strommarkt von England/Wales.100 Der Vorteil dieses Ansatzes ist, dass die Komplexität der vollkommenen Wettbewerbsmodelle in das Oligopolmodell mit integriert werden kann. Nachteil des Verfahrens ist, dass die Nash-Gleichgewichte in einem diskreten und nicht in einem stetigen Lösungsraum gesucht werden. Nach Ansicht des Verfassers überwiegen allerdings die Vorteile. Daher wird in der hier vorgestellten Analyse in Kapitel 7 bis auf zwei Unterschiede analog zu Burns, Higgins und Lydon verfahren. Die beiden Unterschiede sind:

95

Vgl.: Green, Newbery (1992) Vgl.: Von Hirschhausen, Weigt, Zachmann (2007), S. 48-50; symmetrisch bedeutet hier gleich große Anbieter Vgl.: Von Hirschhausen, Weigt, Zachmann (2007), S. 48 98 Vgl.: Burns, Huggins, Lydon (2004) 99 Vgl.: Burns, Huggins, Lydon (2004), S. 17 100 Vgl.: Sweeting (2004) 96 97

28

2 Marktmachtausübung und Stand der Forschung

1. Ein anderer Strategieraum: Da die in Kapitel 6 geschätzten Grenzkosten relativ nahe an den Börsenpreisen liegen, erscheinen 700% Aufschläge nicht sehr wahrscheinlich. Daher wurde für einen Strategieraum zwischen 0% und 233% Aufschlag entschieden. Der Strategieraum ist eine 8x8-Matrix für jeden Spieler. Es gibt für die Spieler die Möglichkeit 0%, 33%, 66%,...233% Aufschlag auf die Grenzkosten zu verlangen. 2. Die Anzahl der Spieler liegt konstant bei zwei. Die erklärt sich zu einem aus der anderen Marktstruktur in Deutschland. Zwischen 2000 und 2006 waren und sind E.ON und RWE mit großem Abstand die beiden größten Produzenten. Zwar könnten Vattenfall und EnBW ebenfalls die kritische Größe für strategisches Verhalten überschritten haben, allerdings wären dann die Oligopolpreise noch wesentlich weiter von den tatsächlichen Börsenpreisen entfernt, als sie es bei der nachfolgenden Analyse schon sind. Daher wurde auf ein Vier-Spieler-Oligopolmodell verzichtet. Vattenfall und EnBW sowie alle anderen Stromerzeuger verhalten sich im Modell als Randwettbewerber, bieten also grundsätzlich zu Grenzkosten. Die Ergebnisse dieses Oligopolmodells werden in Kapitel 7 vorgestellt und diskutiert. Der Reiz von Oligopolmodellen liegt auf der Hand: Bei Strom handelt es sich um ein homogenes Gut, meist sind nur wenige große Anbieter auf dem Markt, und damit können auch strategische Überlegungen der Produzenten eine gewichtige Rolle spielen. Allerdings können die wenigsten Modelle zur Preisprognose verwendet werden. Zwar kann man mit ihnen, wie in Kapitel 7 dieser Arbeit, potentielle Marktmacht sowohl ex post als auch ex ante berechnen, wenn die Modelle aber schon ex post keine Prädiktionskraft haben, ist es mehr als fraglich, ob sie sie ex ante haben.

29

3

Einführung in den deutschen Strommarkt

Strom ist ein homogenes Produkt, das nur teuer speicherbar ist. Zudem muss die produzierte Menge zu jeder Zeit der nachgefragten Menge entsprechen. Der deutsche Strommarkt ist der größte in Europa. 2004 betrug der Nettoverbrauch 542 TWh, die installierte Nettokapazität betrug rund 120 GW (25% Steinkohle, 17% Kernkraft, 17% Braunkohle, 15% Erdgas, 8% Wasserkraft, 15% Wind und Biomasse und 2% Öl). Die Entwicklung der Kapazität nach Energieträgern ist in Abbildung 2 dargestellt. Deutschland verfügt über 30% der weltweit installierten Windkraftkapazität, was auf die Ausgestaltung des Erneuerbaren Energien Gesetzes zurückzuführen ist. Im weltweiten Vergleich ist Deutschland Spitzenreiter, was die installierte Windkraftkapazität betrifft. Mit noch 17 kommerziell Strom produzierenden Kernreaktoren liegt Deutschland, die Reaktoranzahl betreffend, in Europa an vierter Stelle hinter Frankreich mit 59, Russland mit 31 und Großbritannien mit 23 Reaktoren. Die durchschnittliche Leistung der deutschen Kernreaktoren ist aber so groß, dass Deutschland hier mit Abstand vor Großbritannien und etwa gleichauf mit Russland ist. Mit rund 63 GW installierter Leistung ist Frankreich größter Atomstromproduzent in Europa.

GW

160 140 120

Heizöl Pumpspeicher

100

Erdgas Steinkohle

80

Braunkohle Kernkraft

60

Laufwasser Biomasse

40

Wind

20 0 2000

2005 101

Abbildung 2: Kapazitätsstruktur des deutschen Kraftwerksparks

101

Eigene Darstellung

30

3 Einführung in den deutschen Strommarkt

Mit 37% hat die Kohleverstromung den größten Anteil an der installierten Kraftwerkskapazität in Deutschland. Großbritannien und Deutschland sind in Europa die größten Kohlestromproduzenten und nutzen so teilweise die vorhandenen Rohstoffvorkommen im eigenen Land. Einziger ausschließlich heimischer Energieträger ist Braunkohle. Bei der Stromerzeugung mit Erdöl und Erdgas, die zusammen einen Anteil von 21% haben, ist Deutschland im Vergleich zu Russland oder Großbritannien, die diese Energieträger intensiver nutzen, sehr vom Import abhängig, da Deutschland kaum eigene Vorkommen besitzt. So werden in Deutschland etwa 97% des verbrauchten Rohöls und 82% des Erdgases importiert.102 Bei der stark von den geographischen Gegebenheiten abhängigen Energieerzeugung mit Wasserkraft ist Deutschland im europäischen Vergleich im Nachteil. Zwar werden die vorhandenen Potentiale in Deutschland fast vollständig genutzt, aber Frankreich produziert mit 58 TWh/a fast dreimal so viel Strom aus Wasserkraft wie Deutschland.103 Zu Beginn der Liberalisierung existierten acht große integrierte Stromkonzerne. Die Übernahmen und Zusammenschlüsse in den Jahren 2000 und 2001 reduzierten ihre Zahl auf vier. Diese steigende Konzentration seit der Liberalisierung zeichnet eine Studie von Pfeiffer nach.104 Die zwei größten (E.ON und RWE) haben zusammen einen Marktanteil bei der Stromproduktion von 52%. Alle vier großen, also mit Vattenfall und EnBW, produzieren 75% des Stroms in Deutschland.105 Die Entwicklung der Kapazitätsstruktur wird in Kapitel 5 ausführlicher beschrieben. Im Juni 2000 begann der Handel mit stündlichen Stromkontrakten mit physischer Liefererfüllung am nächsten Tag an der EEX. Bei dieser Handelsform müssen die Gebote bis 12:00 Uhr an die Börse übermittelt werden, die Ergebnisse werden eine halbe Stunde später bekannt gegeben. Es handelt sich hierbei um eine Auktion, laufenden Handel gibt es nicht. Das Handelsvolumen war zunächst relativ gering, stieg aber bis zum Jahr 2005 auf 15% des Gesamtverbrauchs in Deutschland. Der Spotmarktpreis an der EEX wird üblicherweise als Referenzpreis für den gesamten Markt angesehen, da seine Rückwirkungen auf Forwards, Futures und bilateralen Handel relativ groß sind.106 An der EEX werden sowohl Stunden- als auch Blockkontrakte gehandelt. Neben dem day-ahead-Spotmarkt gibt an der EEX einen Markt für Futures. Bei diesen kommt es nicht unbedingt zu einer physischen Erfüllung, sondern nur zu einer finanziellen. Der Future Markt dient somit der Risikoabsicherung. Strom wird auch Over the Counter (OTC) gehandelt. Hier gibt es Futures, Forwards und Blockkontrakte. Die Preise im Spotmarkt bilden sich nach den Geboten der Kraftwerksbetreiber und den Nachfragern am 102

Vgl.: Bundesanstalt für Geowissenschaften und Rohstoffe (2004), S.3 Vgl.: VDEW (2004) Vgl.: Pfeiffer (2005), S. 17-18 105 Vgl: Schwarz, Lang (2005), S. 864-870 106 Vgl.: Müsgens (2004), S. 4 103 104

3 Einführung in den deutschen Strommarkt

31

Strommarkt. Die Nachfrager sind zum großen Teil Stadtwerke. Bei vollkommenem Wettbewerb müssten die Stromproduzenten mit Grenzkosten bieten. Bei dem relativ engmaschigen europäischen Netz spielt der Außenhandel mit Strom eine gewichtige Rolle. Die Importe betrugen im Jahr 2004 44 TWh und die Exporte 52 TWh. Ob man den deutschen Markt als den geographisch relevanten Markt für Konzentrationsstudien ansehen kann, soll in Kapitel 4 diskutiert werden. Die Bestimmung des relevanten Marktes ist für die Konzentrationsmessungen in Kapitel 5 notwendig.

33

4

Bestimmung des relevanten Marktes und kontinentaleuropäisches Außenhandelsregime

In Kapitel 4 soll das kontinentaleuropäische Außenhandelsregime und seine Alternative vorgestellt werden. Dabei werden die Probleme, die das aktuelle Regime impliziert, diskutiert. Durch die Analyse des Außenhandelsregimes lässt sich auch der relevante Markt bestimmen. Das Kapitel ist wie folgt gegliedert: In Unterkapitel 4.1 werden die theoretischen Grundlagen zum Verständnis der Engpassproblematik und des Engpassmanagements in Stromerzeugungsmärkten gelegt. In Unterkapitel 4.2 werden die vorhandenen Netzübergangskapazitäten in Zentraleuropa dargestellt. Unterkapitel 4.3 stellt den Status Quo des Engpassmanagements an den internationalen Kuppelstellen Zentraleuropas dar. Korrelations- und Regressionsanalysen zum erreichten Stand der Integration folgen in Unterkapitel 4.4. Unterkapitel 4.5 skizziert den verbleibenden Handlungsbedarf. Das Kapitel schließt mit einer Zusammenfassung der Ergebnisse in Unterkapitel 4.6.

4.1

Theoretische Grundlagen des Strom-Außenhandels

Ein vollkommen integrierter Stromerzeugungsmarkt wird in dieser Arbeit wie folgt definiert: In den einzelnen Ländern und Regionen gibt es für jede Stunde ein und denselben Preis auf dem Stromspotmarkt.107 Dieser Idealfall tritt ein, falls (1) interregional bzw. international keine Netzengpässe existieren, (2) keine spezifischen Durchleitungsgebühren für grenzüberschreitende Stromtransporte gefordert werden und (3) eine adäquate Organisation der Spotund Engpassmärkte, z. B. in Form einer Marktkopplung, realisiert ist. Im Abschnitt 4.1.1 und Unterkapitel 4.2 werden die genauen Wirkmechanismen von Engpässen und Durchleitungsentgelten aufgezeigt.

4.1.1 Netzengpässe an den internationalen Kuppelstellen

Die Darstellung der Wirkungen von Netzengpässen bei grenzüberschreitendem Handel erfolgt aus Vereinfachungsgründen für nur zwei Länder (oder Regionen), A und B, und unter der Annahme vollkommenen Wettbewerbs. 107 D. h. im Gegensatz zu vielen Papieren (z. B. Zachmann, 2005) wird in der vorliegenden Arbeit, selbst wenn die regionalen oder nationalen Preise nur um die Transportkosten oder von ökonomische Kosten der Engpässe abweichen, nicht von einem (vollkommen) integrierten Markt gesprochen. Ansonsten würden Märkte, die über nur minimale Austauschkapazitäten einerseits und (möglicherweise) hohe Preisunterschiede andererseits verfügen, solange als integriert gelten, wie die Preisunterschiede den ökonomischen Kosten des Engpasses entsprechen. Dies scheint wenig sinnvoll, da das strategische Verhalten der jeweiligen nationalen Monopolisten oder Oligopolisten in einer solchen Situation durch den Außenhandel praktisch nicht eingeschränkt wird.

4 Bestimmung des relevanten Marktes

34

Abbildung 3 zeigt im linken bzw. rechten Diagramm die Angebots-Nachfrage-Konstellation im Stromerzeugungsmarkt für eine Stunde des Tages in Region A bzw. B. Die Nachfrage NA bzw. NB ist in beiden Regionen als gleich groß und als unelastisch angenommen. Das Angebot (die kurzfristigen Grenzkosten) AA bzw. AB ist in beiden Regionen als linear steigend angenommen, wobei die Grenzkosten in Region A stärker ansteigen als in Region B. Ohne Außenhandel ergeben sich die Autarkiepreise PAoH bzw. PBoH . Das Diagramm in der Mitte von Abbildung 2 spiegelt den Außenhandelsmarkt wider. Der Schnittpunkt von Exportangebotskurve EA und Importnachfragekurve IN ergibt den Preis bei Außenhandel ohne Engpass P mH , der gleichzeitig in Region A und B gilt, und das zugehörige Export- bzw. Importvolu-

men M. Die Produktion in Region A entspricht X mH und die in Region B ist gleich X mH A B . Die Diskrepanz zwischen inländischer Nachfrage NA bzw. NB und inländischem Angebot AA bzw. AB entspricht in Region A der Importmenge und in Region B der Exportmenge.

Preis €

P

Region A

Außenhandel NA

Preis €

Region B

AA

NB

oH A

Engpass

EA

PѺA mH

PA

P

mH

PB PѺB oH PB

MH

AB IA

mH

XA

XѺA

XA

oH

MW

E

MW

oH

XB

mH

XѺB XB

Abbildung 3: Preisbildung mit und ohne Engpässe an den Netzkuppelstellen108

Es sei jetzt unterstellt, es existiere ein Engpass von E MW an der Kuppelstelle zwischen den Netzen der Regionen A und B. Dieser Engpass begrenzt das Export- bzw. Importvolumen der Regionen A und B. In der Importregion A ergibt sich folglich (im Schnittpunkt von Importnachfragekurve IN und Engpass E) ein im Vergleich zur Situation ohne Engpass höherer Preis

108

Entnommen: Schwarz, Lang (2006a), S. 5

4 Bestimmung des relevanten Marktes

35

~ PA . In der Exportregion B hingegen stellt sich (als Schnittpunkt zwischen Exportangebots~ kurve EA und Engpass E) ein im Vergleich zur Situation ohne Engpass niedrigerer Preis PB ein. Der Unterschied zwischen diesen beiden Preisen entspricht dem ökonomischen Wert des ~ ~ Engpasses. Die zugehörigen Produktionsmengen bei einem Engpass sind X A und X B . Damit ist verdeutlicht, dass Engpässe an den Kuppelstellen der regionalen Netze zu Preisunterschieden in den Regionen führen. Eine gegebene Transferkapazität E wirkt sich aber je nach genauer Angebots-NachfrageKonstellation unterschiedlich stark auf das Preisgefälle in den Regionen aus. Dies sei im Folgenden dadurch verdeutlicht, dass ceteris paribus nur die Nachfrage der Region A verändert wird. Es sei zunächst unterstellt, dass die Nachfrage von NA auf NA’ zurückgeht. Das Preisge~ ~ ~ ~ fälle verringert sich in der Folge von PA minus PB auf nunmehr PA ’ minus PB ’. Fällt die Nachfrage in Region A gar auf NA’’, dann schränkt die gegebene Transferkapazität E den Handel zwischen den Regionen A und B nicht mehr ein und es stellt sich in beiden Regionen ~ der Preis P ’’ ein. Eine gegebene Transferkapazität zwischen den Stromnetzen zweier Regionen kann also durchaus je nach Angebots-Nachfrage-Konstellation manchmal Preisunterschiede (in unterschiedlicher Höhe) auf den regionalen Strommärkten begründen, manchmal nicht. Insbesondere aufgrund der in den einzelnen Regionen tageszeitlich, wöchentlich und jährlich stark schwankenden Stromnachfrage gibt es eine Reihe von europäischen Regionen, zwischen denen Engpässe nur an bestimmten Tages- und/oder Wochentagen und/oder Jahreszeiten auftreten. Von Frankreich in Richtung Deutschland lassen sich beispielsweise Engpässe hauptsächlich in den Morgenstunden an Arbeitstagen im Winter nachweisen. Die Frage, wie sich gegebene Transferkapazitäten in oligopolistisch geprägten Stromerzeugungsmärkten auswirken, wird in der Literatur zumeist auf Grundlage statischer CournotNash-Modelle theoretischer oder auch empirischer Art diskutiert.109 Die Nachfrage muss in solchen Modellen stets als elastisch angenommen werden, da sich bei unelastischer Nachfrage keine Modelllösung finden lassen würde. Das Ergebnis dieser Ansätze lässt sich für nur zwei Regionen stark vereinfacht wie folgt zusammenfassen: Ist die Transferkapazität zwischen den beiden Regionen hinreichend groß, dann werden die Oligopolisten der beiden Länder international spielen und die (Mengen)Reaktionen der Konkurrenten aus dem In- und Ausland voll in ihrer Kalkulation (Gewinnfunktion) berücksichtigen. Ist die Transferkapazität hingegen hinreichend klein, dann werden die Oligopolisten der beiden Länder national spielen und nur die (Mengen)Reaktionen der Konkurrenten aus dem Inland sowie eine gegebene (und durch die Kapazität der Kuppelstelle determinierte) Export- bzw. Importmenge in ihrer Kalkulation

109

Vgl.: Neuhoff (2003) oder Barquin u.a. (2004)

36

4 Bestimmung des relevanten Marktes

(Gewinnfunktion) integrieren. Die Preise sind dann aufgrund des fehlenden Konkurrenzdrucks aus dem jeweiligen Ausland in beiden Regionen unverhältnismäßig hoch. In einem Zwischenbereich zwischen hinreichend kleiner und hinreichend großer Transferkapazität ergibt sich zudem die strategische Möglichkeit, dass ein Oligopolist aus dem Importland einen Engpass durch Produktionseinschränkung künstlich herbeiführt und dadurch im Inland die Preise nach oben drückt. Ein solches Verhalten ist umso wahrscheinlicher, je stärker die Transferkapazität in dem Fall ausgenutzt wird, in dem alle Oligopolisten im In- und Ausland international spielen, also die (Mengen)Reaktionen der Konkurrenten aus dem In- und Ausland in ihrer Kalkulation (Gewinnfunktion) berücksichtigen. Insofern ist bei gegebenen Transferkapazitäten das Entstehen von Engpässen nicht nur durch die NachfrageGrenzkosten-Konstellation in den Regionen bedingt, sondern auch durch die jeweilige Marktmorphologie.

4.1.2 Durchleitungsentgelte für grenzüberschreitende Stromtransporte

Durchleitungsentgelte für grenzüberschreitende Stromtransporte existierten in der Europäischen Union über lange Jahre in Form der sogenannten T-Komponente. Exporteure mussten bis September 2003 einen Euro je MWh für grenzüberschreitende Stromtransporte bezahlen. Im Oktober 2003 wurde die T-Komponente auf 0,5 Euro je MWh reduziert und schließlich auf Beschluss des Florenzer Regulatorenforums zum 1. Januar 2004 abgeschafft. Abbildung 4 zeigt die Nachfrage-Angebots-Konstellation in den Regionen A und B sowie den Außenhandelsmarkt. Ohne Durchleitungsentgelte stellt sich in beiden Regionen der Preis P mH ein und das zugehörige Export- bzw. Importvolumen. Die Produktion entspricht X mH bzw. X mH A B . Die Erhebung eines Durchleitungsentgelts für grenzüberschreitende Transporte von t Euro je MWh kann durch Parallelverschiebung der Exportangebotskurve von EA auf EA’ um t Euro je MWh angezeigt werden. Der Preis in der Importregion A liegt jetzt bei P' A und damit höher als im Fall ohne Durchleitungsentgelt. In der Exportregion B liegt der Preis bei P' B und damit niedriger als im Fall ohne Durchleitungsentgelt. Das Preisgefälle zwischen beiden Regionen entspricht dem Durchleitungsentgelt t. Liegt gleichzeitig ein Engpass bei E vor, dann hat das Durchleitungsentgelt im vorliegenden Fall keinen Einfluss auf das Preisgefälle (wohl aber auf den ökonomischen Wert des Engpasses, der sich um t verringert).

4 Bestimmung des relevanten Marktes

Preis €

Außenhandel

Region A NA

Region B

Preis €

EA’’

Engpass

AA

37

NB

EA’ P’’A

EA

P’A mH

P

P

MH

u

mH

P

t

P’B P’’B AB IA

mH

XA

X’A X’’A

E

MW

mH

X’’A X’B XB

Abbildung 4: Preisbildung bei Durchleitungsentgelten für grenzüberschreitende Stromtransporte110

Wird hingegen ein Durchleitungsentgelt von u verlangt und verschiebt sich die Exportangebotskurve damit auf EA’’, dann hat einzig das Durchleitungsentgelt Einfluss auf das Preisgefälle und der Engpass spielt keine Rolle.

4.1.3 Nichtadäquate Formen der Marktorganisation

Es werden zur Vereinfachung weiterhin nur zwei Regionen betrachtet. Es sei zunächst unterstellt, dass keine Engpässe und keine Durchleitungsentgelte für grenzüberschreitende Stromtransporte existieren. Am einfachsten ließe sich in einem solchen Fall ein einheitlicher Preis im Spotmarkt dadurch sichern, dass nur eine Börse die Auktion der Strommengen für beide Regionen übernimmt. Werden bereits in beiden Regionen Börsen betrieben, dann lässt sich über das Verfahren der Marktkopplung im Fall ohne Engpässe und Durchleitungsentgelte vollkommene Marktintegration erreichen. Die Marktkopplung ist ein Verfahren, bei dem die Auktion auf den Großhandelsmärkten in den Regionen A und B und der Transferkapazität quasi zeitgleich erfolgt. Marktkopplung gilt daher auch als eine Form der impliziten Auktion.111 Das Vorgehen ist denkbar einfach: Im Idealfall können die regionalen Strommengen nur über die jeweils regionale Börse versteigert werden. Ein direkter Kauf oder Verkauf über die Grenze ist nicht möglich. Zunächst werden auf den regionalen Märkten regionale Preise gebildet. Liegen Preisunterschiede vor, werden von der Börse mit den niedrigeren Stromprei110 111

Entnommen: Schwarz, Lang (2006a), S. 8 Vgl.: Knops u.a.(2001)

4 Bestimmung des relevanten Marktes

38

sen weitere Strommengen gekauft und an der Börse mit den höheren Strompreisen verkauft. Dies wird solange fortgesetzt, bis entweder die gegebenen Transferkapazitäten voll ausgelastet sind, wenn Engpässe vorliegen, oder ohne Engpässe die Preise ausgeglichen sind. Bei Engpässen entsprechen die Preisunterschiede dem ökonomischen Wert dieses Engpasses. Die Preisbildung entspricht im Idealfall der in Abbildung 3 skizzierten. Konkret müssten dann aber alle Stromangebots- und -nachfragemengen über die Börse laufen. Außerbörslicher Handel wäre nicht zulässig. Zudem dürften nur Stundenkapazitäten gekauft und verkauft werden und keine Stundenblöcke. Es wird in Unterkapitel 4.4 noch deutlich werden, dass bis dato die Marktorganisation zumindest an den deutschen Außengrenzen grundsätzlich von diesem Ideal abweicht. Marktkopplung, im Nordpool der skandinavischen Länder längst Wirklichkeit und seit dem 21.11.2006 auch zwischen Frankreich, Belgien und den Niederlanden, soll allerdings ab Mitte 2007 zumindest zwischen Deutschland und Dänemark West realisiert werden. Zwischen Deutschland und Österreich bestehen derzeit keinerlei Engpässe an den Kuppelstellen. Trotzdem weichen die Preise an den day-ahead Märkten z. T. deutlich voneinander ab. Grund ist, dass die Spotmärkte in beiden Ländern vollkommen getrennt sind. Die Auktion der Strommengen erfolgt in Österreich um 10.30 Uhr und in Deutschland um 12.00 Uhr. Ein Mechanismus wie bei der Marktkopplung, der zu einem Ausgleich der Preise führt, ist nicht vorgesehen. Auch kann kurzfristige Arbitrage, da es keinen laufenden Handel gibt, zu keinem Preisausgleich führen. Es wird später in Unterkapitel 4.5 noch näher ausgeführt, dass Arbitrage zwar dazu führt, dass im Durchschnitt die Preise zwischen Deutschland und Österreich fast ausgeglichen sind, dass aber nichtsdestotrotz die Abweichungen der stündlichen Preise ganz erheblich sein können. Umstritten bleibt in der Literatur, ob sich bei getrennten Spotmärkten auch ohne Engpässe ein zusätzliches strategisches Potential auf oligopolistisch geprägten Märkten ergibt. Üblicherweise wird ein solches zusätzliches Potential implizit verneint. Es ist allerdings, wie Neuhoff zeigt,112 durchaus denkbar, dass die nationalen Oligopolisten in beiden betrachteten Märkten national spielen, d. h. nur die (Mengen)Reaktionen der Konkurrenten aus dem jeweiligen Inland sowie eine gegebene (sich an den Märkten einspielende) Export- bzw. Importmenge in ihre Kalkulation (Gewinnfunktion) integrieren. Das Abweichen eines Oligopolisten beispielsweise im Exportland und ein Anbieten einer höheren Strommenge würde zumindest kurzfristig bestraft werden, da ein sofortiger Preisausgleich aufgrund der getrennten Spotmärkte nicht möglich wäre. Die größere Angebotsmenge im Exportland würde kurzfristig

112

Vgl.: Neuhoff (2003), S. 16 ff.

4 Bestimmung des relevanten Marktes

39

unweigerlich zu einem Preisrückgang und sinkenden Gewinnen führen.113 Dies gilt allerdings nur solange, als dass, wie im Modell von Neuhoff114 angenommen, die nationalen Oligopolisten ihre Angebotsmengen an ihren jeweiligen nationalen Börsen verkaufen und den Preisausgleich unabhängigen Börsenhändlern überlassen. Würde beispielsweise der Oligopolist im Exportland seine größere Angebotsmenge zumindest teilweise auch an der Börse im Importland verkaufen, würde sich keine solche Bestrafung ergeben.115 Aus dieser Perspektive lässt sich die Frage, ob sich bei getrennten Spotmärkten auf oligopolistisch geprägten Märkten zusätzliches strategisches Potential ergibt, nur empirisch beantworten, indem das konkrete Verhalten der Marktteilnehmer analysiert wird. Sollte sich herausstellen, dass die nationalen Oligopolisten tatsächlich national spielen, dann könnte dies allerdings auch als eine Art stillschweigende Kollusion (in einem Superspiel) interpretiert werden, welche durch die getrennten Spotmärkte gefördert wird. Es ist allerdings im Rahmen dieser Arbeit nicht möglich, diese Frage zu klären.

4.2

Status Quo der Netzübergangskapazitäten

Die ökonomisch verwertbaren Netzübergangskapazitäten hängen von der thermischen Kapazität der vorhandenen Kuppelstellen ab, den Produktions- und Nachfragestrukturen der relevanten Länder und der Berechnungsmethode. Die Bestimmung der internationalen Netzübergangskapazitäten zwischen den nationalen Netzen erfolgt in Europa derzeit nach einem einheitlichen, von dem Verband der Europäischen Netzbetreiber (ETSO) vorgegebenen Verfahren.116 Dabei werden mit den Nettotransferkapazitäten (NTC) Werte für einen maximal möglichen Austausch zwischen zwei Ländern errechnet. Dem liegt die vereinfachte Annahme zugrunde, dass der maximal mögliche Austausch zwischen zwei Ländern unabhängig vom Austausch dieser Länder mit anderen Ländern ist.117 Bei den eng verknüpften Netzen in Zentraleuropa ist eine solche Annahme nicht zutreffend.118 Vielmehr hängt die bei gegebenen thermischen Kapazitäten der Verbindungsleitungen mögliche Netzübergangskapazität von der spezifischen Produktions- und Nachfragestruktur an den einzelnen Netzknotenpunkten in den beiden betrachteten Ländern wie der Nachbarländer ab.

113 Erst mittelfristig, wenn die höhere Angebotsmenge als dauerhaft wahrgenommen wird, würden die Börsenakteure durch entsprechende Transaktionen wiederum einen Ausgleich (zumindest der durchschnittlichen) Preise herbeiführen. 114 Vgl.: Neuhoff (2003), S. 16 115 Vgl.: Neuhoff (2003), S. 24 116 Vgl.: ETSO (2001) 117 Vgl.: Consentec, Frontier Economics (2004), S. 44 118 Vgl.: Boucher, Smeers (2002)

4 Bestimmung des relevanten Marktes

40 Tabelle 3:

Von

Nettotransferkapazitäten (NTC) in Zentraleuropa, Winter 2005/2006, werktags, Spitzenlast119

BE

DE

Nach

DK-

FR

IT

NL

AT

PL

1400

1100*

CH

SL

SK

CZ

HU

W

BE 1200

DE

3200

2350

2850

3000

4400

2300

800

DKW FR

265

n. r.

5600 2650

IT NL

240

550//

3500

1200

0

220

3850

430

1200

450//

400/

200/

650

/700

/500

3800

0 AT

1600

PL

1200*

CH

3400

n. r.

800* 3200

n. r. n. r.

SL CZ

1400

450 750

SK 700

HU

600 150//

1800

800 1400 900

500

// Unterschiedliche Angaben der beteiligten Netzbetreiber; * Angabe von nur einem der beteiligten Netzbetreiber; n. r. = nicht relevant

Tabelle 3 gibt die Nettotransferkapazitäten (NTC) in Zentraleuropa werktags zu Spitzenlastzeiten wieder. Sie beträgt beispielsweise von Deutschland in Richtung Dänemark 800 MW, in Richtung Frankreich 5600 MW, in Richtung Niederlande 3800 MW, in Richtung Österreich 1600 MW, in Richtung Polen 1200 MW, in Richtung Schweiz 3400 MW und in Richtung Tschechische Republik 700 MW Strom. In Richtung Deutschland liegt die Nettotransferkapazität Dänemarks bei 1200 MW, die Frankreichs bei 2850 MW, die der Niederlande bei 3000 MW, die Österreichs bei 1400 MW, die Polens bei 1100 MW, die der Schweiz bei 4400 MW und die der Tschechischen Republik bei 2300 MW. Die von den Netzbetreibern berechneten Werte an Netzübergangskapazität werden in der Literatur häufig als (zu oder zumindest sehr) konservativ eingestuft.120 Sie haben insofern große Bedeutung, als dass die beispielsweise in expliziten Auktionen versteigerten Netzübergangskapazitäten sich an diesen Werten ausrichten. Die letztlich sehr konservativen Werte lassen 119 120

Entnommen: Schwarz, Lang (2006a), S. 11 Vgl.: Boucher, Smeers (2002); Hobbs, Rijkers (2005)

4 Bestimmung des relevanten Marktes

41

sich insofern rechtfertigen, als dass eine Optimierung der zulässigen Netzübergangskapazitäten nur auf Grundlage eines länderübergreifenden Modells auf Basis angekündigter Nachfragen und Fahrpläne möglich wäre. Die für ein solches Modell121 notwendigen Daten wären bei Marktkopplung (und dem Zwang alle Stromerzeugungsmengen über die Börse abzuwickeln) grundsätzlich verfügbar, weshalb in einem solchen Fall auch ohne Kuppelstellenausbau von größeren zulässigen Netzübergangskapazitäten ausgegangen werden kann.122

4.3

Status Quo des Engpassmanagements

Bis 31.12.2005 wurden die Transferkapazitäten auf Basis der Nettotransferkapazität von den Netzbetreibern jeweils in eigener Verantwortung versteigert oder es wurden nicht marktbasierte Methoden genutzt. Der Netzbetreiber in Frankreich (RTE) vergab beispielsweise die Transferkapazität von Frankreich in Richtung Deutschland nach einem pro-rata-Verfahren. Seit 01.01.2006 werden an allen deutschen Außengrenzen, bis auf die Grenze zu Österreich, koordinierte Auktionen für Kuppelstellenkapazität durchgeführt (Tabelle 4). Die Versteigerungen erfolgen dabei weiterhin auf Basis der Nettotransferkapazität. Koordinierte Auktion bedeutet, dass die Versteigerung in beide Richtungen, teilweise auch für mehrere Grenzen über eine Plattform erfolgt. Dies soll helfen, Transaktionskosten zu senken. Zudem tauschen die Netzbetreiber Netzflussdaten stärker aus, um die Nettotransferkapazität genauer bestimmen zu können.

121 Ein solches technoökonomisches Modell integriert Lastflüsse einerseits und das Gebots-Verhalten in den Regionen andererseits. Vgl. hierzu beispielsweise den Ansatz von Hinüber et al. (2004), S. 790 ff. 122 Vgl.: CONSENTEC und Frontier Economics Limited (2004)

4 Bestimmung des relevanten Marktes

42 Tabelle 4:

Realisiertes Engpassmanagement123

Von Deutschland Frankreich

Tschechien

Niederlande Belgien

Polen

Österreich

Nach

1

2

3

Deutschland

---

Koordinierte Koordinierte explizite explizite Auktion1, Auktion2 Netting für die Tagesauktion auf Basis der Monatsund Jahresauktion

Koordinierte Keine Übergabestelle explizite Auktion3; getrennte Auktion für Verbindung TenneTRWE und TenneT-EON

Koordinierte explizite Auktion2

Keine Engpässe

Frankreich

Koordinierte explizite Auktion1

---

---

---

Koordinierte explizite Auktion, seit 21.112006 MarketCoupling

---

---

Tschechien

Koordinierte explizite Auktion2

---

---

---

---

Koordinierte explizite Auktion2

Koordinierte explizite Auktion

Niederlande

Koordinierte --explizite Auktion3; getrennte Auktion für Verbindung TenneTRWE und TenneT-EON

---

---

Koordinierte explizite Auktion, seit 21.11.2006 MarketCoupling

---

---

Belgien

Keine Übergabestelle

Koordinierte explizite Auktion

---

Koordinierte explizite Auktion, seit 21.11.2006 MarketCoupling

---

---

---

Polen

Koordinierte explizite Auktion2

---

Koordinierte explizite Auktion2

---

---

---

---

Österreich

Keine Engpässe

---

Koordinierte explizite Auktion

---

---

---

---

Beteiligt: EnBW (D), EON (D), RTE (F) Durchgeführt von RWE Beteiligt: Vattenfall (D), EON (D), CEPS (CZ), SEPS (SK), PSE (PL) Durchgeführt von CEPS Beteiligt: RWE (D), EON (D), TenneT (NL), ELIA (B) Durchgeführt von TSO Auction BV (Tochterunternehmen von TenneT)

Die Stromspotmärkte in den einzelnen Ländern sind aber weiterhin voneinander und von der Versteigerung der Transferkapazitäten getrennt (Tabelle 5).

123

Eigene Darstellung

4 Bestimmung des relevanten Marktes

Tabelle 5:

Marktdesign und Börsenhandel in ausgewählten zentraleuropäischen Ländern124

Marktdesign Deutschland Bilateral + Börse

Frankreich

Bilateral + Börse für Geschäftskunden, Monopol für Privatkunden (bis 2007)

Niederlande Bilateral + Börse

Österreich

Polen

43

Börsenhandel Betreiber EEX, Privatunternehmen Day-ahead-Handel von Stundenkapazität – Auktion d-14 07:30 – d-1 12:00 Orderabgabe d-1 12:00 – d-1 12:15 Festsetzung der Preise und Mengen, Mitteilung an die Teilnehmer Day-ahead-Handel mit Stundenblöcken – laufender Handel Auktion 07:30 – 08:00 Orderabgabe Anfangsauktion 08:00 – 08:01 Anfangsauktion 08:00 – 10:30 laufender Handel 10:30 – 10:35 Intra-Day-Auktion 10:35 – 11:55 laufender Handel 11:55 – 12:00 Schlussauktion Betreiber: Powernext, Privatunternehmen Day-ahead-Handel – d-1 11:00 Orderabgabe d-1 11:00 – d-1 11:30 Festsetzung der Preise und Mengen, Mitteilung an die Teilnehmer Betreiber: APX, Privatunternehmen Day-ahead-Handel – d-1 10:30 Orderabgabe d-1 10:30 – d-1 11:00 Festsetzung der Preise und Mengen, Mitteilung an die Teilnehmer

Bilateral + Börse

Betreiber: EXAA, Privatunternehmen Day-ahead-Handel d-1 08:00 – d-1 10:00 Orderabgabe d-1 10:00 – d-1 10:30 Festsetzung der Preise und Mengen, Mitteilung an die Teilnehmer d-1 10:30 – d-1 10:45 Möglichkeit des Zukaufs von Kapazitäten zum festgesetzten Preis d-1 10:45 Veröffentlichung der Auktionsergebnisse Bilateral + Organisier- Betreiber: TGE ter Markt für GeDay-ahead-Handel schäftskunden, d-6 08:31 – d-1 08:30 Orderabgabe Monopol für Haushalte d-1 08:31 Festsetzung der Preise und Mengen, Mitteilung an die Teilnehmer d-1 13:00 Veröffentlichung der Auktionsergebnisse

Allein die Trennung der Spotmärkte in Kombination mit einmaligen Auktionen von Stundenerzeugungskapazität macht kurzfristige Arbitrage unmöglich. Denn kurzfristiger Ausgleichhandel von Marktteilnehmern wäre nur bei laufendem Handel und der damit verbundenen Kenntnis der aktuellen Preisdifferenzen möglich. Ein Händler, der beispielsweise Preisdivergenzen zwischen Österreich und Deutschland nutzen will, kennt bei seiner Gebotsabgabe in Österreich weder den Preis in Österreich noch den Preis in Deutschland und bei seiner Ge-

124

Entnommen: Schwarz, Lang (2006a), S. 16

4 Bestimmung des relevanten Marktes

44

800 600

€/MWh

botsabgabe in Deutschland zumindest nicht den Preis in Deutschland. Die getrennten Spotmärkte führen daher selbst zwischen Ländern, bei denen keinerlei Engpässe existieren, zu Unterschieden in den Preisen der Stundenkapazitäten. Abbildung 5 zeigt die Preisdifferenzen zwischen Deutschland und Österreich auf stündlicher Basis für den Zeitraum Januar 2003 bis Januar 2006.

400 200

Jan. 06

Nov. 05

Sep. 05

Jul. 05

Mai. 05

Mrz. 05

Jan. 05

Nov. 04

Sep. 04

Jul. 04

Mai. 04

Mrz. 04

Jan. 04

Nov. 03

Sep. 03

Jul. 03

Mai. 03

Mrz. 03

-200

Jan. 03

0

-400 -600

Preis Deutschland - Preis Österreich

-800 -1000

Abbildung 5: Stundengenaue Preisdifferenzen zwischen Deutschland und Österreich125

Der Ausgleichshandel kann zwar offensichtlich eine weitgehende Angleichung der Preise im Mittel garantieren (Abbildung 6), die Informationsdefizite verhindern allerdings eine weitergehende Angleichung auf Stundenbasis. Unterschiede in den Preisen dokumentieren aber, sofern von einem Gebotsverhalten auf Grundlage der Grenzkosten ausgegangen wird, Unterschiede in den Grenzkosten. Diese sind wiederum ein untrügliches Zeichen für fehlende Kosteneffizienz. Bei den expliziten Auktionen erfolgt in der Regel eine Versteigerung von Jahres-, Monatsund Tagesengpasskapazitäten auf Grundlage der NTC getrennt in beide Richtungen. Die Tatsache, dass beispielsweise Tagesengpasskapazitäten in beide Richtungen einen positiven Preis 125

Entnommen: Schwarz, Lang (2006a), S. 17

4 Bestimmung des relevanten Marktes

45

erzielen, demonstriert die Unsicherheit der Marktteilnehmer über die zu erwartenden Preisdifferenzen.

80

€/MWh

90

70 60 50 40 30 20 Deutschland 10

Österreich

Jan. 06

Nov. 05

Sep. 05

Jul. 05

Mai. 05

Mrz. 05

Jan. 05

Nov. 04

Sep. 04

Jul. 04

Mai. 04

Mrz. 04

Jan. 04

Nov. 03

Sep. 03

Jul. 03

Mai. 03

Mrz. 03

Jan. 03

0

Abbildung 6: Gleitende monatliche Preisdurchschnitte am Spotmarkt126

Im Fall von Engpässen sollte im Idealfall, wie in Kapitel 4.2 verdeutlicht, der Preisunterschied zwischen zwei Regionen den ökonomischen Kosten der Nutzung der Kuppelstellen entsprechen und damit gleichzeitig dem Auktionsergebnis der Transferkapazität. Dieses Ergebnis tritt aber im gegenwärtigen Regime nur zufällig ein. Insofern verbleiben auch bei Engpässen Produktionsverzerrungen und ökonomische Ineffizienzen. Abbildung 7 zeigt beispielsweise die Preisunterschiede zwischen Deutschland und Frankreich am Spotmarkt im Januar 2006 an der Abszisse und die Tagesauktionsergebnisse für Kuppelstellenkapazität von Deutschland Richtung Frankreich an der Ordinate. Im Idealfall ohne Informationsdefizite müssten alle Punkte auf der gestrichelten Linie im 1. Quadranten liegen. Dies ist allerdings nur zufällig der Fall. Punkte im 2. Quadranten verdeutlichen gar, dass positive Preise für Kuppelstellenkapazität in Richtung Frankreich bezahlt wurden, obwohl die Preise in Deutschland höher waren. Abbildung 8 zeigt das gleiche Ergebnis in Richtung Deutschland. 126

Entnommen: Schwarz, Lang, (2006a), S. 18

4 Bestimmung des relevanten Marktes

46

Auktionsergebnis Deutschland-->Frankreich €/MWh

45 40 35 30 25 20 15 10 5 0 -100

-50

0 50 100 Preisdifferenz Deutschland-Frankreich €/MW h

150

200

Abbildung 7: Preisunterschiede zwischen Deutschland und Frankreich und Tagesauktionsergebnisse für Transferkapazität Deutschland Richtung Frankreich im Januar 2006127

Hinzu kommt, dass die in erster Linie aus Informationsdefiziten herrührenden, ökonomisch entgegengerichteten Stromflüsse nur bedingt gegeneinander aufgerechnet werden. Im gegenwärtigen Regime stellen Stromerzeuger einer Region, z. B. Deutschlands, Strom ins Netz, um vertragliche Ansprüche eines Nachfragers aus einer anderen Region, z. B. Frankreich, zu befriedigen. Zeitgleich stellen Stromerzeuger aus Frankreich Strom ins Netz um vertragliche Ansprüche aus Deutschland zu erfüllen. Physisch heben sich diese vertraglichen Lieferungen auf, weshalb in entgegengesetzte Richtungen versteigerte Engpasskapazitäten gegeneinander aufgerechnet werden können (sogenanntes „Netting“), sofern die Gebotsabgabe zur Nutzung der Engpasskapazität verpflichtet. An der Grenze Deutschland/Frankreich müssen die erfolgreichen Bieter von Jahres- und Monatskapazität drei Tage vorher jeweils verbindlich mitteilen, ob sie die Kapazität nutzen werden oder nicht. Die verbindlichen Ansagen können zum Netting genutzt werden und erhöhen die Kapazitäten für die Tagesauktion. Die Gebote in den Tagesauktionen verpflichten hingegen nicht zur Nutzung. Aufgrund der fehlenden Verpflichtung und dem unvollkommenen

127

Entnommen: Schwarz, Lang (2006a), S. 19

4 Bestimmung des relevanten Marktes

47

Netting werden die ausgewiesenen Nettotransferkapazitäten nur zufällig physisch voll ausgelastet.

Auktionsergebnis Frankreich-->Deutschland €/MWh

1.2

1

0.8

0.6

0.4

0.2

0 -100

-50

0 50 100 Preisdifferenz Deutschland-Frankreich €/MW h

150

200

Abbildung 8: Preisunterschiede zwischen Frankreich und Deutschland und Tagesauktionsergebnisse für Transferkapazität Frankreich Richtung Deutschland im Januar 2006128

Dieses Außenhandelsregime verursacht zum einen Ineffizienzen, zum anderen ist es schwierig sowohl in Grenzkostenmodelle als auch in Oligopolmodelle zu integrieren. Eine preiselastische Importfunktion129 würde voraussetzen, dass die Marktteilnehmer die Preisdifferenz antizipieren können. Dies ist, wie hier gezeigt werden konnte, nicht der Fall. Auch die Art der Modellierung des Außenhandels von Müsgens, der ein Market-Coupling-Regime implizit zu Grunde legt, erscheint aus dem gleichen Grund problematisch.130

4.4

Stand der Marktintegration

Arbeiten, die den Stand der Marktintegration bewerten wollen, gehen häufig in einem ersten Schritt von den Korrelationskoeffizienten der Strommarktbörsenpreise aus.131 In Tabelle 6 128

Entnommen: Schwarz, Lang (2006a), S. 20 Wie beispielsweise bei Borenstein, Bushnell, Wolak (2000), S. 25-28 oder bei Joskow, Kahn (2001), S. 12 Vgl.: Müsgens (2004), S. 8-9 131 Vgl.: Boisseleau, Hewicker (2002) 129 130

4 Bestimmung des relevanten Marktes

48

finden sich Korrelationskoeffizienten für ausgewählte Länder Zentraleuropas bezogen auf das Jahr 2005. Ein Korrelationskoeffizient von 1 würde einen vollkommenen positiven (linearen) Zusammenhang dokumentieren und wäre bei Marktkopplung ohne Netzengpässe zu erwarten.132 Tatsächlich liegen die bilateralen Korrelationskoeffizienten zwischen 0,355 (Deutschland/Polen) und 0,881 (Deutschland/Österreich). Die hohen Werte für Deutschland/Österreich bzw. Deutschland/Frankreich sind nicht überraschend, da hier entweder nie bzw. selten (in Richtung Deutschland) Netzengpässe auftreten. Die Werte von Deutschland/Polen und Deutschland/Tschechien sind am niedrigsten, da hier regelmäßig Netzengpässe in Richtung Deutschland zu verzeichnen sind.

Tabelle 6:

Korrelationen der Stromspotmarktpreise 2005 nach Pearson133 Italien

Polen

Tschechien

Dänemark (W)

Niederlande

Österreich

Frankreich

Deutschland

Deutschland Frankreich

,773**

Österreich

,881**

Niederlande

,669**

Dänemark (W)

,589**

Tschechien

,472**

Polen

,355**

Italien

,583**

,487** ,437** ,562**

,618**

** Die Korrelation ist auf dem Niveau von 0,01 (2-seitig) signifikant.

Analog sind auch die Jahresdurchschnittspreise 2005 von Deutschland, Frankreich und Österreich in etwa gleich, während die der anderen Länder entweder mehr oder weniger deutlich nach oben (Niederlande, Italien) oder unten (Dänemark-West), Polen, Tschechien) abweichen (Tabelle 7). Im Ergebnis können die Stromerzeugungsmärkte Deutschlands, Frankreichs und Österreichs als am stärksten integriert gelten. Die fast identischen Jahresdurchschnittspreise und vergleichsweise hohen Korrelationen zwischen Deutschland/Österreich und Deutschland/Frankreich sollten allerdings nicht den Blick dafür verstellen, dass die Stundenpreise, 132 Es ist allerdings zu beachten, dass hohe Preiskorrelation nicht unbedingt substantiellen Handel in einem hoch integrierten Markt bedeuten muss. Stattdessen kann sie auch korrelierte Inputkosten und Nachfragebedingungen zwischen zwei Regionen reflektieren. Vgl. Kleit, Reitzes (2004) 133 Entnommen: Schwarz, Lang (2006a), S. 21

4 Bestimmung des relevanten Marktes

49

wie bereits im Kapitel 4.3 verdeutlicht, aufgrund der getrennten Spotmärkte weiterhin merklich auseinanderfallen können. Dies bedeutet, dass die teilweise hohen Korrelationen kein Indikator dafür sind, dass auf einzelnen Strommärkten keine Marktmacht ausgeübt werden kann, wie von Weizsäcker meint.134 Die Trennung der Spotmärkte begünstigt eher das Ausüben von Marktmacht und führt insbesondere bei stochastischen Preisaufschlägen zu sehr unterschiedlichen Strompreisen in Kontinentaleuropa, wie in Abbildung 5 gezeigt.

Tabelle 7: Minimum, Maximum, Durchschnitt und Standardabweichung der Stundenpreise an den Spotstrommärkten in Zentraleuropa 2005 (in €/MWh)135 Deutschland Frankreich Österreich Niederlande Dänemark (W) Tschechien Polen Italien

Minimum 0,57 5,99 0,01 0,01 0,00 0,00 2,63 10,42

Maximum 500,04 609,03 425,00 988,00 349,96 98,83 93,13 170,61

Durchschnitt 45,99 46,67 46,46 52,71 37,24 30,96 28,12 58,59

Standardabweichung 27,21 28,57 26,15 45,46 17,08 17,28 4,18 27,67

Ob Fortschritte hinsichtlich der Marktintegration erzielt wurden, wird im Folgenden durch Regressionsanalysen untersucht. Diese können insofern als zulässig gelten, als entsprechende Tests136 im Vorfeld gezeigt hatten, dass die Hypothese einer Nichtstationarität der betrachteten Zeitreihen verworfen werden kann.137 Als unabhängige Variable werden die Spotmarktpreise Deutschlands betrachtet, als abhängige Variable jeweils die Spotmarktpreise der deutschen Anrainer. Betrachtet wird der Zeitraum Januar 2003 bis Januar 2006. In den Regressionen werden im Regelfall zwei Strukturbrüche angenommen:138 Einer am 1. Januar 2004 aufgrund der endgültigen Abschaffung der TKomponente und einer am 1. Januar 2006 aufgrund des Übergangs auf koordinierte Auktionen. Ausnahme sind die Regressionen Deutschland/Österreich und Deutschland/Dänemark, für die auf den zweiten Strukturbruch verzichtet wird. In beiden Fällen ergab sich kein Wechsel des Engpassmanagements zum 01. Januar 2006. Im Idealfall einer Marktkopplung ohne Netzengpässe wäre der Ordinatenabschnitt Null und die Steigung Eins. In Phase I werden diese Werte noch am ehesten für Deutschland/Österreich erreicht (Tabelle 8). Der Ordinatenabschnitt liegt hier bei etwa 11 und die Steigung bei 0,58. Mit der Abschaffung der T134

Vgl.: von Weizsäcker (2005), S. 2-3 Entnommen: Schwarz, Lang (2006a), S. 22 Augmented Dickey-Fuller Tests 137 Zu den theoretischen Grundlagen vgl. z. B. Maddala (2002), S. 255 ff. 138 Zu den theoretischen Grundlagen vgl. z. B. Von Auer (2003), S. 301 ff. 135 136

4 Bestimmung des relevanten Marktes

50

Komponente verbessern sich die Werte deutlich. Der Ordinatenabschnitt liegt in Phase II für Deutschland/Österreich jetzt bei 1,89 (=11,70 + [-9,81]) und die Steigung bei 0,94 (=0,58 + 0,36). Trotz dieser vergleichsweise guten Werte in Phase II zeigen allerdings statistische Tests139, dass sowohl in Phase I als auch in Phase II die Hypothese bestehender Marktintegration (Konstante gleich Null und Steigung gleich Eins) verworfen werden muss.

Tabelle 8:

Ergebnisse der Regressionsanalysen mit einem bzw. zwei Strukturbrüchen (Preise in Deutschland jeweils als unabhängige Variable)140 Konstante Phase I

Differenz der Konstanten in Phase I und II

Differenz der Konstanten in Phase I und III

Steigung in Phase I

Differenz der Steigungen in Phase I und II

Differenz der Steigungen in Phase I und III

Bereinigtes R2

-28,24*

0,35

0,43

0,75**

0,519

995,6*** 982,8***

Struturbruchtest F-Wert

Frankreich

19,13

-11,29

Österreich

11,70

-9,81

---

0,58

0,36

---

0,619

Niederlande

29,24

8,10

-20,50*

0,00

0,00

0,80

0,094

628,5***

0,317

1453,0** *

Dänemark (W)

13,91

-12,41*

---

0,46

0,64**

---

Tschechien

21,08

-0,75

2,43

0,39

0,25

0,41**

0,277

184,5***

Polen

19,73

-42,00

-1,87

0,37

1,91

1,35**

0,158

733,0***

* Es kann auf einem Niveau von 0,05 nicht verworfen werden, dass die Konstante in Phase I bzw. die Summe aus der Konstanten in Phase I plus der Differenz der Konstanten in Phasen I und II bzw. in Phasen I und III gleich Null ist. (Wald-Test) ** Es kann auf einem Niveau von 0,05 nicht verworfen werden, dass die Steigung in Phase I bzw. die Summe aus der Steigung in Phase I plus der Differenz der Steigungen in Phasen I und II bzw. in Phasen I und III gleich Eins ist. (Wald-Test) *** Der F-Wert ist auf dem Niveau von 0,05 signifikant. Phase I: Januar 2003 bis Dezember 2004 Phase II: Januar 2004 bis Dezember 2005 (bis Januar 2006 für Österreich und Dänemark) Phase III: Januar 2006

Auch für Deutschland/Frankreich ergibt sich aufgrund der Abschaffung der T-Komponente ein deutlicherer Gleichklang der regionalen Strompreise. Der Ordinatenabschnitt verändert sich von 19,13 (Phase I) auf 7,84 (Phase II) und die Steigung von 0,35 (Phase I) auf 0,78 (Phase II). Der Übergang auf koordinierte Auktionen mit Blick auf die Engpasskapazität bringt auf den ersten Blick keine weitere Verbesserung. Der Ordinatenabschnitt liegt jetzt bei -9,11 und die Steigung bei 1,10 (Phase III). Statistische Tests zeigen jedoch für Phase III, dass

139 140

Wald-Tests Entnommen: Schwarz, Lang (2006a), S. 23

4 Bestimmung des relevanten Marktes

51

die Hypothese bestehender Marktintegration nicht verworfen werden kann. Dies ist ein starkes Indiz für (ein hohes Maß an) Marktintegration. Bei den Ländern, zu denen in Richtung Deutschland (Dänemark (West), Tschechien, Polen) oder von Deutschland (Niederlande) relativ häufig Engpässe bestehen, lässt hingegen selbst die Abschaffung der T-Komponente keinen deutlich größeren Gleichklang der regionalen Preise erkennen. Einzig Dänemark ist hier eine gewisse Ausnahme. Gleiches gilt für den Übergang auf die koordinierten Auktionen, der nur in den Niederlanden die erwünschte Wirkung hatte. Allerdings ist das bereinigte Bestimmtheitsmaß bei der Regression Deutschland/Niederlande so gering, dass auch dieses Ergebnis mit erheblicher Vorsicht zu interpretieren ist. Insgesamt bestätigen die Regressionsanalysen, dass die Stromerzeugungsmärkte Deutschlands, Frankreichs und Österreichs am stärksten integriert sind und sich hier in der Vergangenheit Fortschritte ergeben haben. Aufgrund der Netzengpässe bleibt das Maß der Integration zu den anderen Nachbarländern Deutschlands trotz Abschaffung der T-Komponente und Übergang auf koordinierte Auktionen mehr als unbefriedigend.

4.5

Relevanter Markt und Außenhandelsregime – Zusammenfassung

Trotz Abschaffung der T-Komponente und dem Übergang auf koordinierte Auktionen bei der Vergabe von Netzübergangskapazitäten kann nicht von einem integrierten Stromerzeugungsmarkt in Zentraleuropa gesprochen werden. Die durchgeführten Korrelations- und Regressionsanalysen zeigen, dass mit Blick auf Deutschland und dessen Anrainer noch die Stromerzeugungsmärkte von Deutschland, Frankreich und Österreich als am stärksten integriert gelten können. Grund ist, dass zwischen Deutschland und Österreich nie und zwischen Deutschland und Frankreich selten Engpässe an den Kuppelstellen der nationalen Netze auftreten, während von Deutschland in Richtung Niederlande und von Dänemark (West), Tschechien und Polen in Richtung Deutschland relativ häufig Engpässe bestehen. Neben den Netzengpässen ist die weiterhin unbefriedigende Organisation des Engpassmanagements in Kombination mit den getrennten Stromspotmärkten für das insgesamt unbefriedigende Niveau der Marktintegration in Zentraleuropa verantwortlich. Mit der Einführung koordinierter Auktionen bei der Vergabe von Netzübergangskapazitäten ist die Verordnung über die Netzzugangsbedingungen für den grenzüberschreitenden Handel im Kern bereits umgesetzt. Durch diese unbefriedigende Organisation des Außenhandelsregimes kann kurz-, nicht aber mittel- und langfristig davon ausgegangen werden, dass Deutschland für Konzentrationsstudien der relevante Markt ist.

52

4 Bestimmung des relevanten Marktes

Durch Einführung eines Market-Coupling-Regimes könnte man den relevanten Markt aber relativ leicht auf Zentraleuropa ausdehnen. Die Untersuchung in Kapitel 4 bestätigt die Einschätzung des Bundeskartellamtes aus dem Jahr 2001, dass Deutschland kurzfristig der relevante Markt ist. 141

141

Vgl.: Bundeskartellamt (2001), S. 134

53

5

Strukturelle Indikatoren für Marktmacht

In Kapitel 5 werden drei strukturelle Indikatoren für Marktmacht für den deutschen Strommarkt quantifiziert. Zum einen sollen der HHI und die CRn, die in Unterkapitel 2.3 vorgestellt wurden, errechnet werden. Dabei wird auch ein detailliertes Bild über die Kapazitätsentwicklungen bei den Verbundunternehmen und über die Kapitalverflechtungen der Unternehmen untereinander gezeichnet. Zum anderen wird in Unterkapitel 5.2 der RSI quantifiziert. Anders als bei HHI und CRn spielt hier die Nachfrage zusätzlich zur Angebotsseite eine Rolle.

5.1

Marktkonzentration

Ziel des vorliegenden Kapitels ist es, ein aktuelles und umfassendes Bild der Marktstruktur und der Konzentration in der deutschen Stromerzeugung zu liefern und die in den vergangenen Jahren festzustellenden Veränderungen nachzuzeichnen. Das Unterkapitel gliedert sich in fünf Abschnitte. Im Abschnitt 5.1.1 werden die methodischen Grundlagen der Marktanalyse erläutert. Die Entwicklung der Marktstruktur wird im Abschnitt 5.1.2 dargestellt. Die Verflechtung der Stromversorger zeigt Abschnitt 5.1.3 auf. In diesem Zusammenhang wird auch kurz auf die Auswirkungen der geplanten Neuordnung der RAG/STEAG, immerhin Deutschlands fünftgrößter Stromproduzent, eingegangen. Der letzte Unterpunkt fasst die Ergebnisse zusammen.

5.1.1 Methodische Grundlagen

Ausgangspunkt der Analyse der Marktstruktur ist die Bestimmung der Kapazität und der Produktion der einzelnen am Markt agierenden Unternehmen, die wiederum Grundlage zur Ermittlung der zur Marktanalyse verwendeten Konzentrationsmaße sind. Bei der Bestimmung von Kapazität und Produktion ist zunächst festzulegen, ob von Bruttooder Nettowerten ausgegangen wird. Die Bruttowerte berücksichtigen im Gegensatz zu den Nettowerten den Eigenverbrauch der Kraftwerke. Im vorliegenden Fall wird auf die Nettokapazität und Nettoproduktion abgestellt. Zudem werden bei der Nettokapazität die konservierten Kraftwerke (Kaltreserve) berücksichtigt, da sie potentielle Kapazität darstellen. Festgelegt werden muss darüber hinaus, wie Mehr- bzw. Minderheitsbeteiligungen von Unternehmen behandelt werden. Bei der Konzentrationsmessung wird üblicherweise, und so auch in dieser Untersuchung, die Dominanzmethode angewendet. Die Dominanzmethode ordnet die Kapazität bzw. Produktion beherrschter (konsolidierter) Unternehmen den jeweili-

5 Strukturelle Indikatoren für Marktmacht

54

gen beherrschenden Unternehmen zu. Dann erfolgt allerdings eine Zurechnung zu 100 %. Gemeinschaftsunternehmen bei einem Beteiligungsverhältnis von 50% zu 50% werden jeweils hälftig zugerechnet. Die Dominanzmethode liefert die tatsächlich „beherrschte“ Kapazität bzw. Stromproduktion eines Unternehmens. Mittels Kapazitäts- und Produktionsanteilen der Unternehmen werden in der vorliegenden Studie als Konzentrationsmaße zum einen die Konzentrationsraten und zum anderen der HHI bestimmt. Die Konzentrationsrate (CRn) ist definiert als Marktanteil der n größten Unternehmen, die auf dem Markt miteinander im Wettbewerb stehen.142 Im deutschen Kartellgesetz sind Schwellenwerte hinsichtlich der Konzentrationsrate für das größte (CR1), die drei größten (CR3) und die fünf größten Unternehmen (CR5) definiert, ab denen eine Marktbeherrschung vermutet wird. Diese Schwellenwerte finden sich in Tabelle 1, Kapitel 2. Der HHI wird durch Quadrieren des Marktanteils jedes im Markt als Wettbewerber auftretenden Unternehmens und Addieren der ermittelten Ergebnisse berechnet. Das US-amerikanische Justizministerium hat Grenzwerte festgelegt, ab denen Märkte als mäßig bzw. hoch konzentriert gelten. Auch diese sind in Tabelle 1 aufgeführt. Die Daten zur Marktanalyse stammen aus verschiedenen öffentlich zugänglichen Quellen. Sie sind in der Datenbank des Instituts für Wirtschaftswissenschaft der Universität ErlangenNürnberg (IWEN) hinterlegt.

5.1.2 Entwicklung der Marktstruktur

Nach den Fusionen der Vorjahre hatten sich im Jahr 2001 RWE, E.ON, Vattenfall Europe, EnBW und die RAG-Tochter STEAG in dieser Reihenfolge als führende Stromerzeuger im deutschen Markt etabliert. In den Jahren von 2001 bis heute erfolgte keine weitere spektakuläre Fusion oder Übernahme mehr. Vielmehr waren diese Jahre geprägt durch: 1.

Einen starken Kapazitätsausbau im Bereich der erneuerbaren Energien (insbesondere Windkraft). Die Windkraftkapazität stieg so von etwa 8,8 GW in 2001 auf 18,4 GW in 2005.

2.

Die umfassende Stilllegung zumeist älterer konventioneller Kraftwerke, einer Überführung größerer konventioneller Kraftwerkskapazität in Kaltreserve und einem vergleichsweise geringen Aufbau neuer konventioneller Kapazitäten. So wurden von 2001 bis 2005 etwa 5,6 GW an konventioneller und 0,6 GW an nuklearer Nettostromerzeugungskapazität stillgelegt sowie etwa 1,6 GW an konventioneller Nettostromerzeu-

142

Vgl.: Matthes, Poetzsch (2002)

5 Strukturelle Indikatoren für Marktmacht

55

gungskapazität in Kaltreserve überführt. Dem stehen nur etwa 3,1 GW an neuer konventioneller Kraftwerkskapazität gegenüber. 3.

„Kleinere“ Zukäufe der großen Energieversorger, insbesondere durch Aufstocken der Beteiligungsanteile an bestehenden konventionellen Kraftwerken zu Lasten von zumeist kommunalen Stromproduzenten. So haben die großen Energieproduzenten in der Summe in den Jahren 2001 bis 2005 etwa 9,8 GW an Nettostromerzeugungskapazität von zumeist kommunalen Produzenten erworben.

Insgesamt hat die deutsche Nettostromerzeugungskapazität in der Zeit von 2001 bis 2005 von 115 GW auf etwa 122 GW zugenommen. Die Nettostromerzeugung ist im gleichen Zeitraum ebenfalls leicht von 540 TWh auf 570 TWh143 gestiegen. Trotz des starken Kapazitätsabbaus haben die fünf großen Stromproduzenten in der Summe in den Jahren 2001 bis 2005 insbesondere aufgrund der Zukäufe ihre Kapazität von 76 auf fast 84 GW steigern können. 100.0

Sonstige

GW

Die großen 5

80.0

9.7

60.0

40.0

70.7

76.1

Stilllegungen Verkäufe/Käufe 20.0

ursprüngliche Kapazität

26.1

38.9

Zubau 9.9

3.4

0.0

-5.3

-9.7 -0.9

-20.0

2001

2005

2001

2005

Abbildung 9: Kapazitätsentwicklung der großen fünf und der kleinen Stromproduzenten im Vergleich144

Die Kapazitätszuwächse bei RWE, Vattenfall Europe, STEAG und vor allem EnBW überkompensieren, wie noch im Detail gezeigt wird, die Kapazitätsverluste von E.ON. Die restli143 144

UCTE (2006) Eigene Darstellung

5 Strukturelle Indikatoren für Marktmacht

56

chen Stromproduzenten verzeichneten im gleichen Zeitraum, trotz eines Zubaus von fast 9,6 GW an Windkraftkapazität, der fast ausnahmslos von mittelständischen Betreibern realisiert wurde,145 vor allem aufgrund der spiegelbildlichen Verkäufe einen Rückgang ihrer Kapazität von fast 39 GW in 2001 auf nur mehr 38 GW in 2005 (Abbildung 9). Nicht zuletzt den starken Zukäufen der großen Stromproduzenten ist es geschuldet, dass unabhängig von der Abstellung auf Produktion oder Kapazität die Konzentration zumindest bis 2004 weiter zugenommen hat. In 2005 ist sie leicht zurückgegangen, da bei weiterhin dynamischem Zubau an Windkraftanlagen gleichzeitig die Zukäufe der großen Stromproduzenten geringer ausfallen.

2000

90% 80%

80%

79%

80%

1800

75%

72%

1600

70%

66% 66%

66%

60%

66%

1400

66%

63% 50%

50%

1200 1000

40% 33% 30% 26% 20%

600

28%

27%

28%

28% 400

10%

200

0%

0 2001

2002

2003 CR1

Abbildung 10:

800

2004 CR3

CR5

2005 HHI

Konzentrationsindices der deutschen Nettostromerzeugung, 2001 bis 2005146

Abbildung 10 zeigt die Entwicklung der Konzentration bei der deutschen Stromerzeugung von 2001 bis 2005. Einzig bei der Konzentrationsrate für das größte Unternehmen (CR1) liegt die Konzentration über den gesamten betrachteten Zeitraum unterhalb der kritischen Schwelle, bei der Konzentrationsrate für die drei bzw. fünf größten Unternehmen (CR3 bzw. CR5) hingegen stets darüber. Bei allen Raten ist bis 2004 eine Zunahme zu verzeichnen. Besonders 145 Der Anteil der fünf großen Stromerzeuger an der gesamten deutschen Winderzeugungskapazität liegt bei unter 3%. 146 Eigene Darstellung

5 Strukturelle Indikatoren für Marktmacht

57

dynamisch ist die Zunahme bei der Konzentrationsrate für die fünf größten Unternehmen (CR5). Hintergrund sind, wie noch im einzelnen darzustellen sein wird, die starken Kapazitätsgewinne von EnBW, der Nummer vier im Markt. Der HHI lag im Betrachtungszeitraum stets im mäßig konzentrierten Bereich, hat sich aber im Zeitverlauf der kritischen Schwelle von 1.800 Punkten für einen hoch konzentrierten Markt stark angenähert. Im Jahr 2005 lag der HHI bei gut 1.650 Punkten. Die Abbildungen 11 und 12 zeigen die Anteile der einzelnen Stromerzeuger an der gesamten Nettostromerzeugung bzw. an der gesamten Nettostromerzeugungskapazität. Auffällig ist, dass der Produktionsanteil der kleinen Erzeuger deutlich unterhalb ihres Kapazitätsanteils liegt. Hintergrund sind die großen Windkraftkapazitäten der kleineren Erzeuger bei einer gleichzeitig geringen Volllaststundenzahl der Windkraft. RWE, der führende deutsche Stromproduzent (Inland), konnte seinen Produktionsanteil von 26% in 2001 auf 28% in 2005 leicht steigern. 100% 90%

25%

28%

80% 70% 60%

4% 5% 13%

20%

20%

21%

5%

4%

5% 5%

4%

9%

9%

9%

14%

14%

14%

14%

25%

25%

24%

24%

50% 40%

24%

30% 20% 27%

26%

10%

28%

28%

28%

0% 2001 RWE

Abbildung 11:

2002 E.ON

2003 Vattenfall EnBW

2004 STEAG Sonstige

2005

Anteile der einzelnen Stromerzeuger an der gesamten deutschen Nettostromerzeugung, 2001 bis 2005147

Der Kapazitätsanteil von RWE blieb gleichzeitig mit 22% in etwa unverändert. Der höhere Produktionsanteil spiegelt dabei den großen Anteil an Grundlastkraftwerken im RWE147

Eigene Darstellung

5 Strukturelle Indikatoren für Marktmacht

58

Kraftwerksportfolio wider. E.ON, die Nummer 2, konnte ihren Produktionsanteil hingegen nur halten. Der Kapazitätsanteil ist gleichzeitig deutlich zurückgegangen. Vattenfall Europe verzeichnete Zuwächse bei ihren Produktions- und Kapazitätsanteilen. Besonders stark sind die Anteilsgewinne bei EnBW, der Nummer 4 im Stromerzeugungsmarkt. Bei STEAG ergeben sich kaum Veränderungen. Die Begründung für die unterschiedliche Entwicklung der Kapazitätsanteile der einzelnen Stromversorger liefert die Kapazitätsbilanz in Tabelle 9. Bei RWE überkompensieren Käufe und Inbetriebnahmen die Abschaltungen, so dass deren in Deutschland installierte Kapazität von 2001 auf 2005 leicht zugenommen hat. E.ON hat in besonders großem Umfang Kapazität stillgelegt. Trotz Zukäufen geht daher ihre in Deutschland installierte Kapazität zurück. 100% 90% 80%

34%

31%

29%

30%

5% 4%

5% 4%

4%

5%

5%

7%

8%

8%

70% 60% 50%

13%

11%

12%

12%

30%

12%

40% 25%

25%

24%

23%

23%

22%

22%

22%

22%

30% 20% 22%

10% 0% 2001

2002 RWE

Abbildung 12:

E.ON

2003 Vattenfall

EnBW

2004 STEAG

2005

Sonstige

Anteile der einzelnen Stromerzeuger an der gesamten deutschen Nettostromerzeugungskapazität, 2001 bis 2005148

Bei Vattenfall Europe nahm die Kapazität spürbar zu. Zukäufe und Inbetriebnahmen liegen deutlich über den Abschaltungen. EnBW bewerkstelligt seinen dynamischen Kapazitätsaufbau in erster Linie über umfassende Zukäufe. Bei STEAG nimmt die Kapazität aufgrund von 148

Entnommen: Schwarz, Lang (2005), S. 867

5 Strukturelle Indikatoren für Marktmacht

59

Inbetriebnahmen leicht zu. Auch bei der Konservierung konventioneller Kraftwerkskapazität zeigen sich erhebliche Unterschiede zwischen den Unternehmen. E.ON hatte 2005 etwa 1,8 GW konventioneller Kapazität in Kaltreserve. RWE hat hingegen keine Kapazität in Kaltreserve. Von den anderen Stromproduzenten hat einzig EnBW noch größere Kraftwerkskapazität konserviert. Tabelle 9:

Kapazitätsbilanz der deutschen Stromerzeuger, 2001 bis 2005 (in GW)149

Kapazität 2001 davon Konservierungen +Käufe -Verkäufe +IBN -Abschaltung Kapazität 2005 davon Konservierungen Veränderung 2001-2005 Kapazität Veränderung Konservierungen

RWE 25,2 0,0 +0,6 0,0 +1,9 -1,5 26,1 0,0

E.ON 28,0 0,8 +2,1 -0,1 +0,3 -2,5 27,8 1,8

Vattenfall 12,5 0,0 +2,4 0,0 +1,1 -1,1 14,9 0,2

EnBW 5,1 0,9 +4,6 0,0 0,0 -0,2 9,5 0,9

STEAG 5,2 0,0 0,0 0,0 +0,3 0,0 5,5 0,2

Sonstige 38,9 0,0 0,0 -9,6 +9,7 -0,9 36,1 0,2

Gesamt 114,9 1,7 9,7 -9,7 13,3 -6,2 119,9 3,3

+0,9 0,0

-0,1 +1,1

+2,4 +0,2

+4,4 +0,0

+0,3 +0,2

-2,8 +0,2

8,8 1,7

Zukäufe, Stilllegungen und Inbetriebnahmen haben das Kraftwerksportfolio der Stromproduzenten erheblich verändert (Tabelle 10). RWE konnte dabei seinen Grundlastanteil an der Gesamtkapazität (Kernenergie, Braunkohle, Laufwasser) nochmals steigern, während dieser bei E.ON leicht zurückging. Vattenfall Europe und EnBW haben insbesondere aufgrund von Zukäufen von Steinkohlekapazitäten sinkende Grundlastanteile. Die STEAG hat weiterhin nahe zu fast ausnahmslos Steinkohlekraftwerke. Auffällig ist auch die Veränderung der Anteile der kleinen Stromproduzenten. Deren Grundlastanteil an ihrer Gesamtkapazität sinkt weiter und liegt bei 5%. Hintergrund sind einerseits Verkäufe an Grundlastkapazität und andererseits der starke Zubau an Nichtgrundlastkapazität. Die Aufschlüsselung des Zubaus der kleinen Stromproduzenten zeigt dabei deutlich, dass diese im Gegensatz zu den großen Stromproduzenten praktisch ausschließlich im Bereich der erneuerbaren Energien bzw. der Kraft-WärmeKopplung aktiv waren (Abbildung 13). Die kleinen Stromerzeuger installierten von 2001 bis 2005 in Deutschland immerhin 9,7 GW an Nettostromerzeugungskapazität (8% der Gesamtkapazität). Von diesen 9,7 GW waren allein 9,4 GW neue Windkraftkapazität. Der Rest verteilte sich auf 0,1 GW neue Biomassekapazität und 0,2 GW neue Gas- und Dampf- Heizkraftwerkskapazität. „Klassische“ Grundlastkraftwerke (Braunkohle, Kernkraft, Laufwasser) oder auch zumeist in der Mittellast eingesetzte Steinkohlekraftwerke bzw. reine GuDAnlagen wurden von den kleinen Stromproduzenten nicht in Betrieb genommen. 149

Eigene Darstellung

5 Strukturelle Indikatoren für Marktmacht

60

Damit fand ein Zubau durch kleinere Stromproduzenten einzig in gesetzlich verankerten „Nischen“ statt, in denen der Marktwettbewerb letztlich nur begrenzt wirkt.150 Tabelle 10:

Grundlastanteil Davon: Kernkraft Braunkohle Laufwasser Sonstige Kapazität Davon: Steinkohle Erdgas Heizöl Sonstige Regenerative Pumpspeicher Gesamt in GW

Kraftwerksportfolio der Stromproduzenten in den Jahren 2001 und 2005151 RWE E.ON 2001 2005 2001 2005

Vattenfall 2001 2005

EnBW STEAG Sonstige Gesamt 2001 2005 2001 2005 2001 2005 2001 2005

64%

66%

57%

59%

53%

67%

42%

40%

0%

0%

25%

24%

29%

30%

11%

9%

51%

49%

0%

0%

7%

0%

18%

17%

37%

41%

7%

4%

55%

47%

0%

0%

0%

0%

4%

3%

17%

17%

2%

2%

6%

6%

0%

0%

9%

5%

0%

0%

3%

3%

3%

3%

36%

33%

58%

60%

34%

43%

41%

47%

87%

95%

61%

63%

100% 100%

13%

5%

39%

37%

9%

9%

30%

33%

5%

10%

26%

30%

96%

96%

34%

25%

27%

25%

20%

16%

14%

15%

14%

12%

7%

4%

4%

4%

25%

22%

18%

15%

2%

1%

9%

7%

0%

2%

8%

4%

0%

0%

1%

0%

3%

2%

0%

1%

0%

0%

0%

0%

0%

0%

0%

0%

25%

47%

8%

15%

4%

5%

5%

5%

15%

19%

0%

9%

0%

0%

3%

0%

5%

5%

25,2

26,1

28,0

27,8

12,5

14,9

5,1

9,5

5,2

5,5

38,9

38,1

115,0

121,9

Die Begründung für den fehlenden Zubau kleiner Stromproduzenten im Bereich klassischer Grundlastkraftwerke (Braunkohle, Kernkraft, Laufwasser) fällt leicht.152 Kleine Anbieter konnten schon deshalb nicht in dieses Segment eindringen, weil ihnen der Zugang zu den notwendigen Energieträgern fehlte.153

150

Der erhebliche Zubau bei Windkraft war nur über die erfolgte Subventionierung auf Grundlage des Erneuerbare Energien Gesetzes möglich. Auch der Zubau an Biomassestromerzeugungskapazität erklärt sich aus der Subventionierung über das Erneuerbare Energien Gesetz (sowie der Biomasseverordnung). Bei dem Neubau von GuD-Heizkraftwerkskapazität dürfte die Förderung aus dem Kraft-Wärme-Kopplungsgesetz eine entscheidende Rolle gespielt haben. 151 Eigene Darstellung 152 Die vier größten deutschen Stromproduzenten RWE, E.ON, Vattenfall Europe und ENBW beherrschen inzwischen fast komplett (ca. 95%) die Kapazitäten zur Erzeugung der Grundlast. 153 Braunkohle ist aufgrund hoher spezifischer Transportkosten nicht transportfähig. Ein Bezug aus dem Ausland ist im Gegensatz zu Steinkohle ausgeschlossen. Potentielle Konkurrenten bräuchten daher eigene, im Inland befindliche Tagebaustätten. Hier waren (und sind) aber keine zugänglich. Bei Kernenergie war aufgrund des Ausstiegsgesetzes ein Zubau durch die kleinen Wettbewerber von vornherein ausgeschlossen. Bei Laufwasser ist einerseits das Potential weitgehend ausgereizt. Andererseits sind nur in geringem Umfang die befristeten wasserrechtlichen Genehmigungen für bestehende Kraftwerke ausgelaufen. Ein Eindringen kleinerer Stromerzeuger war damit auch bei Laufwasser de facto nicht möglich.

5 Strukturelle Indikatoren für Marktmacht

61

12.0

Wind

10.0

Biom as s e Pum ps peicher Erdgas

8.0

Steinkohle

GW

Braunkohle

6.0

9.4 4.0

0.4 0.1 1.1

2.0

0.0

1.4

0.1

0.2 Sonstige

Abbildung 13:

0.2

0.3

Die groß en fünf Stromproduzenten

Neubauaktivitäten der großen fünf und der kleinen Stromproduzenten 2001 – 2005 im Vergleich154

Allerdings hätten vermutlich die über lange Zeit relativ niedrigen Preise auf dem Großhandelsmarkt ein Engagement auch dann wenig attraktiv erscheinen lassen, wenn eine Zugangsmöglichkeit bestanden hätte. Die niedrigen Preise bis 2002 auf dem Großhandelsmarkt dürften auch der Grund für den fehlenden Neubau von steinkohle- und erdgasbefeuerten Kraftwerken durch die kleinen Produzenten sein.

5.1.3 Kapitalverflechtung der Stromproduzenten

Die fünf größten deutschen Stromproduzenten beherrschten 2005 nach der Dominanzmethode fast 80% der inländischen Stromerzeugung und verfügten über 70% der inländischen Kapazitäten. Allerdings ist damit der Einfluss der großen Stromversorger insofern nur unzureichend erfasst, weil sie darüber hinaus in erheblichem Umfang über Minderheitsbeteiligungen an weiterer Kraftwerkskapazität verfügen. Abbildung 14 gibt einen Überblick über die Kapitalverflechtung der deutschen Stromerzeuger. Berücksichtigt werden dabei aus Darstellungsgründen einzig Beteiligungen an Betreibern von Kraftwerken der öffentlichen Versorgung über 100 MW. Die blauen, roten, grünen und gelben Kästchen kennzeichnen die großen vier 154

Eigene Darstellung

5 Strukturelle Indikatoren für Marktmacht

62

Stromerzeuger mit ihren 100% Töchtern. Gemeinschaftsunternehmen sind grau gefärbt. Die weißen Kästchen kennzeichnen Betreiber, an denen die großen Stromerzeuger nicht beteiligt sind oder nur über eine Minderheitsbeteiligung verfügen. Tatsächlich ohne jede Beteiligung der großen Stromerzeuger sind als Betreiber von Großkraftwerken der öffentlichen Versorgung einzig die Stadtwerke in München, in Flensburg, in Bremen, in Bielefeld und in Saarbrücken. Sie besitzen allerdings zusammen lediglich 2,3 GW an Nettokapazität, was etwa 2% der Kapazität aller Großkraftwerke der öffentlichen Versorgung in Deutschland ausmacht. 89,6 % dieser Kapazität, dies sind 82,1 GW, beherrschen die großen Stromerzeuger durch Mehrheitsbeteiligungen unmittelbar. An 3,7 GW, dies sind 3% der Kapazität aller Großkraftwerke der öffentlichen Versorgung in Deutschland, sind die großen Stromproduzenten mit Minderheitsbeteiligungen engagiert. Auffällig ist zudem, dass RWE und E.ON selbst an der Nummer fünf am Stromerzeugungsmarkt, der STEAG, über die RAG beteiligt sind, an der sie zusammen fast 70% der Anteile halten. Hier deutet sich allerdings eine Änderung an. Die RAG bzw. ihr Vorstandsvorsitzender Müller strebt einen Börsengang an. Die bisherigen Eigentümer, einschließlich RWE und E.ON, würden, so die Planungen, ihre Anteile an der RAG für einen Euro abgeben. Diese haben dafür offensichtlich auch schon ihre Zustimmung signalisiert. Der öffentlichen Hand würde der gesamte Erlös aus dem Börsengang zufließen. Allerdings würde die öffentliche Hand im Gegenzug alle Pensionen und Altlasten der Deutschen Steinkohle (DSK) AG, einer RAG-Tochter, abdecken müssen, die nach Schließung der letzten Schachtanlage der DSK anfallen werden. Es sieht so aus, als ob sich die öffentliche Hand auf eine solche Vorgehensweise einlässt, offen ist aber weiterhin, ob die RAG als Ganzes oder nach Sparten getrennt an die Börse gebracht wird.155 Abgesehen davon bleibt zudem fraglich, ob sich die RAG-Tochter STEAG tatsächlich als unabhängiger und schlagkräftiger Wettbewerber neben RWE, E.ON, Vattenfall Europe und EnBW behaupten kann. Zum einen verfügt die STEAG nur über ein sehr eingeschränktes Kraftwerksportfolio. Praktisch alle von der STEAG kontrollierten Kraftwerke sind steinkohlebefeuert (siehe auch Tabelle 10). Über deckungsbeitragsstarke Grundlastkraftwerke (Braunkohle, Kernkraft, Laufwasser) verfügt die STEAG nicht. Der Zugang zu eben diesen ist der STEAG, wie auch allen anderen potentiellen Mitbewerbern, zumindest mittelfristig versperrt. Zum anderen deutet alles darauf hin, dass sich die STEAG, vielleicht auch deshalb, (weiter) eng an RWE anlehnen wird. So wurde bereits im Juni 2004 eine Eckpunktevereinbarung156 unterzeichnet, nach der die RWE-Tochter RWE Power eine Option erhält, sich an der STEAG direkt (vermutlich mit 25,1%) zu beteiligen.157 Im Gegenzug erhält die RAG eine Kreditlinie in Höhe von 400 Millionen Euro. 155 156 157

Vgl.: Ruch, Clausen (2006) Vgl.: RAG/RWE (2004) Vgl.: O.V. (2004)

158

55%

1,7 GW

GKM AG

HSE AG ESWE AG

19%

KKW Gundremmingen 75% GmbH 2,6 GW

87,5%

25%

63%

Energie 0,3 GW

E.ON Thüringer 50%

KW Mehrum GmbH 0,3 GW

50%

24%

50%

100%

KW Obernburg GmbH 0,2 GW

E.ON Westf.Weser 0,2 GW

BKB AG 0,6 GW

KW MainzWiesbaden 33,3% AG 0,5 GW 35%

39%

11%

50,2%

GmbH 0,1 GW

Interargem-Entsorgungs

Stw. Potsdam 0,1 GW

Stw. Frankfurt/O. 0,1 GW

GmbH 0,1 GW

25%

KKW Lippe-Ems GmbH 1,3 GW

KW Voerde 1,4 GW

KW Bergkamen 51% 0,7 GW

RWE 18,9 GW

36,75% Stw. Brandenburg 12,25%

33,3%

E.ON edis AG 0,3 GW

74,5%

12,5%

75%

49%

30,2%

AG 0,1 GW

Stw. Hannover 0,1 GW 33,3%

Steag AG 6 GW

100%

RAG AG

Stw. Duisburg AG 20% 0, 5 GW

20%

39,2%

Stw. Würzburg

10,2%

N-Ergie AG 0,2 GW

Mainova AG 0,4 GW

E.ON 20,3 GW

GKW Veltheim 66,7% GmbH 0,9 GW

49,4%

40%

12,6%

39,8%

24,4%

Stw. Chemnitz AG 0,2 GW

30%

40%

Stw. Karlsruhe

10%

GmbH 0,1 GW

0,1 GW

10%

35%

HKW Pforzheim

GmbH 0,1 GW

Stw. Pforzheim

DREWAG AG 0,3 GW

50%

Thüga AG

100%

Entnommen: Zimmer, Lang, Schwarz (2007), S. 46

Abbildung 14:

EV Offenbach 0,1 GW

49%

37,5%

0,9 GW

Schluchseewerke AG 1, 7 GW

28%

50%

KW Lippendof S

50%

Kapitalverflechtung der deutschen Stromproduzenten 2006158

32%

15%

MVV Energie

AG 0,2 GW

20%

30%

35%

50%

55%

76%

12,5%

98,45%

RKW Iffezheim 0,1 GW

Stw. Düsseldorf AG 0,6 GW

20%

Energiedienst AG 0,1 GW

GKN 2,2 GW

EnBW 7,1 GW

63%

89,9%

20%

20%

20%

50%

69,3%

78%

Stw. Halle 0,2 GW

36,7%

EnviaM 0,4 GW

0,2 GW

LEW AG

Rheinenergie AG 0,7 GW

Mark-E AG 1,5 GW

0,3 GW

Stw. Wuppertal

0,1 GW

EV Oberhausen

0,1 GW

VSE AG

SÜWAG AG 0,1 GW

80%

50%

KKW Brokdorf 1,4 GW

20%

KKW Krümmel 50% GmbH 1, 3 GW

KKW Brunsbüttel 66,7% GmbH 0,8 33,3% GW

Stw. Kassel AG 0,1 GW

24,9%

Stw. Rostock AG 0,1 GW

12,55%

WEMAG AG

80,3%

Vattenfall 15,1 GW

5 Strukturelle Indikatoren für Marktmacht

63

5 Strukturelle Indikatoren für Marktmacht

64

5.2

Residual Supply Index

Als letzter struktureller Indikator für Marktmacht soll der Residual Supply Index (RSI) quantifiziert werden. Anders als HHI oder die CRn wird bei diesem Index nicht nur die Angebotsseite untersucht, sondern auch Nachfragebedingungen werden mit berücksichtigt. Die Angebotsseite wird ins Verhältnis zur Nachfrage gesetzt. Der RSI ist eine Weiterentwicklung des Pivotal Supplier Index (PSI). Dieser ist ein binärer Indikator.159 Sowohl RSI also auch PSI zeigen stundenscharf an, wie eng der Markt im Verhältnis zum dominanten Spieler ist. Der Vorteil des RSI ist, dass er nicht binär, sondern metrisch ist. Damit kann auch zwischen strukturell hoher oder niedriger Marktmacht differenziert werden. Der RSI ist wie folgt definiert: n

RSI

Hierbei ist

n

¦C 1

¦C 1

i

 Cx

Last

(7)

die Kapazität aller im Markt befindlichen Anbieter und C x die Kapazität

des untersuchten Anbieters.160 Mit diesem Index wird die Frage beantwortet, ob der größte Anbieter zur Lastdeckung notwendig ist. Dies ist der Fall, wenn der Index kleiner als eins ist. Dann ist der größte Anbieter zur Lastdeckung zwingend erforderlich und könnte somit den Preis in die Höhe treiben. Das methodische Vorgehen bei der Berechnung des RSIs ist im Unterpunkt 2.3.3 beschrieben. Abbildung 15 zeigt, dass der RSI für E.ON im Jahr 2004 deutlich mehr Marktmacht vermuten lässt als für das Jahr 2005. Nach dem RSI ist die Kapazität von E.ON 2004 in 3701 Stunden zur Lastdeckung zwingend erforderlich, 2005 hingegen in nur 2217 Stunden. Aus dem Befund lässt sich die Hypothese ableiten, dass 2004 auch die ausgeübte Marktmacht höher ist als 2005. Ein ähnliches Bild ergeben die RSI-Berechungen für RWE (Abbildung 16). Die Kapazität von RWE ist 2004 in 4248 Stunden notwendig zur Lastdeckung, 2005 hingegen nur in 2855 Stunden. Dies hängt u.a. auch mit dem weiteren Ausbau der Windenergie zusammen. E.ON hätte also theoretisch im Jahr 2005 in 2217 und RWE in 2855 Stunden jeden Preis nehmen können, zumindest wenn der Außenhandel nicht reagiert hätte. Die strukturelle Marktmacht beider Anbieter ist also relativ hoch. Sheffrin hat die Beziehung zwischen dem RSI und den Preisaufschlägen für den kalifornischen Strommarkt untersucht. Er kam zum Ergebnis, dass RSI-Werte von größer 1,2 ein Marktergebnis in der Nähe der Grenzkosten implizieren. 161 Daher schlägt er folgende Regel vor um die Stärke des Wettbewerbs in Strommärkten zu evaluieren: Der RSI sollte nur für 5% der Stunden (ca. 438 Stunden im Jahr) kleiner als 1,1 sein.

159 160 161

Vgl.: Bushnell u.a. (1999) Die methodischen Details sind in Kapitel 2.3.3 diskutiert worden. Vgl.: Sheffrin (2002), S. 11

5 Strukturelle Indikatoren für Marktmacht

65

4 3.5 3

RSI

2.5

RSI E.ON 05 RSI E.ON 04

2 1.5 1 0.5 0 1

1001

2001

3001

4001

5001

6001

7001

8001

Stunden

Abbildung 15:

RSI-E.ON 2004 und 2005162

4 3.5 3 2.5

RSI

RSI-RWE-05 RSI-RWE-04

2 1.5 1 0.5 0 1

1001

2001

3001

4001

5001

6001

7001

8001

Stunde n

Abbildung 16:

RSI-RWE 2004 und 2005163

Der RSI von RWE ist in 50% der Stunden kleiner als 1,1 (und kleiner als 1,0 für ca. 32% aller Stunden). Der RSI von E.ON ist in 43 % aller Stunden kleiner als 1,1 und in 26% aller Stun162 163

Eigene Darstellung Eigene Darstellung

66

5 Strukturelle Indikatoren für Marktmacht

den kleiner als 1,0. In anderen Worten ausgedrückt heißt dies: E.ON und RWE sind fast an allen Werktagen zwischen 8 und 20 Uhr zwingend notwendig zur Lastdeckung. Damit haben die beiden großen deutschen Erzeuger eine erhebliche strukturelle Marktmacht. Was im Vergleich des RSIs mit den beiden anderen strukturellen Indikatoren auffällt ist, dass der RSI der restriktivere Indikator ist. Der Stromerzeugungsmarkt ist nach dem HHI nur mäßig konzentriert und der Schwellenwert für das größte Unternehmen wird ebenfalls unterschritten. Der RSI zeigt aber erhebliche strukturelle Marktmacht an. Dies liegt auch daran, dass der RSI speziell für Strommärkte mit ihren Besonderheiten, wie unelastische Nachfrage und Nicht-Speicherbarkeit von Strom, entwickelt wurde. Diese Besonderheiten vergrößern die Möglichkeit zur Marktmachtausübung. Die tatsächlich ausgeübte Marktmacht wird in Kapitel 6 untersucht werden. Dort soll dann auch die Korrelation zwischen dem RSI und den Indikatoren für ausgeübte Marktmacht berechnet werden. So soll untersucht werden, ob der strukturelle Marktmachtindikator RSI Prädiktionskraft für die ausgeübte Marktmacht hat. Nur so kann überprüft werden, ob er sich auch für ex ante Studien eignet.

5.3

Strukturelle Indikatoren und Marktstruktur – Zusammenfassung

Alle untersuchten Indikatoren weisen darauf hin, dass die Konzentration bei der deutschen Stromerzeugung von 2001 bis 2005 weiter zugenommen hat. So stieg beispielsweise der Produktionsanteil der fünf größten Unternehmen von 72% in 2001 auf 80% in 2005. An der Reihenfolge der größten deutschen Stromproduzenten hat sich im betrachteten Zeitraum nichts verändert, allerdings ist es in erster Linie RWE, der Nummer 1 im deutschen Strommarkt, und EnBW, der Nummer 4, gelungen, Produktionsanteile hinzuzugewinnen. E.ON, Vattenfall Europe und STEAG, die Nummern 2, 3 und 5 im deutschen Strommarkt, konnten hingegen ihre Produktionsanteile lediglich halten bzw. nur leicht steigern. Hintergrund ist, dass die großen Stromproduzenten in unterschiedlichem Ausmaß Kapazitäten zugekauft, in Betrieb genommen und stillgelegt haben. Eine Untersuchung der Verflechtung im deutschen Strommarkt macht deutlich, dass die großen fünf Stromerzeuger über Minderheitsbeteiligungen in erheblichem Umfang an weiterer Kraftwerkskapazität beteiligt sind. Zudem sind bis dato RWE und E.ON über die RAG an der STEAG selbst beteiligt. Auch der RSI zeigt deutlich strukturelle Marktmacht an. Allerdings ist er von 2004 auf 2005 leicht gesunken.

67

6

Quantifizierung von Marktmacht am deutschen Stromerzeugungsmarkt

6.1

Einführung in die Quantifizierung tatsächlich ausgeübter Marktmacht

Seit dem starken Anstieg der Strompreise im Jahr 2003 an der EEX wird in Deutschland über Marktmacht am Stromerzeugungsmarkt diskutiert. Grundsätzlich existieren drei Erklärungsansätze zu den Ursachen der steigenden Strompreise. Der erste Ansatz geht davon aus, dass „fundamentale Faktoren“ wie gestiegene Brennstoffpreise, CO2-Zertifikate164 oder Stilllegungen von unrentablen Kraftwerken165 für die gestiegenen Preise verantwortlich sind.166 Von Weizsäcker meint gar, es sei unmöglich, Marktmacht im deutschen Strommarkt auszuüben, da der Außenhandel mit Strom keinen Preisanstieg zuließe.167 Dass der Außenhandel mit Strom in Kontinentaleuropa nicht zu guten Arbitrageergebnissen führt, wurde in Kapitel 4 aufgezeigt. Der zweite Ansatz von beispielsweise Ockenfels, Gatzen und Peek sieht als Ursache für den Preisanstieg eine Änderung bei der Preisbildung: Nicht mehr die kurzfristigen Grenzkosten, sondern die langfristigen Vollkosten spielen bei den Strompreisen die entscheidende Rolle. Für Ockenfels, Gatzen und Peek scheint dies aus wettbewerblicher Sicht in Ordnung zu sein. Sie bleiben aber die Erklärung schuldig, wie man – ohne Marktmacht – als Anbieter Vollkosten, die über den Grenzkosten liegen, am Markt durchsetzen kann. Und falls Anbieter dies können, warum sie nur Vollkosten durchsetzen und nicht noch höhere Preise. Die dritte Hypothese sieht eine wachsende Ausnutzung von Marktmacht als Ursache für die Preisentwicklung.168 Trotz der öffentlichen Debatten um die hohen Strompreise in Deutschland gibt es nur drei Publikationen, die versuchen, Marktmacht im Stromerzeugungsmarkt zu quantifizieren.169 Die geringe Zahl an wissenschaftlichen Artikeln zu dem öffentlich heiß diskutierten Thema lässt sich in erster Linie durch die schlechte Datenlage erklären. Es fehlten bis 2006 sowohl die stündliche Gesamtnachfrage auf dem Strommarkt (Last) als auch stündliche Außenhandelswerte.

164

Vgl.: Bauer, Zink (2005), S. 574-577 Vgl.: Monopolkommission (2004) Vgl.: Schiffer (2004), S. 8-9 167 Vgl.: von Weizsäcker (2005), S.3-4 168 Vgl.: Monopolkommission (2004), S. 543-545 und Richmann (2006) 169 Vgl.: Ockenfels, Gatzen, Peek (2005), S. 5-6 165 166

68

6 Quantifizierung von Marktmacht am deutschen Stromerzeugungsmarkt

Für andere Strommärkte, insbesondere Kalifornien und England/Wales, gibt es, wie bereits in Kapitel 2 diskutiert, eine Vielzahl von Veröffentlichungen, die versuchen, Marktmacht zu schätzen. Zwar haben diese Modelle die Tendenz, die Komplexität des realen Marktes zu unterschätzen und es besteht die Gefahr, die realen Grenzkosten zu niedrig auszuweisen.170 Allerdings kann man diesem Problem, wie im hier vorgestellten Ansatz, durch eine Verlängerung des Analysezeitraums begegnen, indem das Modell an Börsenpreisen überprüft wird, bei denen man von Grenzkostenpreisbildung ausgeht. Für das hier verwendete Modell wurde die Annahme getroffen, dass im Jahr 2000 die Strompreise den Grenzkosten entsprochen haben.171 Diese präempirische Annahme wurde auch in Kapitel 2 problematisiert. Ziel des hier vorgestellten Kapitels ist es, die Preistreiber auf dem deutschen Strommarkt zu quantifizieren: Welchen Einfluss haben steigende Brennstoffpreise, Opportunitätskosten für CO2-Zertifikate und Marktmacht auf den Strompreis? Hierfür wurde ein Simulationsmodell verwendet, das nach Meinung des Autors die systemwesentlichen Elemente des deutschen Strommarktes abbildet. Das Modell schätzt die Grenzkosten, die dann mit den Börsenpreisen verglichen werden. In Unterkapitel 6.2 sollen kurz methodische Fragen diskutiert werden. Das Simulationsmodell und die wichtigsten Inputfaktoren werden in Unterkapitel 6.3 beschrieben. Dann werden in Unterkapitel 6.4 die Modellergebnisse diskutiert, während in Unterkapitel 6.5 die Ergebnisse zusammengefasst werden.

6.2

Besonderheiten des deutschen Strommarktes und methodisches Vorgehen

Der Spotmarktpreis an der EEX wird üblicherweise als Referenzpreis für den gesamten Markt angesehen, da seine Rückwirkungen auf Forwards, Futures und bilateralen Handel relativ groß sind.172 Daher wir er in dieser Arbeit als Grundlage für den Vergleich von Grenzkosten und Preisen verwendet. Die Bestimmung des relevanten Marktes ist für Konzentrationsstudien wichtig.173 Für den hier vorgestellten Ansatz ist die Frage nach dem relevanten Markt insofern irrelevant, da der Außenhandel mit in das Modell aufgenommen wurde, indem Exporte zur einheimischen Last hinzuaddiert und Importe subtrahiert wurden. Hierbei bereitet nur die relativ schlechte Daten-

170

Vgl.: Harvey, Hogan (2002) Der hier vorgestellte Ansatz basiert auf den Veröffentlichungen von Schwarz, Lang (2006b) und Lang, Schwarz (2006) 172 Vgl.: Müsgens (2004), S. 4 173 Vgl.: Schwarz, Lang (2006b) 171

6 Quantifizierung von Marktmacht am deutschen Stromerzeugungsmarkt

69

lage zum Außenhandel ein Problem, weshalb die Außenhandelsdaten statistisch geschätzt werden mussten. Eine Alternative zu diesem Vorgehen wäre, den europäischen Gesamtmarkt zu modellieren, in dem sich der Außenhandel unter Berücksichtigung der Netto-Transferkapazität der Kuppelstellen im Modell ergibt.174 Dies wäre, gäbe es in Kontinentaleuropa ein Market-CouplingRegime wie in Skandinavien, auch eine adäquate Art der Modellierung (ein Market-CouplingRegime führt ohne Engpässe zu gleichen Strompreisen in allen beteiligten Ländern, da die Börsen nach Ende der Auktion Arbitrage durchführen). Da das kontinentaleuropäische Außenhandelsregime weit von einem Market-Coupling-Regime entfernt ist, wurde für den hier vorgestellten Ansatz ein exogen gegebener Außenhandel verwendet. Die andere Alternative ist den Außenhandel völlig zu übergehen,175 allerdings erscheint dies noch problematischer.

6.3

Modell und Modellparameter

Zwar gibt es erst seit 2006 die Gesamtlast für Deutschland, allerdings wird seit Juni 2003 die vertikale Netzlast veröffentlicht. Diese wurde neben der Windenergieeinspeisung in dem im Folgenden vorzustellenden Ansatz zur Schätzung der angepassten Stromnachfrage herangezogen. Damit konnte jeder Tag seit dem 01.07.2003 analysiert werden. Für die Zeit davor wurden nur die dritten Mittwoche jedes Monats analysiert. Dies diente in erster Line dazu das Modell zu kalibrieren. Die Annahme hierbei ist, dass die EEX-Preise des Jahres 2000 die Grenzkosten widerspiegeln. Dies legen auch die Rechnungen von Müsgens oder die Einschätzung der Monopolkommission nahe.176 Abbildung 17 gibt einen Überblick über den zur Schätzung der Grenzkosten verwendeten Ansatz. Links finden sich die Parameter des Modell-Inputs. Zu diesen gehören die bereinigte Stromnachfrage, Kostenparameter und die Kapazitäten der Kraftwerke. In der Mitte ist der genutzte Modell-Algorithmus skizziert. Dieser setzt den Modell-Input um und liefert die Grenzkosten als wesentlichen Modell-Output, der sich auf der rechten Seite der Abbildung befindet. Die Grenzkosten werden schließlich mit den stündlichen EEX-Preisen verglichen, und daraus wird die Preis-Kosten-Marge ermittelt. Der Modell-Algorithmus besteht aus einem gekoppelten Ansatz eines gemischt-ganzzahligen Programms und eines gewöhnlichen linearen Programms. Beim gemischt-ganzzahligen Programm werden die Anfahrkosten als kurzfristige Fixkosten behandelt. Dabei werden die täglichen Kosten der Stromproduktion unter Nebenbedingungen minimiert. Das lineare Programm 174 175 176

Vgl.: Müsgens (2004) Vgl.: von Hirschhausen, Weigt, Zachmann (2007), S. 69 Vgl.: Monopolkommission (2004), S. 449-450 und Müsgens (2004), S. 12

70

6 Quantifizierung von Marktmacht am deutschen Stromerzeugungsmarkt

muss von bekannten täglichen Produktionsstunden ausgehen, die dem linearen Programm vom gemischt-ganzzahligen Programm geliefert werden. Die Zielfunktion beim linearen Programm ist die Minimierung der stündlichen Kosten der Produktion. Durch Division der täglichen Anfahrkosten durch die täglichen Produktionsstunden ergeben sich die spezifischen Anfahrkosten, die mit den anderen Kostenparametern in die Zielfunktion des linearen Programms eingehen. Das lineare Programm liefert dann die gesuchten Grenzkosten sowie die Produktionsmengen der Kraftwerke. Aufgrund der schlechten Datenverfügbarkeit hinsichtlich der stündlichen Nachfrage (siehe nachfolgende Ausführungen) wurden mit dem Modellansatz Rechnungen für zwei Zeiträume durchgeführt. Einmal erfolgten Rechnungen für den Zeitraum Juni 2000 bis Dezember 2005, allerdings innerhalb dieses Zeitraums nur für jeden dritten Mittwoch eines jeden Monats. Zum zweiten erfolgten Rechnungen für den Zeitraum Juli 2003 bis Dezember 2005. Hier konnten sämtliche 21.958 Stunden betrachtet werden. Die wichtigsten Modellparameter sind die bereinigte Stromnachfrage, die Kraftwerkskapazitäten und die Kostenparameter. Diese werden im Folgenden vorgestellt und diskutiert.

Bereinigte Stromnachfrage

Die UCTE177 veröffentlicht die stündlichen Lastdaten jedes dritten Mittwochs im Monat. Die deutschen Übertragungsnetzbetreiber sind seit Juli 2003 dazu verpflichtet, die tägliche vertikale Netzlast zu veröffentlichen.178 Diese ist definiert als die Summe der Stromflüsse von den Übertragungsnetzen in die Verteilnetze. Da ein Großteil der kleineren Anlagen nicht in das Übertragungsnetz, sondern in die Verteilnetze einspeist, fehlt ein Teil der Stromnachfrage. Allerdings nicht vollständig, da ein Teil der Stromproduktion von Kleinanlagen, insbesondere Windstromproduktion im Norden Deutschlands, zum Abtransport hochtransformiert wird. Um die inländische Last zu generieren, wurde in der Studie wie folgt verfahren: Die UCTELastdaten (inländische Last) wurden als abhängige Variable definiert, die erklärenden Variablen waren die vertikale Netzlast und die stündliche Windenergieeinspeisung. Das adjustierte Bestimmtheitsmaß dieser Regression ist hoch (0,97) und die beiden erklärenden Variablen sind hoch signifikant. Das Ergebnis dieser Regression ist die inländische Last.

177

UCTE (2006) RWE (2006): Netzkennzahlen E.ON (2006): Vertikale ENBW (2006): Vertikale Netzlast Vattenfall Europe AG (2006): Vertikale Netzlast

178

6 Quantifizierung von Marktmacht am deutschen Stromerzeugungsmarkt

Tabelle 11:

71

Regressionsoutput zur Schätzung der inländischen Last179

Variable Konstante Vertikale Netzlast Windenergieeinspeisung Bestimmtheitsmaß Adjustiertes Bestimmtheitsmaß

Koeffizient 572,088700 1,360031 0,714891 0,974522 0,974271

Std. Fehler 1206,274 0,027546 0,125848

t-Statistik 0,474261 4,937 286 5,680 600

p-Wert 0,6358 0,0000 0,0000

Die inländische Last muss noch um den Außenhandel bereinigt werden. Da die Veröffentlichungen der Übertragungsnetzbetreiber sehr lückenhaft sind, mussten auch diese Werte statistisch geschätzt werden. Die UCTE180 veröffentlicht die Daten für die grenzüberschreitenden Lastflüsse nur für jeden dritten Mittwoch eines Monats für 3 Uhr und für 11 Uhr. Ferner wird noch der Monatsdurchschnitt des Nettoimportes veröffentlicht. Diese Werte sind in Abbildung 18 dargestellt. Die fehlenden Werte wurden mittels einer Regression geschätzt, bei der die 3- und 11-UhrWerte die abhängige Variable und die Monatsdurchschnitte des Außenhandels und die inländische Last die unabhängigen Variablen waren. Die Qualität der Schätzung war mit einem bereinigten Bestimmtheitsmaß von 0,63 und hochsignifikanten Parametern zufriedenstellend.

Tabelle 12:

Außenhandelsregression181

Variable Konstante Last Monatsdurchschnittswert Außenhandel Bestimmtheitsmaß Adjustiertes Bestimmtheitsmaß

Koeffizient -9880,423 0,160

Std. Fehler 842,375 0,015

t-Statistik -11,729 10,876

p-Wert 0,000 0,000

1,198 0,638556 0,633429

0,130

9,234

0,000

Die Last wurde als erklärende Variable verwendet, da der Nettoimport einen starken tageszeitlichen Trend aufweist, d.h. um 11 Uhr ist Deutschland meist Nettoimporteur, um 3 Uhr Nettoexporteur. Dies erklärt sich durch die Pumpspeicherkraftwerke in Österreich und der Schweiz: Nachts wird Wasser hochgepumpt, dafür wird aus Deutschland Strom geliefert, tagsüber wird das Wasser herab gelassen und nach Deutschland importiert. Die jahreszeitlichen Schwankungen und die Trendkomponente konnten in der Regression mit dem Monatsdurchschnitt verarbeitet werden.

179 180 181

Eigene Berechnungen UCTE (2006) Eigene Berechnungen

Abbildung 17:

Spezifische variable Kosten mit Anfahrkosten

Kurzfristige Fixkosten

Spezifische variable Kosten ohne Anfahrkosten

Kraftwerkskapazitäten

Angepasste Last

Spezifische Anfahrkosten

Zusätzliche variable Kosten

Spezifische CO2Kosten

Spezifische variable Kosten

Struktur des Marktmodells des deutschen Strommarktes

Ökonometrische Schätzung aus vert. Last und Windenergieeinspeisung; bereinigt um den statistisch geschätzten Außenhandel

Anfahrkosten

CO2 Zertifikatpreis

CO2 Emissionsfaktor

Nettowirkungsgrad

Brennstoffpreise

Modell Input

Markträumung Kapazitätsbeschränkungen Nicht-Negativität

Nebenbedingungen

Kostenminimierung

Zielfunktion

Stündliche Stromproduktion der Kraftwerke als kontinuierliche Variable

Lineares Programm

Markträumung Kapazitätsbeschränkungen Nicht-Negativität

Nebenbedingungen

Kostenminimierung

Zielfunktion

Stündliche Stromproduktion der Kraftwerke als kontinuierliche Variable; Binäre Variable verbunden mit den Kraftwerkskapazitäten

gemischt-ganzzahliges Programm

Modell Algorithmus

Geschätzte Grenzkosten

Preis-KostenMarge Stündliche EEXPreise

Produktion der Kraftwerke

Tägliche Produktionsstunden der Kraftwerke

Modell Output

72 6 Quantifizierung von Marktmacht am dt. Stromerzeugungsmarkt

6 Quantifizierung von Marktmacht am dt. Stromerzeugungsmarkt

GW

8

73

6 4 2 0 -2 -4 -6

3 Uhr und 11 Uhr Nettoimport

-8

Monatsdurchschnitt Nettoimport 16.11.2005

16.08.2005

16.05.2005

16.02.2005

16.11.2004

16.08.2004

16.05.2004

16.02.2004

16.11.2003

16.08.2003

16.05.2003

16.02.2003

16.11.2002

16.08.2002

16.05.2002

16.02.2002

16.11.2001

16.08.2001

16.05.2001

16.02.2001

16.11.2000

16.08.2000

16.05.2000

16.02.2000

-10

UCTE-Nettoimportwerte182

Abbildung 18:

Abbildung 19 zeigt das Ergebnis der Nachfrageberechnungen beispielhaft für die Woche vom 23.08.2004 bis zum 29.08.2004. Die vertikale Netzlast ist niedriger als die inländische Last, da Nachfrage (insbesondere dezentrale Einspeisung) fehlt. Die inländische Last und die bereinigte Last unterscheiden sich durch die Nettoimporte.

70

GW

80

60 50 40 30 vertikale Last 20

bereinigte Last inländische Last

Abbildung 19: 182 183

Vertikale Netzlast, inländische Last und bereinigte Last183

Eigene Darstellung, Daten: UCTE (2006) Entnommen: Lang, Schwarz (2006), S. 8

18

11

29.8.04

4

21

14

7

28.8.04

24

17

10

27.8.04

3

20

26.8.04

6

23

9

16

25.8.04

2

19

5

24.8.04

12

22

8

23.8.04

15

1

0

13

10

6 Quantifizierung von Marktmacht am dt. Stromerzeugungsmarkt

74

Kraftwerkstypen und Kapazitäten

Das hier vorgestellte Modell des deutschen Strommarktes verwendet die Kraftwerksdaten aus der IWEN-Kraftwerksdatenbank. Darin sind alle konventionellen Kraftwerke mit mehr als 50 MW einzeln enthalten, die kleineren Anlagen wurden zusammengefasst. Die verfügbare Kapazität der einzelnen Kraftwerke hängt vom Kraftwerkstyp und der Jahreszeit ab, da es zyklische Schwankungen bei den Revisionen gibt. Bei der Windenergieeinspeisung konnte auf stundenscharfe Daten zurückgegriffen werden, während für Wasserkraftwerke und Minimalauskopplung von Strom aus Heizkraftwerken nur monatliche Daten zur Verfügung standen. Bei Kernkraftwerken konnten Ausfälle und Revisionen tagesscharf berücksichtigt werden. Bei den Kohle-, Gas- und Ölkraftwerken wurden die Verfügbarkeiten nur monatlichen Schwankungen unterworfen. Die monatlichen Schwankungen wurden aus den VDN-Leistungsbilanzen errechnet. Die zyklischen Schwankungen der konventionellen Kraftwerkskapazität sind in Abbildung 20 dargestellt. Zusätzlich wurde noch Kapazität für den Regelenergiemarkt und für Systemdienstleistung abgezogen. Dieser Kapazitätsabzug lag zwischen 1,5% bei Braunkohle- und 50% bei Pumpspeicherkraftwerken.

120% 100% 80% 60%

Verfügbarkeit von Wärmekraftwerken

40% 20%

01

Ap

Ja n

r0 1 Ju l0 1 O kt 01 Ja n 02 Ap r0 2 Ju l0 2 O kt 0 Ja 2 n 03 Ap r0 3 Ju l0 3 O kt 03 Ja n 04 Ap r0 4 Ju l0 4 O kt 04 Ja n 05 Ap r0 5 Ju l0 5 O kt 05

0%

Abbildung 20:

184

Verfügbarkeit der deutschen konventionellen thermischen Kraftwerkskapazität184

Vgl: VDN-Leistungsbilanzen (2005)

6 Quantifizierung von Marktmacht am dt. Stromerzeugungsmarkt

75

In Tabelle 13 ist hinterlegt, wie genau die verfügbaren Kraftwerkskapazitäten in das Modell integriert werden konnten. Hier ist auch der prozentuale Abzug für Systemdienstleistung (Regelenergiemarkt) für Kraftwerke mit mehr als 100 MW hinterlegt.

Tabelle 13:

Kraftwerkstypen und verfügbare Kapazitäten185

Kraftwerkstyp Must-take Biomasse Windeinspeisung Laufwasserkraftwerke Minimalauskopplung von Heizkraftwerken Konventionelle Kraftwerke Kernkraft Braunkohle Steinkohle Erdgas Öl Variable Stromerzeugung von Heizkraftwerken Pumpspeicherproduktion

Datenverfügbarkeit

Kapazitätsabzug für Systemdienstleistung

Jährlich Stündlich Monatlich Monatlich

0% 0% 0% 0%

Täglich Monatlich Monatlich Monatlich Monatlich Monatlich

0% 1,5% 7% 15% 50% Je nach Brennstoff

Monatlich

50%

Kostenparameter

Die variablen Kosten der Stromerzeugung werden im Wesentlichen durch die spezifischen Brennstoffkosten, Inputsteuern auf Brennstoffe, Transportkosten für Brennstoffe, Nettowirkungsgrad, Betriebsmittelkosten und, seit dem 1. Januar 2005, durch den spezifischen CO2Emissionsfaktor sowie die CO2-Zertifikatspreise bestimmt. Berücksichtigt werden muss ferner, dass Kraftwerke Anfahrkosten haben. Die Nettowirkungsgrade der Kraftwerke sind in der IWEN-Kraftwerksdatenbank hinterlegt,186 die Brennstoffpreise wurden vom VIK übernommen.187 Die CO2-Emissionsfaktoren sind vom Bundesministerium für Umwelt übernommen und in Tabelle 14 dargestellt. Die CO2-Zertifikatpreise sind bei der EEX erhältlich. Tabelle 14: Brennstoffe Braunkohle Steinkohle Erdgas Heizöl

185

CO2-Emissionsfaktoren188 Tonne CO2/Giga Joule (GJ) 0,1 0,095 0,056 0,078

Entnommen: Schwarz, Lang (2006b), S. 11-12 Die Nettowirkungsgrade wurden durch Telefon/E-Mail/schriftliche Anfragen bei den einzelnen Kraftwerken erhoben. Für Anlagen bei denen der Wirkungsgrad nicht ermittelbar war, wurde der Wirkungsgrad anhand des Baujahres und des Energieträgers abgeschätzt. 187 Vgl.: VIK (2006) 188 Vgl.: BMU (2003) 186

76

6 Quantifizierung von Marktmacht am dt. Stromerzeugungsmarkt

Die normale Zertifikatzuteilung in der ersten Handelsperiode (2005-2007) basiert bei Altanlagen auf den Emissionen der Basisperiode. Die Opportunitätskosten je MWh für die CO2Zertifikate können nach Gleichung 8 berechnet werden: Opportunitätskosten

CO 2 P / t u CO 2 Fbrennstoffspezifisch K u 0,278

(8)

Hierbei ist CO2P/t der CO2-Preis an der EEX je Tonne, CO2Fbrennstoffspezifisch der CO2Emissionsfaktor aus Tabelle 14, Ș der Nettowirkungsgrad des Kraftwerks und 0,278 der Umrechnungsfaktor von GJ in MWh. So können die Opportunitätskosten bei „normaler“ Zertifikatzuteilung berechnet werden. Allerdings gibt es im nationalen Allokationsplan eine Alternative zu dieser Art der Zuteilung, die so genannte Optionsregel.189 Bei der Optionsregel hängt die Zertifikatzuteilung von der Produktionsmenge und einem Kohle- oder Gas-Benchmark ab. Die Abhängigkeit von der Produktionsmenge führt dazu, dass ein Kraftwerk, wenn es mehr CO2 emittiert, mehr Zertifikate erhält, allerdings weniger als benötigt. Somit werden die CO2-Zertifikatpreise nur teilweise, in Abhängigkeit vom Nettowirkungsgrad und dem verwendeten Brennstoff, eingepreist. Bei der Standardallokation der Zertifikate hingegen werden die CO2-Zertifikatpreise voll eingepreist. Es gibt zwar Daten bei der Deutschen Emissionshandelsstelle (DEHST), wie viele Kraftwerke nach der Optionsregel angemeldet wurden, allerdings wird nicht veröffentlicht, um welche Kraftwerke es sich handelt. Prinzipiell ist es aufgrund der Benchmarks betriebswirtschaftlich attraktiver, Gaskraftwerke nach der Optionsregel und Kohlekraftwerke nach der Standardallokation anzumelden. Daher wurde in dem hier verwendeten Ansatz unterstellt, dass Gaskraftwerke nach der Optionsregel und Kohlekraftwerke nach der Standardallokation angemeldet wurden. Die Optionsregel im nationalen Allokationsplan für die erste Handelsperiode wirkt dämpfend auf den Strompreisanstieg durch die CO2-Zertifikate. Die Annahme, dass nur Gaskraftwerke die Optionsregel nutzen ist hinsichtlich der geschätzten Grenzkosten eine konservative Annahme, da in der Realität mehr Kraftwerke als im Modell die Optionsregel nutzen. Die Opportunitätskosten für Kraftwerke, die die Optionsregel nutzen, werden wie folgt berechnet: Opportunitätskosten Optionsregel

CO 2 P / t u ((CO 2 FBrennstoffspezifisch

(Ș u 0,278))  EF2 u 0,365)

( 9)

Gleichung 8 wurde um den Erfüllungsfaktor 2 (EF2×0,365) erweitert, die Optionsregel verringert also die CO2-Opportunitätskosten.190 189 190

Vgl.: § 7(12) Zuteilungsgesetz (2007) Der Erfüllungsfaktor 2 beträgt 95,3%

6 Quantifizierung von Marktmacht am dt. Stromerzeugungsmarkt

77

Grenzkostenkalkulation

Die Grenzkosten ohne Anfahrkosten und ohne CO2-Opportunitätskosten werden wie folgt bestimmt: GK ohneAK

BK  IJ  TK  BMK Ș

(10)

Hierbei sind BK die Brennstoffkosten, IJ die Inputsteuer auf den Brennstoff (nur bei Gas und Erdöl), TK die Transportkosten des jeweiligen Brennstoffes, Ș der Nettowirkungsgrad des Kraftwerks und BMK die Betriebsmittelkosten des Kraftwerks.

Tabelle 15:

Steinkohle Braunkohle Gas Öl Uran Regenerativ

Kostenparameter nach Kraftwerksarten in €/MWh Transportkosten Dt. Grenze-Kraftwerk 0,6 0 1,5 Nicht verfügbar, daher 0 Nicht verfügbar, daher 0 Nicht verfügbar, daher 0

Betriebsmittelkosten191 2,0 2,5 0,875 1,25

Inputsteuer bis 2002 0 0 1,515 1,5457

Inputsteuer ab 2003 0 0 2,688192 2,16

1

0

0

Nicht verfügbar, daher 0

0

0

Wenn man aus den so kalkulierten Grenzkosten eine Systemkostenkurve erstellt, verläuft die Kurve wie in Abbildung 21 dargestellt. Im ersten Bereich der Kurve liegen Kraftwerke mit variablen Kosten von Null oder Must take-Kraftwerke, die wärmegeführt sind, d.h. sie laufen unabhängig vom Strompreis. Dann folgen Kernkraft-, Braunkohle-, Steinkohle-, GuD-, Pumpspeicher-, Gas- und schließlich Ölkraftwerke. Allerdings vereinfacht eine graphische Darstellung die Komplexität des Erzeugungsmarkts so sehr, dass sich mit ihr keine „realen“ Grenzkosten bestimmen lassen.

191

Vgl.: Schröter (2004), S. 31 Seit dem 01.07.1991 wird eine Mineralölsteuer auf Erdgas in Höhe von 0,184 ct/kWh erhoben. Zum 01.01.2003 wurde die zusätzlich erhobene Ökosteuer auf 0,366 ct/kWh erhöht. Zusammen ergibt sich eine Erdgassteuer von derzeit 0,55 ct/kWh. Zur Vermeidung der Steuer auf die Steuer durch die Erhöhung der Mineralölsteuer gewähren die Gasversorger derzeit Nachlässe von 0,1278 ct/kWh auf die Erdgassteuer und 0,1534 ct/kWh auf die Ökosteuer. Daraus resultiert ein Aufschlag von 0,2688 ct/kWh. Vgl.: Möller, Seel (2005), S. 118

192

6 Quantifizierung von Marktmacht am dt. Stromerzeugungsmarkt

78 100 90

Grenzkosten 2004 Grenzkosten 2001

80

Last Mittelwert 2001 Last Minimum 2001

70

50

Last Maximum 2001 Last Mittelwert 2004

€/MWh

60

Last Minimum 2004 Last Maximum 2004 Durchschnittspreis Spot 2004 Durchschnittspreis Spot 2001

40 30 20 10 0 0

Abbildung 21:

10

20

30

40

GW

50

60

70

80

90

193

Grenzkostenkurven und Lastdaten der Jahre 2001 und 2004

Unberücksichtigt bleiben nämlich die Anfahrkosten der Kraftwerke. Diese sind zu den kurzfristigen variablen Kosten zu addieren und durch die Laufzeit am Tag zu dividieren. Nur so kann das tägliche Optimieren der Kraftwerkseinsatzplanung realitätsnah abgebildet werden. Würde man auch dies graphisch darstellen, hätte man eine täglich fluktuierende Grenzkostenkurve. Die täglichen Anfahrkosten (AK) wurden nach Schröter modelliert:194 · § 1 ¸ u GK ohne AK AK ¨¨ 0.3 u KFBrennstoff u t start u 1  KFVerschleiß ¸¹ ©

(11)

Die Grenzkosten ohne Anfahrkosten (GKohne AK) werden multipliziert mit einem brennstoffspezifischen Kostenfaktor (KFBrennstoff) und dem Heißstartfaktor 0,3. Zusätzlich wird mit tStart die Dauer des Anfahrens von Kraftwerken berücksichtigt. Der erhöhte Anlagenverschleiß durch das Anfahren eines Kraftwerks wird mit dem Bruch 1/(1-KFVerschleiß) berücksichtigt. Tabelle 16 zeigt die beschriebenen Faktoren für die Steinkohle-, Erdgas- und Ölkraftwerke. Für Braunkohle- und Kernkraftwerke wurden im Modell keine Anfahrkosten berücksichtigt, da sie bei den momentanen Relationen der unterschiedlichen Brennstoffpreise rund um die Uhr laufen, wenn sie technisch verfügbar sind.

193 194

Nach: IWEN-Datenbank und UCTE (2006) Vgl.: Schröter (2004), S. 36-49

6 Quantifizierung von Marktmacht am dt. Stromerzeugungsmarkt

79

Brennstoffspezifische Startfaktoren195

Tabelle 16:

KFBrennstoff 0,5 0,2 0,25

Steinkohle Erdgas Heizöl

tstart 8 2 2

KFVerschleiß 0,4 0,35 0,35

Abbildung 22 zeigt die prozentuale Entwicklung der Brennstoffpreise zwischen 2000 und 2005. Steinkohle, Erdgas und Heizöl verteuerten sich um 55 bis 75%, Uran um 40%.

200% 180% 160% 140% 120% 100% 80% 60% Erdgas 40%

Steinkohle Uran

20%

Heizöl

Abbildung 22:

01.10.05

01.07.05

01.04.05

01.01.05

01.10.04

01.07.04

01.04.04

01.01.04

01.10.03

01.07.03

01.04.03

01.01.03

01.10.02

01.07.02

01.04.02

01.01.02

01.10.01

01.07.01

01.04.01

01.01.01

01.10.00

01.07.00

0%

Entwicklung der Brennstoffpreise zwischen Juli 2000 und Dezember 2005196

6.4 Modellergebnisse Abbildung 23 zeigt die Modellergebnisse für jeden dritten Mittwoch zwischen Juni 2000 und Dezember 2000. Es ist zu sehen, dass im Jahr 2000 das Modell sehr nahe an den EEX-Preisen liegt. Die gleichen Rechnungen wurden auch für die anderen dritten Mittwoche jedes Monats bis 2005 durchgeführt. Der starke Zusammenhang zwischen den geschätzten Grenzkosten und den EEX-Preisen im Jahr 2000 kann als Hinweis auf gute Modellqualität gedeutet werden – zumindest wenn man für das Jahr 2000 Grenzkostenpreisbildung annimmt.

195 196

Vgl.: Schröter (2004), S. 36-39 Eigene Darstellung, Daten nach VIK

6 Quantifizierung von Marktmacht am dt. Stromerzeugungsmarkt

80

Abbildung 24 zeigt für den Zeitraum von Juli 2003 bis Dezember 2005 die einzelnen Faktoren, die zu einer Preissteigerung gegenüber dem Basisjahr 2000 führen. Hier konnten für jede Stunde eines jeden Tages die Grenzkosten berechnet werden, da seit Juli 2003 die vertikale Netzlast verfügbar ist. In dem Modell wurde einmal mit den tatsächlichen Brennstoffpreisen gerechnet und einmal mit den Brennstoffpreisen des Jahres 2000. Aus der Differenz ergibt sich der Teil des Strompreisanstiegs, für den die gestiegenen Brennstoffpreise verantwortlich sind. Analog wurde mit den CO2-Zertifikaten im Jahr 2005 verfahren. Einmal wurden die Grenzkosten ohne und einmal mit CO2-Zertifikaten bestimmt.

€/MWh

50 45 40 35 30 25 20 15 10 Geschätzte Grenzkosten 5

EEX

0 20.12.00

20.12.00

20.12.00

15.11.00

15.11.00

15.11.00

19.10.00

18.10.00

18.10.00

18.10.00

20.9.00

20.9.00

20.9.00

16.8.00

16.8.00

16.8.00

16.8.00

19.7.00

19.7.00

19.7.00

21.6.00

21.6.00

21.6.00

21.6.00

Abbildung 23:

Geschätzte Grenzkosten und Börsenpreise für jeden 3. Mittwoch im Monat von Juni 2000 bis Dezember 2000197

Man erkennt in Abbildung 24, dass für einen Großteil des Preisanstiegs seit 2000 fundamentale Faktoren verantwortlich sind. Im Jahr 2005 verursachen allein die CO2-Zertifikate einen Preisanstieg von 13,70 €/MWh, die gestiegenen Brennstoffpreise machen noch zusätzlich 6,50 €/MWh aus. Man sieht außerdem, dass die Marktmacht sowohl relativ als auch absolut im Jahr 2003 am höchsten war. Der Aufschlag auf die Grenzkosten fiel im Jahr 2004 auf 4,50€ und stieg dann im Jahr 2005 auf 8,00€. Prozentual blieb der Aufschlag allerdings in beiden Jahren fast gleich (17% im Jahr 2004 und 20% im Jahr 2005). 197

Entnommen: Lang, Schwarz (2006), S. 10

6 Quantifizierung von Marktmacht am dt. Stromerzeugungsmarkt

60

Marktmacht

€/MWh

50

81

CO2 Preiseffekt Brennstoffpreiseffekt 8.0

Grenzkosten mit Brennstoffpreisen von 2000

40

13.7

9.7

30

4.5 2.1

0.4

6.5

20

10

23.5

23.4

2. HJ 2003

2004

20.0

0

Abbildung 24:

2005

Einfluss verschiedener Faktoren auf den Strompreis198

In Abbildung 25 werden die EEX-Preise von Juli 2003 den geschätzten Grenzkosten gegenübergestellt. Auch hier wurde jeder Tag berücksichtigt. Aus Darstellungsgründen wurden aus den Daten gleitende Durchschnitte generiert. Hier zeigt die Preis-Kosten-Marge ein differenzierteres Bild: Auch hier ist 2003 die Marktmacht relativ groß, sinkt 2004 und ist dann sehr stabil. 2005 hingegen sind die Aufschläge zunächst nahe bei Null und steigen im März zum ersten Mal. Bis Ende April fallen die Aufschläge wieder gegen Null, um dann im Juli wieder anzusteigen. Im Dezember schließlich erreicht der prozentuale Aufschlag fast 50%. Eine mögliche Erklärung für dieses überraschende Ergebnis könnte sein, dass sich die Stromproduzenten 2005 in einem strategischen Dilemma befanden. Einerseits sind RWE und E.ON groß genug um tagsüber hohe Aufschläge auf die Grenzkosten nehmen zu können, wie Oligopol-Modellrechnungen in Kapitel 7 zeigen. Andererseits wurde darüber spekuliert, dass 2005 das Basisjahr für die zweite Handelsperiode werden könnte. Tatsächlich wurde 2005 auch Basisjahr für die kommende Handelsperiode. Das bedeutet, wenn ein Produzent im Jahr 2005 viel CO2 emittiert hat, bekommt er 2008 bis 2012 mehr Zertifikate zugeteilt. Strategisch ergibt sich hier also ein Gefangenendilemma. Wenn sich alle Produzenten für eine Ausweitung der Produktion entscheiden, bekommt niemand eine größere Menge Zertifikate; nur wenn sich

198

Entnommen: Lang, Schwarz (2006), S. 10

6 Quantifizierung von Marktmacht am dt. Stromerzeugungsmarkt

82

lediglich einer dazu entschließt, kann er seine Position verbessern. Möglicherweise wechselten die Anbieter ihre Strategien während des Jahres.

€/MWh

100 90 80

EEX gleitender Monatsdurchschnitt Geschätzte Grenzkosten gleitender Monatsdurchschnitt

70 60 50 40 30 20 10

Abbildung 25:

30.11.2005

30.09.2005

31.07.2005

31.05.2005

31.03.2005

31.01.2005

30.11.2004

30.09.2004

31.07.2004

31.05.2004

31.03.2004

31.01.2004

30.11.2003

30.09.2003

31.07.2003

0

Gleitender Monatsdurchschnitt der EEX und gleitender Monatsdurchschnitt der geschätzten Grenzkosten199

Tabelle 17 zeigt die Ergebnisse einer einfachen Regression zwischen den EEX-Preisen als abhängiger Variable und den geschätzten Grenzkosten als unabhängiger Variable. Die Regression wurde sowohl für das Mittwochsmodell als auch für das Modell, in dem alle Tage berücksichtigt sind, durchgeführt. Des Weiteren wurden die Regressionsrechnungen für beide Modelle mit und ohne Fly-Ups200 durchgeführt, denn einen Fly-Up kann ein Grenzkostenmodell nicht treffen.201 Wenn Grenzkostenpreisbildung zuträfe, würden im Idealfall die Konstante bei 0 und die Steigung bei 1 liegen. Für das Jahr 2000 ist das zumindest ansatzweise der Fall. Die Konstante ist -1,89 und die Steigung 1,01. Das bereinigte Bestimmtheitsmaß ist mit 0,82 relativ hoch. Aufgrund der größeren Aufschläge und des Auftretens von Fly-Ups ist das Bestimmtheitsmaß in den folgenden Jahren niedriger. Mit Ausnahme von 2001 ist das Bestimmtheitsmaß in den 199

Entnommen: Lang, Schwarz (2006), S. 10 Ein Fly-Up ist ein Strompreis, der über den Grenzkosten des teuersten deutschen Kraftwerks liegt. Dies ist nach IWEN-Datenbank ein Heizölkraftwerk mit einem Nettowirkungsgrad von 25%. Preise, die über den Grenzkosten dieses Kraftwerks liegen, kann ein Fundamentalmodell nicht treffen. 201 Vgl.: Lang, Schwarz, Kähler (2006), S. 46-51 und Kapitel 8.1 dieser Arbeit 200

6 Quantifizierung von Marktmacht am dt. Stromerzeugungsmarkt

83

Regressionen ohne Fly-Ups höher. 2004 ist das Bestimmtheitsmaß relativ hoch, da keine FlyUps aufgetreten sind und die Marge über die Monate und Stunden sehr stabil war. Tabelle 17: Konstante

Regression zwischen den EEX-Preisen und den geschätzten Grenzkosten202 Std. SteiStd. Fehler gung Fehler 3. Mittwoche jedes Monats

Bereinigtes R2

Konstante

Std. SteiStd. BereiFehler gung Fehler nigtes R2 3. Mittwoche jedes Monats ohne Fly-Ups

II/2000

-1,89

0,79

1,01

0,03

0,82

-1,89

0,79

1,01

0,03

0,82

2001

0,70

3,27

0,88

0,13

0,54

3,93

1,90

0,76

0,07

0,47

2002

9,96

3,73

0,67

0,15

0,10

9,50

2,83

0,61

0,10

0,39

2003

1,88

5,41

1,31

0,28

0,29

5,12

4,08

1,12

0,20

0,31

2004

1,68

1,99

1,15

0,07

0,76

1,68

1,,99

1,15

0,07

0,76

2005

-23,86

8,21

1,66

0,21

0,58

-23,86

8,,21

1,66

0,21

0,58

Alle Tage

Alle Tage ohne Fly-Ups

II/2003

-4,30

2,14

1,58

0,11

0,42

1,40

0,94

1,27

0,04

0,66

2004

4,23

0,90

1,00

0,04

0,64

4,36

0,88

0,99

0,04

0,65

2005

-24,37

2,58

1,78

0,07

0,33

-18,55

1,72

1,60

0,05

0,46

€/MWh

160 140 120 100

Grenzkosten 04 EEX 04

80 60 40 20 0 1

507 1013 1519 2025 2531 3037 3543 4049 4555 5061 5567 6073 6579 7085 7591 8097 8603

Abbildung 26:

Jahrespreislinie 2004 mit dazugehörigen geschätzten Grenzkosten203

Den starken Unterschied in der Preisbildung in den Jahren 2004 und 2005 sieht man gut in den Abbildungen 26 und 27. In diesen wurden die Börsenpreise nach absteigender Reihenfol202 203

Entnommen: Lang, Schwarz (2006), S. 9 Eigene Darstellung

6 Quantifizierung von Marktmacht am dt. Stromerzeugungsmarkt

84

ge sortiert und zusammen mit den zeitgleichen geschätzten Grenzkosten als so genannte Jahrespreislinie dargestellt. Hier zeigt sich, dass die Grenzkosten 2004 stärker um die tatsächlichen Börsenpreise pendeln als 2005.

€/MWh

600

500

400

EEX 05 Grenzkosten 05

300

200

100

0 1

Abbildung 27:

474 947 1420 1893 2366 2839 3312 3785 4258 4731 5204 5677 6150 6623 7096 7569 8042 8515

Jahrespreislinie 2005 mit dazugehörigen geschätzten Grenzkosten204

6.4.1 Stündliche Preisaufschläge

Die Abbildungen 28 und 29 zeigen die stündlichen Aufschläge auf die Grenzkosten im Mittwochsmodell und im Modell für alle Tage. Die Aufschläge waren im Jahr 2000 und 2001 ziemlich stabil. Die Modellberechnungen weisen sogar darauf hin, dass die Börsenpreise knapp unter den Grenzkosten lagen, zumindest für alle Stunden außer 12 und 19 Uhr, den beiden Spitzenlaststunden. Im Jahr 2002 änderte sich dies. Die Preise lagen nur noch bis 5 Uhr früh und nach 17 Uhr nahe an den Grenzkosten. Zwischen 6 Uhr und 16 Uhr waren die Aufschläge relativ hoch, mit einem Maximum um 12 Uhr. Diese starken Aufschläge können zum Teil durch das Auftreten von Fly-Ups am 19.6.2002 um 11, 12, 13 und 14 Uhr erklärt werden. 2003 waren die Aufschläge in allen Stunden hoch, außer zwischen 3 und 6 Uhr. Das Maximum der stündlichen Preis-Grenzkostenmarge wurde nach dem Mittwochsmodell um 19 Uhr erreicht, nach dem Alle-Tage-Modell um 12 Uhr. Ursächlich für diesen Unterschied ist, dass das Modell für alle Tage nur die zweite Jahreshälfte berücksichtigt und hier die Wintermonate Januar und Febru204

Eigene Darstellung

6 Quantifizierung von Marktmacht am dt. Stromerzeugungsmarkt

85

ar fehlen. Wenn man die Fly-Ups aus der Analyse ausschließt, waren die Aufschläge zwischen 8 Uhr und 24 Uhr sehr stabil und lagen bei 10 €/MWh. 2004 waren die Aufschläge ebenfalls stabil und lagen zwischen 5 und 7 €/MWh. Da 2004 kaum Fly-Ups auftraten, spielt deren Ausschluss aus der Analyse keine Rolle. Im Gegensatz zu 2004 zeigen die Modellberechnungen für 2005 eine negative Marge zwischen 2 Uhr und 7 Uhr. Zwischen 8 Uhr und 21 Uhr lagen die Aufschläge zwischen 10 und 15 €/MWh. Wenn man hier wieder die Fly-Ups aus der Mittelwertberechnung ausschließt, sind die Grenzkostenaufschläge sehr stabil. Sie lagen wie 2003 bei ca. 10 €/MWh. Allerdings zeigen die hohen Standardabweichungen im Jahr 2005, dass die Aufschläge über die Monate stark fluktuiert haben.

30

Aufschlag 00 Aufschlag 01 Aufschlag 02 Aufschlag 03 Aufschlag 04 Aufschlag 05

€/MWh

25 20 15 10 5 0 -5

Stunden -10 1

2

Abbildung 28:

3

4

5

6

7

8

9

10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Stündliche Preisaufschläge mit und ohne Fly-Ups – 2000 bis 2005 (Mittwochsmodell)205

Die stabilen Aufschläge für 18 Stunden am Tag im Jahr 2004, bei Ausschluss der Fly-Ups auch im Jahr 2003 und für 14 Stunden bei Ausschluss von Fly-Ups im Jahr 2005, sind überraschend und widersprechen der typischen Annahme, dass die Aufschläge größer sind, wenn der Markt enger wird.206 Ein möglicher Erklärungsansatz könnte sein, dass die Stromproduzenten ihr Marktmachtpotential aus politischen Gründen nicht voll ausnutzen und sich stattdessen für stabile Aufschläge entscheiden.

205 206

Eigene Berechnungen Vgl.: Burns, Huggins, Lydon (2004)

6 Quantifizierung von Marktmacht am dt. Stromerzeugungsmarkt

86

Aufschlag 03

20

€/MWh

25

Aufschlag 04 Aufschlag 05 Aufschlag 03 ohne Fly-Ups Aufschlag 04 ohne Fly-Ups

15

Aufschlag 05 ohne Fly-Ups

10

5 Stunden

0 1

2

3

4

5

6

7

8

9

10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

-5

-10

Abbildung 29:

Stündliche Preisaufschläge mit und ohne Fly-Ups – II 2003 bis 2005 (alle Stunden)207

Dies bestätigen auch die Oligopolrechnungen in Kapitel 7. Bei diesen wurden wie bei Burns, Huggins und Lydon diskrete Strategien für die Anbieter getestet. Die gefundenen NashGleichgewichte waren weit über den historischen Börsenpreisen. Wolfram präsentierte ein ähnliches Ergebnis für den britischen Strommarkt für den Zeitraum zwischen 1992 und 1993.208 Auch sie kam zu dem Schluss, dass die Anbieter ihr Marktmachtpotential nicht voll ausnutzen. Ihre Erklärung war, dass damit Markteintritte oder regulatorische Eingriffe verhindern werden sollten.

207 208

Eigene Berechnungen Vgl.: Wolfram (1999)

6 Quantifizierung von Marktmacht am dt. Stromerzeugungsmarkt

50

Std. Abweichung 03

45

Std. Abweichung 04

87

Std. Abweichung 05

40

Std. Abweichung 03 ohne Fly-Ups Std. Abweichung 04 ohne Fly-Ups Std. Abweichung 05 ohne Fly-Ups

35 30 25

15 10

€/MWh

20

5 Stunden 0 1

2

Abbildung 30:

3

4

5

6

7

8

9

10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Standardabweichung der Preisaufschläge mit und ohne Fly-Ups – II 2003 bis 2005209

6.4.2 Ausgeübte Marktmacht durch Stilllegung von Kraftwerken

Eine weitere Möglichkeit für Stromproduzenten Marktmacht auszuüben ist es, Kraftwerkskapazität still zu legen. Diese Möglichkeit ist in Kapitel 2 bereits vorgestellt worden. Vorteil dieser Strategie ist, dass die normalen Marktmachtindikatoren, wie Lerner-Index oder PCMI, bei dieser Art von Strategie nicht greifen, da sich der Abstand zwischen Grenzkosten und Preis nicht verändert. Die Frage ist nun: Haben deutsche Stromproduzenten Kapazitäten stillgelegt und davon profitiert? Falls diese Frage positiv beantwortet wird, müsste überprüft werden, ob die stillgelegten Kraftwerke noch rentabel waren. Nur wenn dies der Fall ist, kann man von einem strategischen Ausnutzen von Marktmacht sprechen. In Tabelle 9 (Kapitel 5) sind die Abschaltungen der vier großen Anbieter aufgelistet. Allerdings sind hier u.a. auch die Abschaltungen vom Kernkraftwerk Stade und dem Braunkohlekraftwerk Arzberg enthalten. Stade musste aufgrund des vereinbarten Atomausstiegs abgeschaltet werden und Arzberg wegen der Erschöpfung der tschechischen Hartbraunkohlevorkommen. Bei beiden kann strategisches Verhalten also ex ante ausgeschlossen werden. Daher wird in Tabelle 18 die Kapazität aufgelistet, die potentiell aus strategischen Gründen stillgelegt worden sein könnte.

209

Eigene Berechnungen

6 Quantifizierung von Marktmacht am dt. Stromerzeugungsmarkt

88 Tabelle 18: Erdgas Steinkohle

Stillgelegte Kapazität der Verbundunternehmen in MW210 E.ON 252 1762

RWE 610 0

Vattenfall 1106 167

EnBW 0 0

Auffällig ist, dass insbesondere E.ON weit mehr Kapazität stillgelegt hat als die anderen Unternehmen. E.ON hat vor allem 1,76 GW Steinkohlekapazität stillgelegt. Gerade die Abschaltung von Mittellastkapazität „versteilt“ graphisch die Grenzkostenkurve. Um diesen Anfangsverdacht auf strategische Beeinflussung der Grenzkostenkurve zu falsifizieren, wurden diese Kraftwerke für einen weiteren Modell-Durchlauf für das Jahr 2005 wieder mit in das Grenzkostenmodell aufgenommen. Es wurden also Grenzkosten für den kontrafaktischen Fall geschätzt, dass diese Kraftwerke noch Strom produzieren würden. Vergleicht man die so geschätzten Grenzkosten mit den Grenzkosten, die das Modell für den faktischen Fall errechnet, so ist der Unterschied im gewichteten Jahresdurchschnitt von 0,50 €/MWh211 extrem gering. Die geschätzten Grenzkosten im kontrafaktischen Szenario liegen für das Jahr 2005 bei 39,77 €/MWh, im realen Szenario bei 40,27 €/MWh. Die Stilllegungen haben also die Grenzkosten beeinflusst, allerdings so minim, dass (zumindest erfolgreiches) strategisches Verhalten ausgeschlossen werden kann. Damit erübrigt sich auch die Frage, ob die stillgelegte Kapazität wirtschaftlich weiter zur Produktion nutzbar gewesen wäre.

6.4.3 Ausgeübte Marktmacht und Marktmachtindikatoren

Im folgenden Abschnitt soll untersucht werden, wie gut Marktmachtindikatoren wie der Residual Supply Index (RSI) ausgeübte Marktmacht vorhersagen. Der Herfindahl-HirschmanIndex lässt sich zwar auch für jede Stunde berechnen, allerdings ist die Produktionskonzentration und damit der HHI desto niedriger, je höher die Last ist. Dies liegt an der in Kapitel 5 und in Tabelle 10 dargestellten Produktionsstruktur in Deutschland: Die großen vier Stromproduzenten besitzen fast die gesamte Grundlast. Tagsüber, wenn die Last höher ist, produzieren auch andere Anbieter. Damit würde der stündliche HHI sinken, obwohl der Markt enger ist und, wie die Abbildungen für die stündlichen Preisaufschläge zeigen, die ausgeübte Marktmacht steigt. Damit eignet sich der stundenscharfe HHI in Deutschland nicht für die Prognose der tatsächlichen Marktmacht. Der RSI zeigt stundenscharf an, wie eng der Markt im Verhältnis zum dominanten Spieler ist.

210

Eigene Berechnungen nach IWEN-Kraftwerksdatenbank (2006) Berechnet wurde der Unterschied wie folgt: Mit der Last gewichteter Durchschnitt der Grenzkosten im kontrafaktischen Fall abzüglich der mit der Last gewichteten Grenzkosten im faktischen Fall. 211

6 Quantifizierung von Marktmacht am dt. Stromerzeugungsmarkt

89

Man sieht in Abbildung 15 im Unterkapitel 5.2, dass der RSI für E.ON im Jahr 2004 deutlich mehr Marktmacht vermuten lässt als für das Jahr 2005. Nach dem RSI ist die Kapazität von E.ON 2004 in 3701 Stunden zur Lastdeckung zwingend erforderlich, 2005 hingegen nur in 2217 Stunden.212 Dies führte im Unterkapitel 5.2 zur Hypothese, dass die Marktmacht 2004 tendenziell höher sein müsste als 2005. Wie im Kapitel 6.4 dargestellt, ist allerdings die ausgeübte Marktmacht 2004 niedriger als 2005. Die Falsifizierung der Hypothese für den Jahresdurchschnitt heißt aber nicht zwingend, dass der RSI nichts über tatsächliche Marktmacht aussagt. Falls er auf Stundenbasis mit den Aufschlägen auf die Grenzkosten korreliert, lässt sich durch Kopplung des RSIs mit dem Grenzkostenmodell möglicherweise ein verbessertes Preisprognosemodell mittels einer Regression konstruieren. Dieser Ansatz soll in Kapitel 8 vorgestellt werden. Zunächst sollen jedoch die Korrelationen zwischen RSI und Preis-Kosten-Marge (PCMI) vorgestellt werden. Die Korrelationen zwischen dem RSI und dem prozentualen Aufschlag auf die geschätzten Grenzkosten (PCMI) ist zwar signifikant, aber relativ gering, wie in Tabelle 19 dargestellt. Tabelle 19: RSI E.ON 05 RSI E.ON 04 RSI E.ON 03

Korrelation zwischen prozentualer Preis-Kosten-Marge und RSI213 Korrelation nach Pearson Signifikanz (2-seitig) Korrelation nach Pearson Signifikanz (2-seitig) Korrelation nach Pearson Signifikanz (2-seitig)

PCMI 05 -,316 ,000

PCMI 04

PCMI 03

-,126 ,000 -,132 ,000

Die Abbildung 31 zeigt graphisch den Zusammenhang zwischen dem RSI von E.ON und der tatsächlich ausgeübten Marktmacht. Trotz der relativ niedrigen Korrelation zwischen dem RSI und den Aufschlägen auf die Grenzkosten (Lerner-Index und PCMI) ist der Zusammenhang zwischen dem strukturellen Marktmachtindikator und tatsächlich ausgeübter Marktmacht statistisch signifikant. Um die Relevanz des RSIs noch genauer zu überprüfen, soll er in Kapitel 8 als unabhängige Variable für ein Preisprognosemodell herangezogen werden.

212

Ein ähnliches Bild würde sich bei RWE ergeben. E.ON und RWE sind fast gleich groß, daher können beide als pivotal-Spieler angesehen werden kann. Eigene Berechnungen

213

6 Quantifizierung von Marktmacht am dt. Stromerzeugungsmarkt

90

PCMI

1100% 900% 700% 500%

2

R = 0,1021

300% 100% RSI-E.ON

-100% 0

Abbildung 31:

6.5

0,5

1

1,5

2

2,5

3

3,5

4

RSI (E.ON) und tatsächlich ausgeübte Marktmacht (PCMI) 2005

Ausgeübte Marktmacht – Zusammenfassung

Ziel des Kapitels war es, die einzelnen Faktoren, die für den Strompreisanstieg auf Großhandelsebene in Deutschland verantwortlich sind, zu quantifizieren. Hierfür wurde ein gekoppeltes MIP/LP Modell verwendet. Die Modellergebnisse zeigen, dass für den Zeitraum 2000 bis 2005 fundamentale Faktoren den größeren Teil des Preisanstiegs erklären. Zusätzlich spielt Marktmacht ab 2003 eine Rolle. Der Aufschlag auf die Grenzkosten erhöhte sich 2003 relativ stark auf ca. 30%. 2004 und 2005 ging er auf 17 bis 20% zurück. Der durchschnittliche Aufschlag auf die Grenzkosten war 2005 in etwa der gleiche wie 2004, allerdings fluktuierte er viel stärker. Es gab Monate, in denen der Aufschlag mehr oder weniger Null betrug, in anderen war er sehr groß. Wie in Unterkapitel 6.4 diskutiert, waren die Erzeuger 2005 aufgrund der CO2-Allokation für die 2. Handelsperiode in einem strategischem Dilemma: Wenn 2005 Basisjahr für die nächste Handelsperiode würde, wäre es zumindest für einen Anbieter gut, seine Produktion auszuweiten um mehr Zertifikate zu erhalten. Diese Strategie ist allerdings nur solange vorteilhaft, wie lediglich ein Erzeuger sie anwendet. Stilllegungen von Kraftwerkskapazität als strategische Option, Marktmacht auszuüben, können aufgrund des geringen Effekts auf die Grenzkosten ausgeschlossen werden.

91

7

Quantifizierung potentieller Marktmacht – Oligopolmodell

Nachdem die tatsächlich ausgeübte Marktmacht in Kapitel 6 bestimmt wurde, stellt sich die Frage, wie hoch die potentielle Marktmacht ist. Für diese Fragestellung bieten sich Oligopolmodelle an. Mit ihnen kann die nicht kollusive Preisobergrenze bestimmt werden. Nach Twomey u.a. bieten sie sich für eine ex ante Analyse an und zählen zu den komplexesten Verfahren Marktmacht zu messen.214 Da die einzige Art von Oligopolmodellen in Stromerzeugungsmärkten, die je zur Preisprognose genutzt wurde, die von Burns, Higgins und Lydon ist, wurde deren Ansatz auf den deutschen Stromerzeugungsmarkt übertragen.215 Zunächst soll in Unterkapitel 7.1 das methodische Vorgehen beschrieben werden um dann in Unterkapitel 7.2 die Ergebnisse zu präsentieren. 7.3 schließlich fasst die Ergebnisse zusammen.

7.1

Methodisches Vorgehen

Grundlage des Oligopolmodells ist das Mittwochsmodell für vollkommenen Wettbewerb, das in Kapitel 6 vorgestellt wurde. Dies dient zur Schätzung der Grenzkosten. Dann wird den beiden größten Erzeugern in Deutschland, also E.ON und RWE, im Modell die Möglichkeit eingeräumt, Preisaufschläge auf ihre Grenzkosten zu tätigen. Der zugelassene Strategieraum ist allerdings diskret. E.ON und RWE können 0%, 33%, 66%...und 233% Aufschläge auf ihre Grenzkosten verlangen. Dies ist ihr Möglichkeitenraum im Modell. Alle anderen Erzeuger verhalten sich als Preisnehmer, bieten also mit ihren Grenzkosten. Durch diese Art der Modellierung kann mit einer unelastischen Nachfrage gerechnet werden und die Kraftwerke können blockscharf mit Anfahrkosten in das Modell integriert werden. Wie in Kapitel 2 bereits ausgeführt, überwiegen nach Ansicht des Verfassers die Vorteile, also Berücksichtigung von Anfahrkosten und unelastische Nachfrage, den Nachteil eines diskreten Strategieraums. Der Außenhandel bleibt wie in Kapitel 6 exogen vorgegeben. Aufgrund der Datenmengen, die das Modell produziert (8×8 mögliche Preise und 8×8×2 Produzentenrenten für jede Stunde), wurde auf Berechnungen für jeden Tag verzichtet, sondern es wurden nur Nash-Gleichgewichte für jede Stunde der dritten Mittwoche jedes Monats zwischen Juli 2000 und Dezember 2005 bestimmt. Aus den 64 Produzentenrenten für RWE und den 64 Produzentenrenten für E.ON wurden die Nash-Gleichgewichte mit den dazugehörigen Preisen gesucht. Falls es für manche Stunden mehrere Nash-Gleichgewichte gab, wurde das Gleichgewicht mit dem niedrigeren

214 215

Vgl.: Twomey u.a. (2004), S. 36 Vgl.: Burns, Higgins, Lydon (2004)

7 Quantifizierung potentieller Marktmacht – Oligopolmodell

92

Preis als plausibler angenommen, da man annehmen kann, dass sich die Spieler durch Versuch und Irrtum an ein Nash-Gleichgewicht herantasten. Für die 120 von 1608 Stunden, bei denen kein Nash-Gleichgewicht gefunden werden konnte, wurde angenommen, dass Grenzkostenpreisbildung die beste Strategie ist, auch wenn dies per Definition (da es vorher nicht als solches identifiziert werden konnte) auch kein Nash-Gleichgewicht sein kann.

7.2

Modellergebnisse

Die Nash-Gleichgewichte liegen weit über den tatsächlichen Börsenpreisen und den geschätzten Grenzkosten. Abbildung 32 zeigt die Börsenpreise, die geschätzten Grenzkosten und den Preis beim Nash-Gleichgewicht um 12 Uhr. Abbildung 33 stellt den gleichen Sachverhalt für 3 Uhr dar. Die Darstellung beschränkt sich aus Gründen der Übersichtlichkeit auf eine Höchst- und Minimallastzeit.

€/MWh

700 600

Nash-Gleichgewicht 12 Uhr 500

EEX 12 Uhr Grenzkosten 12 Uhr

400 300 200 100

21.9.05

21.12.05

21.6.05

21.3.05

21.9.04

21.12.04

21.6.04

21.3.04

21.9.03

21.12.03

21.6.03

21.3.03

21.12.02

21.9.02

21.6.02

21.3.02

21.12.01

21.9.01

21.6.01

21.3.01

21.9.00

Abbildung 32:

21.12.00

21.6.00

0

Börsenpreise, geschätzte Grenzkosten und Oligopolpreis um 12 Uhr für jeden dritten Mittwoch jedes Monats von 2000 bis 2005216

Die Abbildungen 34 und 35 zeigen die gewählten Strategien von E.ON und RWE für 3 und 12 Uhr. 216

Eigene Berechnungen

7 Quantifizierung potentieller Marktmacht – Oligopolmodell

93

€/MWh

80 70 60

Nash-Gleichgewicht 3 Uhr EEX 3 Uhr

50

Grenzkosten 3 Uhr 40 30 20 10

Abbildung 33:

21.9.05

21.12.05

21.6.05

21.3.05

21.12.04

21.9.04

21.6.04

21.3.04

21.9.03

21.12.03

21.6.03

21.3.03

21.9.02

21.12.02

21.6.02

21.3.02

21.12.01

21.9.01

21.6.01

21.3.01

21.9.00

21.12.00

21.6.00

0

Börsenpreise, geschätzte Grenzkosten und Oligopolpreis um 3 Uhr für jeden dritten Mittwoch jedes Monats von 2000-2005217

Prozentualer Aufschlag um 12 Uhr

250%

200%

150%

100%

50% E.ON RWE

Abbildung 34:

217 218

21.9.05

21.12.05

21.6.05

21.3.05

21.12.04

21.9.04

21.6.04

21.3.04

21.12.03

21.9.03

21.6.03

21.3.03

21.12.02

21.9.02

21.6.02

21.3.02

21.9.01

21.12.01

21.6.01

21.3.01

21.9.00

21.12.00

21.6.00

0%

Prozentuale Aufschläge von RWE und E.ON um 12 Uhr für jeden dritten Mittwoch jedes Monats von 2000 bis 2005218

Eigene Berechnungen Eigene Berechnungen

7 Quantifizierung potentieller Marktmacht – Oligopolmodell

94

Wie man sieht, könnten die beiden Spieler sogar um 3 Uhr hohe Aufschläge verlangen. Um 12 Uhr wird tendenziell die Ecklösung von 233% Aufschlag auf die Grenzkosten gewählt.

Prozentualer Aufschlag um 3 Uhr

250%

200% RWE E.ON 150%

100%

50%

Abbildung 35:

21.9.05

21.12.05

21.6.05

21.3.05

21.9.04

21.12.04

21.6.04

21.3.04

21.12.03

21.9.03

21.6.03

21.3.03

21.9.02

21.12.02

21.6.02

21.3.02

21.9.01

21.12.01

21.6.01

21.3.01

21.9.00

21.12.00

21.6.00

0%

Prozentuale Aufschläge von RWE und E.ON um 3 Uhr für jeden dritten Mittwoch jedes Monats von 2000 bis 2005219

Dies deutet darauf hin, dass die obere Grenze des Strategieraums zu niedrig angesetzt wurde. Die kurzfristige potentielle Marktmacht ist also extrem hoch. Tabelle 20 gibt einen Überblick über die potentielle tagesdurchschnittliche Marktmacht für die dritten Mittwoche jedes Monats des Jahres 2005. Sowohl Tabelle 20 als auch die Abbildungen 34 und 35 machen deutlich, dass die potentielle Marktmacht in Deutschland nicht ausgenutzt wird und daher auch das Oligopolmodell nicht die Börsenpreise trifft – im Gegensatz zum Modell von Burns, Higgins und Lydon für den Markt für England/Wales. Die Gründe, warum das Oligopolmodell für den deutschen Markt nicht die Börsenpreise trifft, sollen nun diskutiert werden.

219

Eigene Berechnungen

7 Quantifizierung potentieller Marktmacht – Oligopolmodell

Tabelle 20: 19.01.2005 16.02.2005 16.03.2005 20.04.2005 16.05.2005 15.06.2005 20.07.2005 17.08.2005 21.09.2005 19.10.2005 16.11.2005 21.12.2005

95

Börsen-Tagesdurchschnitt und tagesdurchschnittlicher Oligopolpreis220 Oligopolpreis 78 110 99 82 155 176 151 137 174 145 143 226

EEX 28 37 29 36 35 40 35 34 42 42 45 37

Oligopolpreis-EEX 45 73 64 43 112 129 103 89 126 95 94 171

Gründe für die zu hohen Oligopolpreise

Der erste Grund, warum das Oligopolmodell die Börsenpreise nicht trifft, liegt an der Modellierung des Außenhandels. Würden die beiden Spieler ihre potentielle Marktmacht konstant ausnutzen, würden sich massive Verschiebungen beim Außenhandel ergeben. So würden ausländische Konkurrenten ab Tag 2 der Ausnutzung der potentiellen Marktmacht massiv in den deutschen Strommarkt importieren. D.h. für ein adäquateres Oligopolmodell müsste der europäische Gesamtmarkt modelliert werden. Es wäre dann aufgrund der Größe der Electricité de France (EdF) aber immer noch möglich, dass zu hohe Oligopolpreise berechnet werden. Allerdings erscheint ein exogen statistisch geschätzter Außenhandel wie in dem Modell für vollkommenen Wettbewerb bei diesen extremen Oligopolpreisen nicht mehr als adäquate Art der Modellierung. Die Spieler am deutschen Markt könnten nur kurzfristig und stochastisch aufgrund des kontinentaleuropäischen Außenhandelsregimes, das in Kapitel 4 diskutiert wurde, diese extremen Preise durchsetzen, wie auch das Unterkapitel 8.1 über Fly-Ups zeigen wird. Der zweite Grund, warum das hier vorgestellte Oligopolmodell keine Preise in der Nähe der Börsenpreise liefert, könnte die Komplexität des Problems für die Spieler sein. Da sich sowohl die Nachfrage als auch die Verfügbarkeit von Kraftwerkskapazität und der Außenhandel stündlich ändert, kann das Umfeld für die strategischen Spieler als relativ instabil angesehen werden. Somit liegt schon in dem instabilen Umfeld ein Grund, warum ein NashGleichgewicht relativ schwierig zu erreichen ist. Des Weiteren besteht natürlich Unsicherheit um das jeweilige Verhalten des Konkurrenten. Da die Versteigerung täglich für den Spotmarkt erfolgt, können beide ihr Verhalten jeden Tag ändern.

220

Eigene Berechnungen

7 Quantifizierung potentieller Marktmacht – Oligopolmodell

96

Der dritte Grund, warum das hier vorgestellte Oligopolmodell keine Preise in der Nähe der Börsenpreise liefert, ist: Selbst wenn die Spieler die Strategie des jeweils anderen abschätzen könnten, ist es für sie immer noch nicht einfach, zum Nash-Gleichgewicht zu gelangen. Der Grund hierfür ist folgender: Die Auszahlungen für die verschiedenen Strategien steigen nicht monoton an, sondern verlaufen häufig wellenförmig, wie in Abbildung 36 dargestellt. Wenn die Spieler also ihre bestmögliche Strategie bei gegebener Entscheidung (im Fall der Abbildung 36: 33% Aufschlag des jeweils anderen) des anderen treffen wollen, so können sie dorthin nicht durch Herantasten gelangen. Dies wäre eigentlich für die Praxis das einfachste Mittel, Nash-Gleichgewichte zu finden. Man erhöht leicht die Aufschläge und analysiert dann, ob man profitiert hat. Hat man profitiert, erhöht man die Aufschläge, bis sie wieder fallen. Dieses Versuchs- und Irrtumsverfahren führt die beiden Spieler aber nur zu einem lokalen NashGleichgewicht. In dem vorgestellten Oligopolmodell wurden aber nur globale NashGleichgewichte bestimmt. Wie man in Abbildung 36 sieht, haben sowohl RWE als auch E.ON ein lokales Nash-Gleichgewicht bei 33% Aufschlag auf ihre Grenzkosten. Aufgrund des Verlaufs der Produzentenrente für RWE erscheint es zweifelhaft, ob RWE sein globales Nash-Gleichgewicht bei 200% Aufschlag finden kann.

€

1 200 000 1 000 000

800 000 E.ON Produzentenrente

600 000

RWE Produzentenrente

400 000

200 000 0 0%

Abbildung 36:

221

33%

66%

100%

133%

166%

200%

233%

Produzentenrenten für E.ON und RWE am 16.03.2005 um 12 Uhr bei jeweils 33%-igem Aufschlag auf die Grenzkosten des jeweils anderen221

Eigene Berechnungen

7 Quantifizierung potentieller Marktmacht – Oligopolmodell

97

Diese wellenförmig verlaufenden Produzentenrenten machen es extrem schwierig für die Spieler, ihr globales Nash-Gleichgewicht zu finden. Eine Schlussfolgerung hieraus ist, dass es wahrscheinlicher ist, dass sich am Strommarkt tendenziell eher lokale Nash-Gleichgewichte einstellen. Der vierte Grund für die Zurückhaltung bei der Ausnutzung potentieller Marktmacht ist die Furcht vor Markteintritten. Ab einem gewissen Preisniveau können leicht die Vollkosten für Steinkohle- und GuD-Kraftwerke verdient werden. Möglicherweise nutzen E.ON und RWE auch daher ihre kurzfristige potentielle Markmacht selten aus. Der fünfte Grund für die relativ gering ausgenutzte potentielle Marktmacht könnte der drohende Konkurs der Weiterverteiler sein. Wenn RWE und E.ON ihre potentielle Marktmacht voll ausnutzen würden, würde es einige Zeit dauern, bis die Stadtwerke ihre hohen Einkaufspreise am Spotmarkt an die Endkunden weitergeben könnten. Dies liegt daran, dass die Stadtwerke mit ihren Endkunden eher längerfristige Verträge haben. Würden RWE und E.ON den Strategiewechsel sehr schnell vollziehen, könnten sie wegen der Konkurse der Stadtwerke auf ihren Forderungen sitzen bleiben. Daher wäre es für die beiden Spieler sinnvoller, die Margen nur langsam in die Höhe zu treiben. Der letzte Grund für das nur mäßige Ausnutzen potentieller Marktmacht im Vergleich zu dem Strommarkt von England/Wales222 hängt mit der Marktstruktur zusammen. Wie die RSIBerechnungen zeigen, die in Abbildung 16 dargestellt sind, ist RWE in 2855 Stunden im Jahr zwingend notwendig zur Lastdeckung. In diesen Stunden könnte RWE theoretisch Preise von unendlich verlangen. Würden RWE oder E.ON ihre potentielle Marktmacht ausnutzen, wären regulatorische Eingriffe von staatlicher Seite zu erwarten. In Großbritannien sind die größten Spieler im Vergleich zum relevanten Markt viel kleiner und haben damit weniger potentielle Marktmacht, die sie aber, wie Burns, Higgins und Lydon gezeigt haben, deutlich stärker ausnutzen. Möglicherweise führt die deutsche Marktstruktur mit ihrer hohen Konzentration dazu, dass die Spieler nicht kurzfristig die Gewinne maximieren, sondern aus Furcht vor regulatorischen Eingriffen eher langfristig optimieren.

7.3

Oligopolmodell – Zusammenfassung

In Kapitel 7 wurde ein relativ realitätsnahes Oligopolmodell des deutschen Strommarktes vorgestellt. Es konnte gezeigt werden, dass die kurzfristige potentielle Marktmacht selten in voller Höhe ausgenutzt wird. Dies liegt zum einen an der Komplexität des Problems für die 222

Vgl.: Burns, Higgins, Lydon (2004)

98

7 Quantifizierung potentieller Marktmacht – Oligopolmodell

Spieler und zum anderen an den wohl befürchteten Reaktionen des Außenhandels und des Staates. Als Ergebnis muss festgehalten werden, dass das hier vorgestellte deutsche Oligopolmodell nicht zur Preisprognose tauglich ist. Ob es ein europäisches Oligopolmodell wäre, bleibt aufgrund der Größe und der Kapazitätsstruktur der EdF zweifelhaft. Es ist auch unklar, welche Zielfunktion ein Staatsunternehmen wie die EdF hat. Da die Ergebnisse des deutschen Oligopolmodells nicht dem Qualitätsmaßstab „Prognosefähigkeit“ entsprechen, werden sie auch nicht in dem Preisprognosemodell in Kapitel 8 berücksichtigt.

99

8

Preisprognosen für den Spotmarkt

Ein Evaluationsmaßstab für die verschiedenen Methoden Marktmacht zu messen ist in dieser Arbeit ihre Fähigkeit, Preise zu prognostizieren. Nur so kann überprüft werden, welche empirische Relevanz die einzelnen Methoden haben. In Kapitel 8 sollen zwei Marktmachtindikatoren, die sich in dieser Arbeit als brauchbar erwiesen haben (geschätzte Grenzkosten und RSI), als unabhängige Variablen in einem Regressionsmodell zur Preisschätzung verwendet werden. Allerdings hat sich gezeigt, dass sich damit die extremen Preisspitzen an der EEX nicht vorhersagen lassen. Dies liegt daran, dass die potentielle Marktmacht im deutschen Stromerzeugungsmarkt nur sporadisch ausgenutzt wird. Damit haben alle fundamentalen Modelle für den Erzeugungsmarkt strukturelle Probleme bei der Prognose dieser Preisspitzen. Daher soll zunächst in Unterkapitel 8.1 eine ökonometrische Modellierung dieser Preisspitzen vorgestellt werden. Hier werden Wahrscheinlichkeiten für diese Preisspitzen berechnet. Die Theorie dahinter ist, dass die Produzenten ihre hohe potentielle Marktmacht – möglicherweise aus Furcht vor Reregulierung – nur ausnutzen, wenn der Markt besonders eng ist.223 Die ökonometrisch geschätzten Wahrscheinlichkeiten für Preisspitzen gehen als dritte erklärende Variable, neben den geschätzten Grenzkosten und dem RSI, in das Prognosemodell ein. Diese geschätzten Wahrscheinlichkeiten stellen zwar keinen Marktmachtindikator dar, erwiesen sich aber als hinreichend, die extremen Preisspitzen zu erfassen.

8.1

Analyse von Fly-Ups am Spotmarkt der EEX

8.1.1 Einführung in die Fly-Up-Problematik

Am Spotmarkt der Leipziger Strombörse tauchen unregelmäßig Börsenpreise auf, die weit über den Grenzkosten der Stromerzeugung liegen. So kostete eine Megawattstunde Strom am 7. November 2006 über 2400 € und damit fast das 50-fache des Durchschnittspreises am Spotmarkt der EEX. Ursache für die extremen Preisspitzen (sogenannte Fly-Ups) können überraschende Kraftwerksausfälle bei gleichzeitig hoher Kapazitätsauslastung sein. Das Auftreten von Fly-Ups wurde, zumindest bis vor kurzem, durch die Intransparenz bezüglich der verfügbaren Kraftwerkskapazitäten begünstigt. Zudem wirkt das zentraleuropäische Marktdesign förderlich, das durch getrennte Spotmärkte und explizite Auktionen an den Kuppelstellen zum Ausland gekennzeichnet ist. 223

Die Preisspitzen müssen nicht strategisch intendiert sein, sie könnten sich aufgrund der geringen Nachfrageelastizitäten auch zufällig ergeben. Nichtsdestotrotz handelt es sich bei diesen Preisspitzen um Stunden, in denen eine hohe Marktmacht ausgeübt wird.

100

8 Preisprognosen für den Spotmarkt

Für die Prognose von Spotmarktpreisen bieten sich grundsätzlich drei methodische Ansätze an. Man kann die Preise, wie beispielsweise Borchert, mittels Regressionsanalyse schätzen.224 Ein anderes ökonometrisches Verfahren ist die Zeitreihenanalyse. Dieses führte sowohl Ebert225 als auch Swider für verschiedene europäische Strombörsen durch.226 Als letztes Verfahren sind Grenzkostenmodelle, wie in Kapitel 6 vorgestellt, zu nennen. Alle drei Verfahren unterschätzen allerdings Extremwerte, also die extremen Preisspitzen an der Strombörse. Das hier vorliegende Kapitel baut auf der Untersuchung von Lang, Schwarz und Kähler aus dem Jahr 2006 auf.227 Ziel dieses Kapitels ist es, die Extremwerte zu erklären, da diese mit der Methodik des Kapitels 6 nicht erklärt werden konnten. Hierfür wird als alternative ökonometrische Methode das Probit-Modell verwendet. Dieses Modell hat den Nachteil, dass die abhängige Variable „Strompreise“ in eine binäre Form („Fly-Up“ oder „kein Fly-Up“) transformiert wird und in Folge dessen Informationen verloren gehen. Auf der anderen Seite können Extremwerte einen verzerrenden Einfluss auf die empirischen Ergebnisse haben. In der statistischen Analyse wählt man daher oft so genannte robuste Verfahren, um den Effekt von Ausreißerwerten zu mindern oder auszuschalten. In diesem Sinne ist auch die Dichotomisierung der Preisvariablen eine Methode, um statistische Robustheit zu erzielen. Das Kapitel ist wie folgt gegliedert: Zunächst werden in Abschnitt 8.1.2 die Börsenpreise definiert, die als Fly-Ups angesehen werden. Dann werden in Abschnitt 8.1.3 die Ursachen von Fly-Ups skizziert, und ihre Abhängigkeit vom Marktdesign wird dargestellt. Abschnitt 8.1.4 stellt sowohl den Ansatz der Probit-Modelle als auch die erklärenden Variablen vor. In Abschnitt 8.1.5 werden dann die Ergebnisse des Probit-Modells diskutiert, bevor in Abschnitt 8.1.6 die Ergebnisse kurz zusammengefasst werden.

8.1.2 Definition von Fly-Ups

Die Börsenpreise an der EEX schwanken stark im tages- und jahreszeitlichen Verlauf. Sie liegen teilweise bei den Grenzkosten und tagsüber meist darüber, wie die Modellrechnungen in Kapitel 6 gezeigt haben. Allerdings werden Börsenpreise oberhalb der aktuellen Grenzkosten noch nicht automatisch als Fly-Ups angesehen. Als Fly-Ups werden im Folgenden nur Börsenpreise bezeichnet, die über den Grenzkosten des teuersten deutschen Kraftwerks liegen. Dies ist nach der IWEN-Datenbank ein Heizölkraftwerk mit einem elektrischen Nettowirkungsgrad von 25%. Die Grenzkosten für dieses Kraftwerk werden, wie in Kapitel 6, mit den 224

Vgl.: Borchert (2003), S. 34-42 Vgl. Ebert (2005), S. 69 Vgl.: Swider (2006) 227 Vgl.: Lang, Schwarz, Kähler (2006), S. 46-51 225 226

8 Preisprognosen für den Spotmarkt

101

Gleichungen 8, 10 und 11 berechnet. Alle Börsenpreise, die oberhalb dieser Grenzkosten liegen, werden als Fly-Ups definiert. Sowohl stündliche Börsenpreise als auch die berechneten Fly-Up-Grenzen sind für den Zeitraum vom 1. Januar 2005 bis zum 21. November 2006 in Abbildung 37 dargestellt.

€/MWh

2500

2000

1500

1000

500

05 rz .0 Ap 5 r. 0 M 5 ai .0 Ju 5 n. 0 Ju 5 l. 0 Au 5 g. 05 Se p. 0 O 5 kt .0 5 N ov .0 5 D ez .0 Ja 5 n. 0 Fe 6 b. 0 M 6 rz .0 Ap 6 r. 0 M 6 ai .0 Ju 6 n. 06 Ju l. Au 0 6 g. 0 Se 6 p. 0 O 6 kt .0 6 N ov .0 6 M

b.

Fe

Ja

n.

05

0

Abbildung 37:

Börsenpreis am Spotmarkt der EEX und Fly-Up-Grenze228

Wie aus Abbildung 37 ersichtlich ist, sind Fly-Ups selten. Sie treten bei 16558 stündlichen Börsenpreisen insgesamt nur 101 mal auf, ohne jedoch ein saisonales Muster aufzuweisen. Sie kommen sowohl im Sommer als auch in den Übergangszeiten und im Winter vor.

8.1.3 Theoretische Überlegungen und deskriptive Einführung

Am Spotmarkt werden die Preise – wie an jedem anderen Markt – durch Angebot und Nachfrage bestimmt. Das Angebot leitet sich aus den Grenzkosten der Kraftwerke ab. Die Nachfrage kann, wie bereits in Kapitel 6 diskutiert, als Last definiert werden. Der überraschende Ausfall von Kraftwerkskapazität in Stunden, in denen die Kapazitätsauslastung hoch ist, führt zu relativ starken Preisausschlägen nach oben. Dieser Effekt ist am Strommarkt auch deswegen so stark, weil die Nachfrage kurzfristig unelastisch ist. Im Prinzip hat die vorhandene Kapazität in Deutschland bei jedem Fly-Up ausgereicht, um die Last zu decken – sonst hätte es 228

Eigene Darstellung

102

8 Preisprognosen für den Spotmarkt

Stromausfälle gegeben. Allerdings war zu diesem Zeitpunkt das Angebot an Kapazität an der Börse überraschend knapp. Seit dem 10. April 2006 hat die Intransparenz bei der verfügbaren Kraftwerkskapazität etwas abgenommen, da diese seitdem auf der Internetseite der EEX veröffentlicht werden.229 Es werden aber nur die nach Energieträgern aggregierten verfügbaren Kapazitäten und nicht die verfügbaren Kapazitäten der einzelnen Kraftwerke veröffentlicht. Auch sind nicht alle Kraftwerke erfasst, und die Veränderung der Anzahl der Kraftwerke verhindert die Bildung einer konsistenten Zeitreihe. Somit ist es auch nicht überraschend, dass Fly-Ups auch nach dem 10. April 2006 auftauchen. Das zentraleuropäische Marktdesign begünstigt extreme Preisspitzen, da zum einen die Spotmärkte getrennt sind und es zum anderen auch keinen laufenden Handel für Spotprodukte gibt. So gibt es in den zentraleuropäischen Ländern nur eine Versteigerung am Tag (um 12 Uhr in Deutschland und um 11 Uhr in Frankreich). Will ein Händler Strom von Frankreich nach Deutschland verkaufen, muss er im Voraus auf die Preisdifferenz zwischen der EEX und Powernext230 wetten sowie Kuppelstellenkapazität ersteigern. Wie Abbildung 8 in Kapitel 4 zeigt, gelingt dies den Stromhändlern nur mit sehr mäßigem Erfolg. Die Probleme, die durch die getrennten Spotmärkte in Zentraleuropa entstehen, sind in Kapitel 4 ausführlich diskutiert worden. Wenn die deutschen Fly-Ups zumindest ansatzweise von den Stromhändlern antizipiert werden, müsste der Strompreis in Frankreich in den deutschen Fly-Up-Stunden tendenziell erhöht sein. Abbildung 38 zeigt sowohl den deutschen als auch den französischen Börsenpreis. Es ist zunächst auffallend, dass trotz Fly-Ups in Deutschland die französischen Preise zum Teil relativ niedrig sind. Um die Auswirkungen des Stromaußenhandels auf die deutschen Preise noch genauer zu fassen, wird in Abbildung 39 für die 101 deutschen Fly-UpStunden die prozentuale Abweichung des französischen Spotpreises vom gleitenden 30Tages-Stundendurchschnitt dargestellt. Zur Erläuterung: In Deutschland kam es beispielsweise am 2.3.2005 um 19 Uhr zu einem Fly-Up. Lag nun der Börsenpreis in Frankreich zeitgleich über dem 30-Tagesdurchschnitt für Strom in Frankreich um 19 Uhr, dann sind entweder fundamentale Faktoren für den Fly-Up in Deutschland verantwortlich, die beide Länder gleichzeitig treffen, oder die Stromhändler antizipierten den Fly-Up zumindest im Ansatz. Liegt der Börsenpreis in Frankreich unterhalb des 30-Tage-Stundendurchschnitts, dann wurde der Fly-Up in Deutschland überhaupt nicht antizipiert. Bei 99 von 101 deutschen Fly-Ups liegt der französische Börsenpreis zeitgleich oberhalb und bei 2 unterhalb seines 30-TageStundendurchschnitts. Bei 5 deutschen Fly-Ups liegt der französische Börsenpreis nur 10% über seinem 30-Tage-Stundendurchschnitt. Das macht deutlich, dass von einem dämpfenden Einfluss des Außenhandels auf die deutschen Börsenpreise zu Fly-Up-Stunden nur partiell ge229 230

Pressemitteilung der EEX vom 6.April 2006 Französische Strombörse

8 Preisprognosen für den Spotmarkt

103

sprochen werden kann. Anders ausgedrückt: Die extremen Preisspitzen werden nur unvollkommen antizipiert. Allerdings stellt dieses Ergebnis eine deutliche Verbesserung gegenüber der Untersuchung des gleichen Sachverhalts für den Zeitraum Juli 2004 bis Januar 2006 durch Lang, Schwarz und Kähler dar.231 Hier lag der französische Börsenpreis in 34 von 65 unterhalb des 30-Tage-Stundendurchschnitts. Wie bereits erwähnt ist das Außenhandelsmarktdesign in Zentraleuropa nicht in der Lage, einen stündlichen Preisausgleich herbei zu führen und damit die Wahrscheinlichkeit von Fly-Ups zu senken.

€/MWh

2500

2000

1500 EEX Powernext Fly-Up-Grenze 1000

500

0 101

97

93

89

85

81

77

73

69

65

61

57

53

49

45

41

37

33

29

25

21

17

13

9

5

1

Abbildung 38:

Deutscher und französischer Börsenpreis in den 101 deutschen Fly-Up-Stunden232

Das Market-Coupling-Regime des Nordpools in Skandinavien ist hier erfolgreicher.233 Zwar gibt es relativ häufig Netzengpässe zwischen den einzelnen Nordpool-Regionen, trotzdem senkt das Marktet-Coupling-Regime die Wahrscheinlichkeit für extreme Preisausschläge drastisch. Dies bestätigt auch der Vergleich von deutschen und französischen Spotpreisen mit denen von Dänemark-West, wie in Tabelle 21 und 22 dargestellt.

231

Vgl.: Lang, Schwarz, Kähler (2006), S. 47 Eigene Darstellung Zu den verschiedenen Methoden des Engpassmanagements vgl.: Knops, de Vries, Hakvoort (2001), S. 311351.

232 233

8 Preisprognosen für den Spotmarkt

104 350% 300%

Prozentuale Abweichung

250% 200% 150% 100% 50% 0% 1

6

11

16

21

26

31

36

41

46

51

56

61

66

71

76

81

86

91 96 101

-50%

Abbildung 39:

Prozentuale Abweichung vom gleitenden 30-Tages-Stundendurchschnittspreis in Frankreich bei deutschen Fly-Ups234

Tabelle 21:

Auftreten von Fly-Ups (Zeitraum: 1.1.2005 - 21.11.2006)235

Region Deutschland Frankreich Dänemark-West

Tabelle 22:

Anzahl Beobachtungen 16558 16558 16558

Fly-Ups 101 100 9

Relative Häufigkeit von Fly-Ups 0,609% 0,604% 0,054%

Einfluss der Fly-Ups auf das durchschnittliche Preisniveau236

Region Deutschland Frankreich Dänemark-West

Gesamt 48,83 48,25 41,04

ohne Fly-Ups 47,07 46,76 41,03

In Dänemark treten Fly-Ups wesentlich seltener auf als in Deutschland oder Frankreich. Dies kann als unmittelbarer Einfluss des Marktet-Coupling-Regimes in Skandinavien angesehen werden.237 Wären Deutschland und Frankreich über ein Marktet-Coupling-Regime gekoppelt,

234

Eigene Darstellung Eigene Berechnungen Eigene Berechnungen 237 Auch die andere Markt- und Erzeugungsstruktur spielt neben dem Market-Coupling-Regime eine wichtige Rolle. 235 236

8 Preisprognosen für den Spotmarkt

105

könnte man eine weit geringere Zahl von Fly-Ups erwarten. So sind im Beobachtungszeitraum nur 38 Fly-Ups in beiden Ländern gleichzeitig aufgetreten. Die relativ geringe Häufigkeit von Fly-Ups in Dänemark schlägt sich auch in einem nur relativ geringen Einfluss der Fly-Ups auf den durchschnittlichen Spotpreis nieder. Betrachtet man die Preise zu allen Tages- und Nachtzeiten, so liegt der Durchschnittspreis mit Einschluss der Fly-Ups nur um € 0,01 über dem Durchschnittspreis, der sich ergibt, wenn die Fly-Ups ausgeschlossen werden. Bei der EEX ist diese Preisdifferenz dagegen € 1,76 und an der Powernext € 1,49.

8.1.4 Das Preisprognosemodell – Theorie und Input

Börsenpreise sind metrische Daten. Daher kann man sie mittels einer Regressionsanalyse, wie in Kapitel 8.2, schätzen. Allerdings sind Fly-Ups Extremwerte, daher können die Analysen durch diese Ausreißerwerte verzerrt werden. Aus diesem Grund wird hier ein Probit-Modell verwendet, das die Maximum-Likelihood (ML) Methode verwendet.238 Die abhängige Variable wird in eine binäre Variable transformiert, die den Wert 1 annimmt, wenn ein Fly-Up vorliegt, und ansonsten den Wert 0 hat. Das Probit-Modell schätzt die Wahrscheinlichkeit (P) für das Eintreten eines Fly-Ups nach folgender Funktionalform: P( yi 1) )(b0  b1x1i  b 2 x 2i    b k x ki )

(12)

Hierbei ist ) die Verteilungsfunktion einer Standardnormalverteilung, b j (für j = 0,..., k) sind die berechneten Parameter und x ji (für j = 1,..., k; i = 1,…, n) sind die erklärenden Variablen; n ist die Anzahl der Beobachtungen (hier 16582). Für die Schätzung des Probit-Modells wurde die Statistik-Software E-Views benutzt. Folgende theoretische Überlegungen führen zur Auswahl der erklärenden Variablen: Die Wahrscheinlichkeit für einen Fly-Up steigt, wenn die Kapazitätsauslastung hoch ist und Kapazität überraschend nicht zur Verfügung steht. Wichtig ist hierbei aus theoretischer Sicht insbesondere das überraschende Moment. Wüssten die Marktteilnehmer rechtzeitig von der Nichtverfügbarkeit von Kraftwerkskapazität, könnten sie im Ausland Strom zukaufen.239 Alle erklärenden Variablen leiten sich aus dieser grundlegenden Überlegung ab. Alles, was die verfügbare Kapazität (wie Wind- und Wasserenergieeinspeisung oder Revisionen) beein238 239

Das Probit-Modell wird ausführlich vorgestellt in: Ronning (1991) Der Monitoring-Bericht des BMWA erklärt die extremen Preisspitzen ähnlich, vgl. BMWA (2003), S. 10

106

8 Preisprognosen für den Spotmarkt

flusst, sollte einen Einfluss auf die Wahrscheinlichkeit von Fly-Ups haben. Überraschende negative Ereignisse, wie Kraftwerksausfälle, erhöhen dann die Wahrscheinlichkeit für einen Fly-Up nochmals. Bei Kernkraftwerken werden Ausfälle veröffentlicht, bei konventionellen Kraftwerken dagegen nicht. Daher konnten bei dem Probit-Modell nur Ausfälle von Kernkraftwerken berücksichtigt werden. Das Modell enthält folgende erklärenden Variablen: 1. Kapazitätsauslastung Es wird angenommen, dass ein Fly-Up nur auftritt, wenn relativ viel Kapazität zur Lastdeckung benötigt wird. Die Variable „Kapazitätsauslastung“ wird bestimmt als Quotient aus Last240 und verfügbarer Kapazität. Da die Gesamtlast nur für 12 Tage im Jahr veröffentlicht wird, musste bis Ende 2005 auf die Lastschätzung aus Kapitel 6 zurückgegriffen werden. Ab 2006 wurde die inländische Last, die von der UCTE veröffentlicht wird verwendet. Bei der verfügbaren Kapazität, die in der IWEN-Kraftwerksdatenbank enthalten ist, wird die Verfügbarkeit von Kraftwerkskapazität (ohne Windkraftkapazität) aufgrund von Revisionen konventioneller thermischer Kraftwerke jahreszeitlichen Schwankungen unterworfen. Außerdem wird die Kapazität von Kernkraftwerken in Revision subtrahiert.241 2. Windeinspeisung Hier wird die Windeinspeisung in MW als erklärende Variable gemessen. Diese Variable beeinflusst die Kapazität, die zur Verfügung steht. Sie wird aus Vereinfachungsgründen separat berücksichtigt. Bei hoher Windeinspeisung sollte die Wahrscheinlichkeit für einen Fly-Up sinken. Umgekehrt sollte natürlich die Wahrscheinlichkeit bei geringer Windeinspeisung steigen. 3. Wassermenge des Rheins242 Hier wurde die Hypothese analog zur Windeinspeisung gebildet. Nur konnte in diesem Fall nicht direkt die eingespeiste Energie aus Laufwasserkraftwerken als Variable verwendet werden; aus Datengründen musste auf die Wassermenge pro Sekunde zurückgegriffen werden. 4. Kernkraftwerksausfälle243 Wenn Kernkraftwerke ausfallen, verschiebt sich die Grenzkostenkurve nach links, d.h. der Preis steigt ceteris paribus. Falls das überraschend genug passiert, könnte auch die Wahr240

Bei der Last wurde auf die Lastschätzung aus Kapitel 6 zurückgegriffen Daten aus DowJones Trade News Energy Daten von Energate 243 Daten aus DowJones Trade News Energy 241 242

8 Preisprognosen für den Spotmarkt

107

scheinlichkeit für einen Fly-Up steigen. Die Variable „Kernkraftwerksausfälle“ ist binär mit den Werten 0 (kein Ausfall) und 1 (Ausfall). Sie bezieht sich auf den nächsten Börsentag zur Peak-Zeit (8 bis 20 Uhr). Spätestens zu diesem Zeitpunkt müssten die Marktteilnehmer den Ausfall registriert haben. Die Zeitversetzung ist nötig, da der Spotmarkt ein day-ahead- und kein Echtzeit-Markt ist. 5. Börsenpreise des Vortages von Frankreich, den Niederlanden und Österreich

Hohe Preise zeigen Kapazitätsengpässe in diesen Ländern an und können zu einem verstärkten Export aus Deutschland in die Anrainerländer am Folgetag führen, was die deutsche Kapazität für den inländischen Markt verengt. Die anderen Anrainer wurden nicht in das endgültige Modell aufgenommen, da ihr Einfluss nicht signifikant war. Auch theoretisch war das nicht überraschend, da zu Frankreich und Österreich die Kuppelstellenkapazitäten am größten sind; außerdem treten zwischen Österreich und Deutschland nie Netzengpässe auf.

Tabelle 23:

Variablen im Modell244

Name Abhängige Variable Fly-Up Unabhängige Variablen Auslastung Wind Rhein KKW Frankreich d-1 Austria d-1 Niederlande d-1

Messniveau

Beschreibung

Binär

1, wenn Börsenpreis > GK Heizölkraftwerk; sonst 0

Metrisch Metrisch Metrisch Binär Metrisch Metrisch Metrisch

Last/Kapazität Windeinspeisung in MW Rheinwasser (m3/s) in Rheinfelden 1 bei Ausfall zwischen 8 und 20 Uhr am Vortag; 0 sonst Börsenpreis in Frankreich am Vortag (€/MWh) Börsenpreis in Österreich Vortag (€/MWh) Börsenpreis in den Niederlanden am Vortag (€/MWh)

Tabelle 23 fasst die Variablen des Modells zusammen. Wie oben beschrieben, ist für einige Variablen eine Zeitversetzung von einem Tag (24 Stunden) erforderlich, weil die EEX ein day-ahead-Markt ist. Diese Variablen tragen den Zusatz d-1.

8.1.5 Modellergebnis der Fly-Up-Untersuchung

Tabelle 24 zeigt die geschätzten Koeffizienten bi sowie die entsprechenden Standardfehler und empirischen Signifikanzniveaus. Alle Koeffizienten haben die erwarteten Vorzeichen. Eine Erhöhung der Auslastung, ein Ausfall eines Kernkraftwerkes sowie höhere Preise in Frankreich, Österreich oder Niederlande erhöhen die Wahrscheinlichkeit für einen Fly-Up.

244

Eigene Darstellung

8 Preisprognosen für den Spotmarkt

108

Auf der anderen Seite führt eine Erhöhung der Windeinspeisung und der Wassermenge des Rheins dazu, dass die Wahrscheinlichkeit von Fly-Ups sinkt. Da die Anzahl der Beobachtungen für ökonometrische Standards außerordentlich hoch ist, können die Koeffizienten mit hoher Genauigkeit geschätzt werden. Entsprechend sind die Standardfehler der Koeffizienten relativ gering. In der letzten Spalte der Tabelle werden die empirischen Signifikanzniveaus für die Tests der Nullhypothesen angegeben. Da alle empirischen Signifikanzniveaus unter 0,05 liegen, sind alle geschätzten Koeffizienten signifikant von null verschieden. Das McFadden-R2 ist wie das Bestimmtheitsmaß eines Regressionsmodells auf den Wertebereich von 0 bis 1 beschränkt und gilt als Maß für die Anpassungsgüte eines Probit-Modells. Wie in Tabelle 24 dargestellt, ist für dieses Probit-Modell das McFadden-R2 mit 0,434 relativ hoch.

Tabelle 24:

E-Views Ergebnisse für das Fly-Up-Modell245

Variable Konstante Kapazitätsauslastung Windenergie Rhein Frankreich (d-1) Österreich (d-1) KKW-Ausfall Niederlande (d-1)

Koeffizient -6,405168 6,415816 -0,000153 -0,002018 0,00379 0,003258 0,960191 0,001336

Std. Fehler 0,627365 0,871865 2,87E-05 0,000287 0,001013 0,001351 0,251595 0,000671 McFadden R-Quadrat

p-Wert 0,0000 0,0000 0,0000 0,0000 0,0002 0,0159 0,0001 0,0465 0,433978

Das Modell sagt von 101 Fly-Ups im Beobachtungszeitraum 15 korrekt (korrekt = P(Fly-Up) > 50% und Auftreten eines Fly-Ups) voraus. Damit liegt die Wahrscheinlichkeit, einen FlyUp zu treffen, bei 14,85 %. 8 Mal werden Fly-Ups vorausgesagt, obwohl keiner eintritt. Der durchschnittliche Börsenpreis lag bei den falsch vorhergesagten Fly-Ups bei 147,33 €/MWh. Das Minimum beträgt 87,06 €/MWh, das Maximum 191,99 €/MWh. D.h. der Börsenpreis war bei einer Fly-Up-Prognose von über 50% immer relativ hoch. 86 Fly-Ups hat das Modell falsch vorhergesagt (falsch = P(Fly-Up)< 50% und Auftreten eines Fly-Ups). Die durchschnittliche prognostizierte Wahrscheinlichkeit bei einem Fly-Up, der mit unter 50% Wahrscheinlichkeit vorhergesagt wurde, lag bei 9,33%. Die prognostizierte Fly-UpWahrscheinlichkeit, wenn kein Fly-Up auftrat, lag durchschnittlich bei 0,74%. In Abbildung 40 sieht man den Einfluss der Kapazitätsauslastung auf die geschätzte Wahrscheinlichkeit für einen Fly-Up. Anders als in einem linearen Regressionsmodell ist dieser Einfluss in einem

245

Eigene Berechnungen

8 Preisprognosen für den Spotmarkt

109

Probit-Modell nicht-linear. In dem Datensatz nimmt die Auslastung Werte zwischen 0,43 und 0,84 an. Abbildung 39 zeigt, wie die geschätzten Wahrscheinlichkeiten zunehmen würden, wenn die Auslastung zwischen 50 und 100% variiert und die übrigen erklärenden Variablen ihre jeweiligen Mittelwerte annehmen. Selbst bei einer Auslastung von 100% errechnet sich nur eine Fly-Up-Wahrscheinlichkeit von knapp 1,8%. 1.8%

1.4% 1.2% 1.0%

0.8%

Fly Up Wahrscheinlichkeit

1.6%

0.6% 0.4%

0.2% 0.0% 50%

55%

60%

65%

70%

75%

80%

85%

90%

95%

100%

Kapazitätsauslastung

Abbildung 40:

Geschätzte Wahrscheinlichkeit für einen Fly-Up246

Die Abbildung 41 hingegen zeigt die geschätzten und tatsächlichen Fly-Ups im Zeitverlauf. Die eingetretenen Fly-Ups nehmen die Werte 0 oder 1 an. Die geschätzten Wahrscheinlichkeiten variieren zwischen 0 und 1. Tabelle 25 gibt für die 23 prognostizierten Fly-Ups auch die prozentuale Abweichung der erklärenden Variablen von ihren Mittelwerten an. Wie erwartet, waren bei diesen Beobachtungen die Auslastung der Kapazität in Deutschland sowie die Preise in Frankreich, Österreich und in den Niederlanden überdurchschnittlich hoch. Offensichtlich gibt es Fly-Up„Ansteckungen“ zwischen den Börsen. Wie erwartet, nehmen die Variablen Wind und Rhein unterdurchschnittliche Werte an. Das zeigt, dass es in der Regel eine Kombination von „ungünstigen“ Konstellationen ist, die einen Fly-Up erzeugt. Bei den meisten falsch prognosti246

Eigene Darstellung

8 Preisprognosen für den Spotmarkt

110

zierten Fly-Ups war der Börsenpreis relativ hoch, so dass eine fälschliche Fly-Up-Prognose aus Händlersicht verschmerzbar ist. Tabelle 25:

Tatsächlicher Fly-Up 0 1 1 0 1 1 1 0 1 1 1 1 1 1 1 0 1 1 1 0 0 0 0

Prognostizierte Fly-Ups und die Abweichungen der erklärenden Variablen247

EEXPreis 191.99 500.04 499.97 150.08 249.98 214.96 2000.07 144.56 499.68 998.24 1399 699.81 699.88 800.09 693.23 179.96 223.96 384.9 274.92 169.85 150.02 105.1 87.06

Prognostizierter Fly-Up 58.7% 64.5% 73.1% 57.3% 62.1% 52.1% 63.5% 87.7% 79.3% 83.6% 100.0% 95.4% 90.7% 87.7% 93.2% 58.6% 95.0% 100.0% 96.2% 91.5% 74.6% 59.3% 94.8%

Kapazitätsauslastung 13.3% 14.8% 14.0% 13.1% 12.4% 13.7% 29.7% 31.7% 28.0% 29.7% 31.7% 34.3% 30.6% 28.7% 26.1% 27.9% 29.6% 31.6% 34.1% 30.5% 28.6% 25.9% 7.2%

Prozentuale Abweichung vom Mittelwert Windeinspei- RheinFrankreich Österreich sung wasser d-1 d-1 -51.4% -59.8% 345.9% 276.9% -45.2% -59.8% 283.6% 410.6% -38.4% -59.8% 425.9% 451.5% -27.4% -59.8% 972.9% 217.5% 17.0% -59.8% 1162.4% 308.5% -2.1% -59.8% 317.6% 768.0% -92.8% -23.6% 691.3% 336.6% -98.0% -23.6% 832.8% 645.3% -95.0% -23.6% 936.4% 512.7% -95.1% -23.6% 936.4% 527.4% -94.8% -23.6% 1972.9% 1713.7% -93.9% -23.6% 929.0% 700.1% -94.4% -23.6% 936.4% 551.9% -94.0% -23.6% 1018.1% 512.7% -92.7% -23.6% 1387.1% 410.6% -89.7% -23.6% 528.2% 669.9% -89.4% -23.6% 934.6% 838.4% -88.1% -23.6% 1351.0% 1125.5% -85.8% -23.6% 898.0% 837.3% -84.8% -23.6% 832.8% 736.7% -82.7% -23.6% 696.0% 614.9% -79.5% -23.6% 618.6% 512.7% -86.0% -23.6% 936.4% 1148.3%

Niederlande d-1 1657.2% 1678.8% 1657.2% 368.8% 197.0% 745.0% 611.2% 540.1% 350.4% 430.6% 1500.7% 778.1% 789.3% 573.6% 496.7% 252.2% 702.9% 1482.9% 733.9% 789.3% 558.1% 568.5% 1337.9%

Dass nicht bei mehr Fly-Ups eine höhere Eintrittswahrscheinlichkeit errechnet wird, liegt zum einen am Dateninput: Konventionelle Kraftwerksausfälle werden nicht veröffentlicht. Zum anderen gibt es für das Prognose-Modell das Problem, dass die Erwartungen der Marktteilnehmer nicht modellierbar sind. Dieses Problem sei an folgendem Beispiel verdeutlicht: Weisen die Modelle der Stromhändler auf einen Fly-Up hin, so muss er nicht eintreten, wenn sie sich im Ausland mit Strom eindecken. Damit hat der Stromhändler allerdings das Problem, dass er auch die Erwartungen der anderen Händler antizipieren muss. Er steht also vor der Entscheidung, im Ausland Strom zu kaufen, weil er einen Fly-Up erwartet, oder nicht zu kaufen, weil er glaubt, alle anderen werden sich im Ausland eindecken, da sie einen Fly-Up erwarten. 247

Eigene Berechnungen

8 Preisprognosen für den Spotmarkt

111

Wahrscheinlichkeit

100% 90% 80% 70% 60%

tatsächlicher Fly-Up P(Fly-Up)

50% 40% 30% 20% 10%

Abbildung 41:

01.11.2006

01.10.2006

01.09.2006

01.08.2006

01.07.2006

01.06.2006

01.05.2006

01.04.2006

01.03.2006

01.02.2006

01.01.2006

01.12.2005

01.11.2005

01.10.2005

01.09.2005

01.08.2005

01.07.2005

01.06.2005

01.05.2005

01.04.2005

01.03.2005

01.02.2005

01.01.2005

0%

Geschätzte und tatsächliche Fly-Ups im Zeitverlauf248

Das würde den Fly-Up verhindern. Damit befindet man sich in einer klassischen rationalen Erwartungsfalle.249 Der Stromhändler müsste nämlich versuchen seine Handelsaktivität danach auszurichten, was der durchschnittliche Stromhändler glaubt, was der durchschnittliche Stromhändler tun wird usw. bis zu einem unendlichen Regress. Damit sind der Prognosefähigkeit des Probit-Modells Grenzen gesetzt. Man kann aber konstatieren, dass das Prognosemodell trotz des Erwartungsproblems auf Grundlage von fundamentalen Faktoren befriedigende Ergebnisse liefert. 8.1.6 Fly-Up-Untersuchung – Zusammenfassung

In diesem Kapitel konnte gezeigt werden, dass Fly-Ups mit Hilfe eines Probit-Modells zumindest näherungsweise prognostiziert werden können. Wie aus der Modellierung hervorgeht, ist eine „ungünstige“ Kombination mehrerer fundamentaler Faktoren für das Auftreten von zumindest manchen Fly-Ups verantwortlich. Signifikanten Einfluss haben die Auslastung der inländischen Kapazität, die Windenergieeinspeisung, der Wasserstand des Rheins, Kernkraftwerksausfälle und die Börsenpreise des Vortages von Frankreich, Österreich und den 248 249

Eigene Darstellung Vgl.: Keynes (1936), S. 131-132 und Nagel, Selten (1998), S. 89-91

112

8 Preisprognosen für den Spotmarkt

Niederlanden. Die nicht vorhergesagten Preisspitzen an der EEX könnten sich möglicherweise ebenfalls durch fundamentale Faktoren erklären lassen, wenn die konventionellen Kraftwerksausfälle blockscharf veröffentlicht worden wären. Die geschätzten Wahrscheinlichkeiten für Fly-Ups werden neben den geschätzten Grenzkosten aus Kapitel 6 und dem RSI aus Kapitel 5 in Kapitel 8.2 in ein Regressionsmodell zur Preisprognose eingehen. Damit soll das Problem der Preisprognose von Grenzkostenmodellen behoben werden, keine Preise über den Grenzkosten des teuersten Kraftwerks schätzen zu können. Es soll auch überprüft werden, inwieweit sich die Fly-Up-Wahrscheinlichkeiten als unabhängige Variable zur Preisprognose bewähren.

8 Preisprognosen für den Spotmarkt

8.2

113

Preisprognosen mit einem Regressionsmodell

Wie in Tabelle 17 in Unterkapitel 6.4 dargestellt, kann man mit einem Grenzkostenmodell versuchen Preise zu prognostizieren. Definitorisch kann man aber keine Preise treffen, wenn Marktmacht zu den verschiedenen Stunden unterschiedlich ausgeübt wird. Ferner ist es ausgeschlossen, dass das Grenzkostenmodell Fly-Ups prognostiziert, da dies Preise sind, die über den Grenzkosten des teuersten deutschen Kraftwerks liegen. Die RSI-Berechnungen zeigen an, dass die großen deutschen Erzeuger tagsüber und werktags fast immer extreme Preise nehmen könnten. Da sie das nicht tun, soll mit Hilfe der Wahrscheinlichkeiten des Fly-UpModells versucht werden, die Stunden zu identifizieren, in denen sie es tun. Um die Prognosefähigkeit des Grenzkostenmodells zu verbessern, soll nun mittels einer linearen Regression eine Preisprognose-Gleichung geschätzt werden. Hierbei ist der Strompreis der EEX die abhängige Variable. Die unabhängigen Variablen sind die geschätzten Grenzkosten aus dem Optimierungsmodell in Kapitel 6, der RSI aus Kapitel 5250 und die geschätzte Fly-Up-Wahrscheinlichkeit aus dem Fly-Up-Modell in Unterkapitel 8.1. Theoretisch lässt sich die Variablenauswahl wie folgt begründen: Die Grenzkosten sollen die Basis für die Preisprognose sein; wenn der RSI Marktmacht anzeigt, erwartet man Aufschläge auf die Grenzkosten, und wenn das Fly-Up-Modell eine erhöhte Wahrscheinlichkeit anzeigt, erwartet man eine extreme Preisspitze.

Tabelle 26:

Kopplung von Grenzkosten, RSI und Fly-Up-Modell mittels Regression für das Jahr 2005251

Variable Konstante Grenzkosten RSI(E.ON) P(Fly-Up) Bestimmtheitsmaß Bereinigtes Bestimmtheitsmaß

Koeffizient 11,04232 1,242967 -13,64138 574,0360 0,562160 0,562005

Std. Fehler 2,153668 0,029783 1,008433 8,771005

t-Wert 5,127216 41,73415 -13,52731 65,44701

P-Wert 0,0000 0,0000 0,0000 0,0000

Für die Preisprognose stellt die Kopplung des Grenzkostenmodells, des RSIs und des Fly-UpModells eine substantielle Verbesserung gegenüber dem einfachen Grenzkostenmodell aus Kapitel 6 dar. Alle Variablen sind hoch signifikant, und das bereinigte Bestimmtheitsmaß steigt von 0,33 auf 0,56, wie man in Tabelle 26 sieht. 250

Es wird nur der RSI Wert von E.ON verwendet, da der RSI-Wert von E.ON dem RSI-Wert von RWE sehr ähnlich ist. Würde man die gleiche Berechnung mit den RSI-Werten von RWE durchführen, würde man zu einem sehr ähnlichen Ergebnis kommen. Aufgrund von Multikollinearität kann man die Regression nur mit einem RSI-Wert, als entweder von E.ON oder RWE durchführen. 251 Eigene Berechnungen

8 Preisprognosen für den Spotmarkt

114

Die Regressionsgleichung zur Preisprognose lautet: P(EEX) 11,042  1,243 u GK - 13,641 u RSI(E.ON)  574,036 u P(FLYUP)

(13)

In Abbildung 42 ist die Jahrespreiskurve wie in Abbildung 27 des Abschnitts 6.4 dargestellt. Offensichtlich ist die Preisprognose jetzt wesentlich besser als zuvor. Insbesondere ist zu sehen, dass Preisspitzen besser prognostiziert werden.

€/MWh

600

500

400

300 Preis prognos e EEX 200

100

0 1

470 939 1408 1877 2346 2815 3284 3753 4222 4691 5160 5629 6098 6567 7036 7505 7974 844

Abbildung 42:

8.3

Tatsächliche Börsenpreise und prognostizierte Börsenpreise252

Preisprognosen – Zusammenfassung

In Kapitel 8 wurde gezeigt, dass man mit den geschätzten Grenzkosten, dem RSI und den FlyUp-Wahrscheinlichkeiten Strompreise prognostizieren kann. Aus Sicht des Evaluationsmaßstabes „Prognosefähigkeit“ haben sich sowohl der RSI als auch die geschätzten Grenzkosten als brauchbare Marktmachtindikatoren erwiesen. Ihre Kombination verbessert Preisprognosen. Das stochastische Auftreten von Fly-Ups kann durch die Einbeziehung der Fly-UpWahrscheinlichkeiten in ein Preisprognosemodell integriert werden.

252

Eigene Darstellung

115

9

Fazit

Ziel der vorliegenden Arbeit war es, strukturelle, tatsächliche und potentielle Marktmacht am deutschen Großhandelsmarkt für Strom zu quantifizieren. Alle untersuchten Indikatoren weisen auf relativ große Marktmacht hin, was das Grenzkostenmodell in Kapitel 6 auch bestätigt. Die strukturellen Faktoren wie CRn, HHI oder RSI deuten hohe Marktmacht an. Insbesondere der RSI hat sich als brauchbarer, aber nicht perfekter Prädiktor für Marktmacht erwiesen. Da alle untersuchten Indikatoren auf Marktmacht hindeuten, kann man trotz einer gewissen inhärenten Unschärfe bei der Modellierung der Grenzkosten relativ sicher sein, dass Marktmacht im deutschen Stromerzeugungsmarkt besteht. Grenzkostenmodelle, die Anfahrkosten adäquat berücksichtigen, sind die beste Art Marktmacht zu quantifizieren, wenn man, wie in dieser Arbeit, Preisprognosen als Qualitätsmaßstab verwendet. Oligopolmodelle erscheinen zwar zunächst als interessanter Versuch zur Abschätzung von Marktmacht, allerdings sind ihnen durch die Mathematik enge Grenzen gesetzt. Erinnert sei hier an die „geratenen“ Elastizitäten der Nachfrage, auf deren Veränderung die Ergebnisse hoch sensitiv reagieren. Selbst bei Lösung von Oligopolmodellen mit preisunelastischer Nachfrage wie in Kapitel 8 konnten – im Gegensatz zum Strommarkt in England/Wales – keine Ergebnisse produziert werden, die zur Preisprognose herangezogen werden können. Ob dies durch eine andere Modellierung des Außenhandels bzw. Vergrößerung des relevanten Marktes auf Zentraleuropa verbessert werden kann, ist fraglich. Dies liegt insbesondere an der Größe der EdF. Würde sie als Spieler aufgenommen, ist nicht anzunehmen, dass die Oligopolpreise sinken würden, da die EdF allein schon über 66 GW nukleare Kapazität besitzt. Bewährt hat sich zur Preisspitzenprognose das Fly-Up-Modell aus Kapitel 8.1. Es stellt eine innovative Ergänzung zu einem Grenzkostenmodell dar und eignet sich auch, wie in Unterkapitel 8.2 dargestellt, zur Verbesserung von Preisprognosen. Mit dem Fly-Up-Modell konnten in dieser Arbeit, zumindest partiell die Stunden identifiziert werden, in denen die potentielle Marktmacht ausgenutzt wird. Die Kopplung des RSIs mit den geschätzten Grenzkosten und den Wahrscheinlichkeiten für einen Fly-Up verbessert Preisprognosen substantiell. Als weitere These dieser Arbeit kann festgehalten werden, dass die Qualität von Marktmachtmessungen mittels Grenzkosten- und Oligopolmodellen nur über die Prognosequalität beurteilt werden kann. Es gibt extrem viele Faktoren in der Realität, die man in Grenzkostenmodellen berücksichtigen könnte. Allerdings sind bei der Berücksichtigung von zu vielen Faktoren weder die Solver in der Lage Grenzkosten zu bestimmen, noch sind alle Faktoren empirisch ermittelbar. Daher muss eine selektive Auswahl getroffen werden. Welches Modell

116

9 Fazit

dann letztendlich die Grenzkosten bestimmt, die den „realen“ am nächsten kommen, kann nur über die Fähigkeit zur Preisprognose beurteilt werden. Dabei sollten die geschätzten Grenzkosten die reale Preisdynamik zumindest ansatzweise abbilden können und gleichzeitig auch eine Preisuntergrenze korrekt prognostizieren. Für die Preisaufschläge von rund 20% auf die geschätzten Grenzkosten ist nicht zuletzt eine Fehleinschätzung des Kartellamts aus dem Jahr 2001 verantwortlich, bei der es davon ausging, dass die Fusionen von VEW/RWE zu RWE und VEBAG/VIAG/Bayernwerke zu E.ON durch Abgabe von Beteiligungen an der VEAG und der Laubag nicht zu einem marktbeherrschenden Duopol führen.253 Die RSI-Berechnungen in Kapitel 5 haben gezeigt, dass sowohl RWE als auch E.ON an Werktagen zwischen 8 und 20 Uhr große potentielle Marktmacht haben. Bestätigt wurde in dieser Arbeit in Kapitel 4 hingegen die Einschätzung des Kartellamts, dass der kurzfristig relevante Markt Deutschland und nicht Zentraleuropa ist. Der relevante Markt ließe sich allerdings relativ leicht durch einen Übergang von expliziten hin zu impliziten Auktionen bei den Kuppelstellen auf Zentraleuropa erweitern. Ob dies die ausgeübte Marktmacht signifikant senkt – ohne Zerschlagung der EdF – könnte durch RSI- und GrenzkostenBerechnungen für den neuen relevanten Markt ex ante abgeschätzt werden. Der HHI oder die CRn können bei Marktmachtstudien wertvolle Ergänzung sein, substituieren aber kein Grenzkostenmodell zur Marktmachtmessung. Seit eine Strombörse existiert, war die Marktkonzentration durchgängig hoch. So konnte man keine Vergleiche zwischen der Marktkonzentration und den Preisaufschlägen anstellen. Allerdings ist auch der strukturelle Indikator RSI nicht unproblematisch. Er zeigte von 2004 auf 2005 eine Abschwächung der potentiellen Marktmacht an, während die Ergebnisse des Grenzkostenmodells, trotz Korrelation zwischen der Marge und dem RSI, auf eine leicht steigende Marge hindeuten. Daher erscheinen Grenzkostenmodelle – trotz ihrer inhärenten Probleme – als unverzichtbarer Bestandteil einer seriösen Quantifizierung von Marktmacht. Kein struktureller Indikator kann sie substituieren. Bei Oligopolmodellen erscheint der Aufwand – zumindest für den hier untersuchten deutschen Großhandelsmarkt für Strom – in keinem Verhältnis zum Erkenntnisgewinn zu stehen. Bei der Verwendung von Grenzkostenmodellen durch Regulatoren (z.B. Bundeskartellamt) besteht für die Produzenten allerdings die strategische Möglichkeit, durch Stilllegung von Mittellastkapazität Marktmacht auszuüben. Wird dies nicht wie in Kapitel 6 in die Berechnungen einbezogen, können Aufsichtsbehörden über die tatsächliche Höhe der ausgeübten Marktmacht getäuscht werden. Allerdings zeigen die Berechnungen, dass diese strategische 253

Vgl.: Bundeskartellamt (2001), S. 134

9 Fazit

117

Option bislang für die Stromproduzenten nicht notwendig war, vielleicht auch weil das Marktmonitoring in Deutschland von den Kartellbehörden bisher nicht in dieser Form praktiziert wurde. Die Liberalisierung des Strommarktes in Deutschland hat auf Großhandelsebene keinen vollkommenen Markt hervorgebracht. Vielmehr haben Stromproduzenten Marktmacht, die allerdings nur partiell in voller Höhe ausgenutzt wird.

119

Literaturverzeichnis Albers, K., Stelzner, P. (2001): Regelenergiebeschaffung durch den Übertragungsnetzbetreiber, in: Energiewirtschaftliche Tagesfragen 51(11), S. 704-709. Armstrong, M., Galli, A. (2005): Are day-ahead prices for electricity converging in continental Europe? An explanatory data approach, CERNA working paper. http://www.cerna.ensmp.fr/Documents/MA-AG-PriceConvergence.pdf Atomgesetz (2007): Gesetz über die friedliche Verwendung der Kernenergie und den Schutz gegen ihre Gefahren. http://bundesrecht.juris.de/bundesrecht/atg/gesamt.pdf Baker, J., Bresnahan, T. F. (1992): Empirical Methods of Identifying and Measuring Market Power, in: Antitrust Law Journal. 3, 9-13. Barquin, J., Boots, M. G., Ehrenmann, A., Hobbs, B. F., Neuhoff, K. und F. A. M. Rijkers (2004): Networkconstrained Models of Liberalized Electricity Markets: the Devil is in the Details, CMI Working Paper Series 32, Cambridge. http://www.econ.cam.ac.uk/electricity/publications/wp/ep32.pdf Bauer, C., Zink, F. (2005): Korrelation zwischen Strompreisen und CO2-Zertifikatpreisen, in: Energiewirtschaftliche Tagesfragen 55(8): 574-577. BELPEX (2005): First reaction of the CRE, CREG and DTe on the market coupling, Press release December. http://www.belpex.be/uploads/media/belpex_press_en_20051208.pdf BMU (2003): Bundeseinheitliche Liste der CO2-Emissionsfaktoren bezogen auf den unteren Heizwert, Berlin. BMWA (2003): Bericht des Bundesministeriums für Wirtschaft und Arbeit an den Deutschen Bundestag über die energiewirtschaftlichen und wettbewerblichen Wirkungen der Verbändevereinbarungen, Berlin. Boisseleau, F., Hewicker, C. (2002): European Electricity Market Design and its Impact on Market Integration, KEMA Consulting. http://www.dauphine.fr/cgemp/Publications/Articles/Boisseleau%20(2004)%20European%20Electricty% 20Market%20Design.pdf Borchert, J. (2003): Analyse von Determinanten der Großhandelspreise für Elektrizität anhand einer Systemstudie des deutschen Marktes. Berlin. http://edocs.tu-berlin.de/diss/2003/borchert_joerg.pdf Borenstein, S., Bushnell, J. (1998): An Empirical Analysis of the Potential for Market Power in California’s Electricity Industry, PWO-044. http://www.ucei.berkeley.edu/PDF/pwp044r2.pdf Borenstein, S., Bushnell, J. (1999): An Empirical Analysis of the Potential for Market Power in California’s Electricity Industry, The Journal of Industrial Economics 47(3), 285-323. Borenstein, S., Bushnell, J., Wolak, F. (2000): Diagnosing Market Power in California’s Deregulated Wholesale Electricity Market, Power Working Paper 064. http://www.ucei.berkeley.edu/ucei/PDF/pwp064pdf Boucher, J., Smeers, Y. (2002): Towards a Common European Electricity Market Paths in the Right Direction … Still far from an Effective Design, in: Journal of Network Industries 3(4), S. 375–424. Bower, J. (2002): Seeking the Single European Electricity Market: Evidence from an Empirical Analysis of Wholesale Market Prices, Economics Working Paper Archive at WUSTL. http://129.3.20.41/eps/othr/papers/0401/0401005.pdf Bundeskartellamt (2001): Bericht des Bundeskartellamts über seine Tätigkeit in den Jahren 1999/2000 sowie über die Lage und Entwicklung auf seinem Aufgabengebiet und Stellungnahme der Bundesregierung. http://dip.bundestag.de/btd/14/063/1406300.pdf

120

Literaturverzeichnis

Bundesnetzagentur (2005): Einführung einer koordinierten Engpassmanagementmethode an den Grenzen der CEE Region. Konsultationspapier, 19. September. http://www.bundesnetzagentur.de/media/archive/3300.pdf Bundesnetzagentur und Commission de Régulation de l’Énergie (2005): Einführung einer koordinierten Engpassmanagementmethode an der deutsch-französischen Grenze, Konsultationspapier, 22. September. http://www.bundesnetzagentur.de/media/archive/3336.pdf Burns, P., Huggins M., Lydon, R. (2004): Generators’ Strategies in the England and Wales Electricity Market-A Synthesis of Simulation Modelling and Econometric Analysis, Centre for the Study of Regulated Industries Technical Paper No. 16. http://www.bath.ac.uk/cri/pubpdf/Technical%20Papers/16.%20Burns%20Huggins%20&%20Lydon.pdf Burns, P., Huggins Mike, Lydon, Reamonn (2004). Measuring Market Power in Wholesale Electricity Markets. FrontierEconomics. http://www.kent.ac.uk/economics/seminars/sempapers/Autumn0405/Market%20Power%20Wholesale%20Electricity-EW%201996-2001.pdf Bushnell, J., Day, C., u.a. (1999): An International Comparison of Models for Measuring Market Power in Electricity, EMF Working Paper 17.1, Energy Modeling Forum Stanford University. http://www.stanford.edu/group/EMF/publications/Publications.pdf CEPS, EON Netz, MAVIER Hungrian Power System Operator, Slovenská elektrizná prenosová sústava, Vattenfall Europe Transmission und VERBUND-Austrian power Grid (2005): Rules of coordinated auctions at the common borders for the year 2006. Version 1. September. http://www.bundesnetzagentur.de/media/archive/3298.pdf CONSENTEC und Frontier Economics Limited (2004): Analysis of Cross Border Congestion Management Methods for the EU Internal Electricity Market, Final Report, June. http://ec.europa.eu/energy/electricity/publications/doc/ec_congestion_management_methods_final_report _june2004.pdf DEHSt (2005): Emissionshandel in Deutschland: Verteilung der Emissionsberechtigungen für die erste Handelsperiode 2005-2007, Berlin, Februar. http://www.umweltdaten.de/uba-info-presse/hintergrund/zuteilungen.pdf DowJones Trade News Energy. http://www.vwd.de/vwd/news.htm?sektion=branchen&awert=energie E.ON (2005): Strategie und Kennzahlen 2005. http://www.eon.com/de/downloads/StrategieKennzahlen2005_dt_20050524.pdf E.ON (2006): Vertikale Netzlast. http://www.eon-netz.com/frameset_german/main_frameset_reloader.phtml?top=http://www.eon-netz.com /Ressources/frame_head.jsp&bottom=http://www.eon-netz.com/frameset_german/net/net_netzkennzahlen /net_netzkennzahlen.jsp E.ON Net (2005): Auction results. http://www.eon-netz.com/frameset_german/main_frameset_reloader.phtml?top=http://www.eon-netz.com /Ressources/frame_head.jsp&bottom=http://www.eon-netz.com/frameset_german/net/net_gridutil/net_gri dutil.jsp Ebert, M. (2005): Preisprognosen an europäischen Spotmärkten für Elektrizität, Stuttgart. http://elib.uni-stuttgart.de/opus/volltexte/2005/2387/pdf/DA_Ebert.pdf EEX (2005): EEX Spot Market Concept, Leipzig. http://www.eex.de/index.php?page=66& EEX (2006): Download Center Marktdaten. http://www.eex.de/index.php?page=25&session=f5851b3ba1b895a33a863b504f7d7301 EEX (2006): Pressemitteilung, (6.April 2006). http://www.eex.de/get.php?f=c6983d63d98c8282e9f8cfcd6e8cfc28.pdf&m=download&session=e56d8adf ef9819e8701672a11d634c52

Literaturverzeichnis

121

Eikmeier, B., Gabriel, J. (2005): Quantitative Entwicklung der Erzeugungs- und Absatzstruktur in der deutschen Stromerzeugung von 1998 bis heute, Gutachten für die MVV AG, Bremen. Ellersdorf, I., Fahl, U., Kessler, A. (2004): Wettbwerb im liberalisierten Elektrizitätsmarkt - Analysen mit einem spieltheoretischen Ansatz, in: Zeitschrift für Energiewirtschaft 28(1), S. 3-18. EnBW (2006): Vertikale Netzlast. http://www.enbw.com/content/de/netznutzer/strom/netzkennzahlen/vertikale_netzlast/index.jsp;jsessionid =1CCB7834FACDB106F5F3419064748AF1.nbw05 EnBW, RTE und RWE (2005): French-German Interconnection Capacity Access Rules, Draft Version 1.0, September. http://www.bundesnetzagentur.de/media/archive/3334.pdf Energate (2006) http://www.energate.de. ETSO (2001): Indicative values for Net Transfer Capacities (NTC) in Europe. Summer 2001, working day, peak hours. http://www.etso-net.org/upload/documents/NTC-summer%202001.pdf; ETSO (2001): Procedures for Cross-Border Transmission Capacity Assessments. http://www.etso-net.org/upload/documents/Procedures%20for%20Capacity%20Assessments.pdf ETSO (2004): Indicative values for Net Transfer Capacities (NTC) in Europe. Summer 2004, working day, peak hours. http://www.etso-net.org/upload/documents/NTC-summer2004.pdf ETSO (2005): Indicative values for Net Transfer Capacities (NTC) in Europe, Winter 2005/6, working day, peak hours. http://www.etso-net.org/NTC_Info/library/e_default.asp Europäische Kommission (2003): Competition indicators in the electricity market. EU and Norway. Luxembourg. Europäische Kommission (2004): Jährlicher Bericht über die Verwirklichung des Strom- und Erdgasbinnenmarktes, KOM/2004/0863. http://eur-lex.europa.eu/LexUriServ/LexUriServ.do?uri=CELEX:52004DC0863:DE:HTML Europäische Kommission (2005a): Towards a competitive and regulated European Electricity and gas market, MEMO. http://ec.europa.eu/energy/gas/publications/doc/2004_07_09_memo_en.pdf Europäische Kommission (2005b): Technical Annexes to the Report from the Commission on the Implementation of the Gas and Electricity Internal Market, COM/2004/863. http://ec.europa.eu/energy/electricity/report_2005/doc/2005_report_technical_annex.pdf Europäischer Rat (2002): Schlussfolgerungen des Vorsitzes. Barcelona, 15. http://www.consilium.europa.eu/ueDocs/cms_Data/docs/pressData/de/ec/71067.pdf

und

16.

März.

EUROPEX und ETSO (2004): Flow-based Market Coupling. Eleventh meeting of the European Electricity Regulatory Forum, Florence. http://ec.europa.eu/energy/electricity/florence/doc/florence_11/conclusions.pdf Evans,

J., Green, R. (2005): Why did British ftp://ftp.bham.ac.uk/pub/RePEc/pdf/2005netaprices.pdf

Electricity

Prices

fall

after

1998?

Fabra, N., Toro, J. (2003): The Fall in British Electricity Prices: Market Rules, Market Structure, or Both? Industrial Organization. http://129.3.20.41/eps/io/papers/0309/0309001.pdf Gesetz gegen Wettbewerbsbeschränkungen. http://bundesrecht.juris.de/gwb/index.html Green, J. and Newbery, M. (1992): Competition in the British Electricity Spot Market, in: Journal of Political Economy 100(5), S. 929-953.

122

Literaturverzeichnis

Harbord, D., von der Fehr, N-H (in collaboration with London Economics Australia Pty) (1995): Market Power in the Australian Electricity Market, A Report to the Industry Commission, Melbourne, August (published as Annex 2 of Generation Reform Working Group). http://www.pc.gov.au/ic/research/independent/saelect/finalreport/saelect.pdf Harvey, S. M., Hogan, W. W. (2001): Market Power and Withholding. http://ksghome.harvard.edu/~whogan/Market%20Power%20&%20Withholding%20HarveyHogan%2012-20-01.pdf Harvey, S. M., Hogan, W. W. (2002): Market Power and Market Simulations, Center for Business and Government, Harvard University. http://ksghome.harvard.edu/~whogan/H-H_Market_Power&Simulations_071602.pdf Haubrich, H.-J., Fritz, W., Zimmer, C., Von Sengbusch, K., Kopp, S. , Feng, L. (2002): Grenzüberschreitende Übertragungskapazitäten und Engpässe im europäischen Stromnetz, in: Energiewirtschaftliche Tagsfragen 52(4), S. 232-237. Heilemann, U., Hillebrand, B. (2001): Liberalisierung der Strom- und Gasmärkte – Erwartungen und erste Ergebnisse, RWI-Papiere, 73 Essen. http://www.uni-protokolle.de/nachrichten/id/80791/ Hinüber, G., Egger, H., Neus, H., Haubrich, H.-J. (2004): Market Coupling – ein Verfahren zur Ermittlung des bestmöglichen Marktgleichgewichts, in: Energiewirtschaftliche Tagsfragen 54(12), S. 790-793. Hobbs, B. F., Rijkers, F. A. M. (2005): The more cooperation, the more competition? A Cournot analysis of the benefits of electric market coupling. CMI Working Paper Series 73. Cambridge. http://www.econ.cam.ac.uk/electricity/publications/wp/ep73.pdf IAW und CONSENTEC (2002): Analysis of electricity network capacities and identification of congestition, Final Report, Aachen, December. http://www.consentec.de/studien/EC_congestion_final_report_main_part.pdf IFED (2004): Praxis des Cross-Border-Trading – Diskriminierungsfreier grenzüberschreitender Stromhandel – Analyse der rechtlichen und technischen Situation, Status-Quo der praktischen Abwicklung, Empfehlungen, Heidelberg. http://www.ifed.biz/Extern/CBT_EXTERN_Final.pdf IWEN Power Plant Database (2006), Power Plant Database of the Institute of Economics, University of Erlangen-Nürnberg. Joskow, P. J.(2003): The Difficult Transition to Competitive Electricity Markets in the U.S., CEEPR-Working Paper http://web.mit.edu/ceepr/www/2003-008.pdf Joskow, P., Kahn, E. (2001): A Quantitative Analysis of Pricing Behaviour in California’s Wholesale Electricity Market During Summer 2000, NBER Working Paper 8157. http://www.econ.cam.ac.uk/electricity/publications/wp/ep02.pdf Kemfert, C., Kalashnikov,V. (o.J.): Economic effects of the liberalisation of the German electricity market Simulation results by a game theoretic modelling tool. http://www.uni-oldenburg.de/speed/xdocs/pdf/KemfertKalash1.pdf Keynes, J.-M. (1936), Allgemeine Theorie der Beschäftigung, des Zinses und des Geldes, Berlin 1936 Kleit, A. N., Reitzes, J. D. (2004): Assessing Geographic Market Integration in Electricity: Did Restructuring Help? http://www.ftc.gov/be/seminardocs/kleitelectricityrestructuring.pdf Klemperer, P., Meyer, M. (1989): Supply Function Equilibria in Oligopoly under Uncertainty, in: Econometrica, Vol. 57, No. 6, S. 1243-1277. Knops, H. P. A., de Vries, L., Hakvoort, R. A. (2001): Congestion Management in the European Electricity System: An Evaluation Of These Alternatives, in: Journal of Network Industries 2(3/4), S. 311–351.

Literaturverzeichnis

123

Kuntz, L., Müsgens, F. (2006): Modelling Start-Up Costs of Multiple Technologies in Electricity Markets, EWI Working Paper, No. 06.01. http://www.ewi.uni-koeln.de/content/e266/e283/e4173/ewiwp0601.pdf Lang, Ch., Schwarz, H.-G. (2006): Quantifizierung von Marktmacht am deutschen Stromerzeugungsmarkt, in: Energiewirtschaftliche Tagesfragen 56 (12), S. 6-11. Lang, Ch., Schwarz, H.-G., Kähler, J. (2006): Analyse und Prognose von Fly Ups am Spotmarkt der EEX. Energiewirtschaftliche Tagesfragen 56 (7): 46-51. Lise, W., Linderhof, V., Kuik, O., Kemfert, C., Östling, R., Heinzow, T. (2006), A game theoretic model of the Northwestern European electricity market—market power and the environment, in: Energy Policy, 34(15), S. 2123–2136. Lucas, N., Taylor, P. (1993): Characterizing Generator Bidding Behaviour: Bidding Strategies in the Pool, in: Utilities Policy 3/2, S. 129-135. http://www.sciencedirect.com/science/article/B6VFT-45DHY33M/2/96e79bcd0ccdd38886c3f1c2dbe9e2f9 Maddala, G. S. (2002): Introduction to Econometrics, Chichester u.a., 2001. Matthes, F., Poetzsch S. (2002): Marktkonzentration im Bereich der Stromerzeugung in Europa, 1996-2000, Berlin. http://www.oeko.de/oekodoc/47/2002-007-de.pdf?PHPSESSID=e1a7b94df60ddfa0131ece24abcd06dc Matthes, F., Poetzsch, S., Grashoff, K. (2005): Power Generation Market Concentration in Europe 1996-2004, Berlin. http://www.oeko.de/oekodoc/260/2005-012-en.pdf?PHPSESSID=e1cc32a04ebfe12e0e1cff7e4d09c455 Möller, A., Seel, A. (2005): Gaswirtschaft: Handelnde, Strukturen, Preisbildung (BET), RegTP-Schulung 1x1 der Energiewirtschaft, Bonn 26. April. Monopolkommission (2002): Verflechtungstabelle für 2002 (Excel-Datei). Berlin. Monopolkommission (2004): Wettbewerbspolitik im Schatten "Nationaler Champions“, Hauptgutachten XV (2002/2003), Bonn. http://www.monopolkommission.de/haupt_15/sum_h15_de.pdf Müller, W. (2005): Statement von Dr. Werner Müller anlässlich der RAG-Bilanzpressekonferenz am 31. Mai 2005 in Essen. http://www.rag.de/rag/presse.nsf/Reden/706FBCD7C359815AC12570120021CE5E/$file/BPK-2005WM-FINAL-FREI_DT.PDF Müsgens, F. (2004): Market Power in the German Wholesale Electricity Market, EWI Working Paper, Nr 04.03, S12. http://www.ewi.uni-koeln.de/content/e266/e283/e267/Ewiwp043_ger.pdf Nagel, R., Selten, R., (1998): Das Zahlenwahlspiel – Ergebnisse und Hintergrund, in: Spektrum der Wissenschaft (2), S. 89-91 Neuhoff, K. (2003): Integrating transmission and energy markets mitigates market power, CMI Working Paper Series 17. Cambridge. http://www.econ.cam.ac.uk/electricity/publications/wp/ep17.pdf O.V. (2004): RWE und RAG einigen sich über Zukunft der STEAG, in: Die Welt (5. Juni 2004). http://www.welt.de/data/2004/06/05/287105.html O.V. (2005): RAG: Börsengang ein Gewinn für alle Beteiligten, in: Manager-Magazin (31. Mai 2005). O’Neill, R., Sotkiewicz, P. M., Hobbs, B.F., Rothopf, M. H., Stewart, W. R. (2005): Efficient Market-Clearing Prices in Markets with Nonconvexities, in: European Journal of Operations Research 164, S. 269-285. Ockenfels, A. (2007): Strombörse und Marktmacht. Gutachten für das Ministerium für Wissenschaft, Wirtschaft und Verkehr des Landes Schleswig Holstein, Köln.

Literaturverzeichnis

124

Ockenfels, A., Gatzen, Ch., Peek, M.(2005): Sind die Gesetze des Wettbewerbs auf dem Strommarkt außer Kraft gesetzt?, in: Energiewirtschaftliche Tagsfragen 55 (Special), S. 5-11. Pfeiffer, J. (2005): Konzentration auf dem deutschen Strommarkt 1994-2004, IWE-Working Paper 02 http://www.economics.phil.uni-erlangen.de/forschung/workingpapers/WP-Konzentration.pdf RAG/RWE (2004): RAG und http://www.rag.de/indexd.htm

RWE

verstärken

Zusammenarbeit.

Pressemitteilung.

Essen.

Richmann, A. (2006): Die Entwicklung der Energiemärkte und deren Auswirkungen auf die deutsche Wirtschaft. VIK. Remscheid. Ronning, G. (1991): Mikroökonometrie, Berlin. Ruch, M., Clausen, S. (2006): Politik ebnet RAG Weg an die Börse, in: FTD vom 28.11.2006 RWE (2005): Facts & Figures 2005.http://www1.rwecom.geber.at/factbook/en/servicepages/downloads/files/ complete_rwe_fact.pdf RWE (2006): Netzkennzahlen. http://www.rwe-transportnetzstrom.com/generator.aspx/netznutzung/netzdaten/netzkennzahlen/language= de/id=75454/netz kennzahlen-page.html RWE Transportnetze Strom (2005): Monatsauktion für den grenzüberschreitenden Stromhandel von Deutschland nach Frankreich. http://www.rwetransportnetzstrom.com/generator.aspx/property=Data/id=207546/monatsauktion-downloa d .pdf Schiffer, H.-W. (2004): Die aktuelle Strompreisentwicklung auf der Erzeugerebene, in: energy weekly, S. 8-9. Schröter, J., (2004): Auswirkungen des europäischen Emissionshandelssystems auf den deutschen Kraftwerkseinsatz, Berlin. http://basis.gruene.de/bag.energie/papiere/eeg_diplarbeit_schroeter_lang.pdf Schwarz, H.-G., Lang, Ch. (2005): Marktstruktur und Konzentration in der deutschen Stromerzeugung, in: Energiewirtschaftliche Tagesfragen 55(12), S. 864-870. Schwarz, H.-G., Lang, Ch. (2006a): Europäische Stromerzeugungsmärkte am Beispiel Zentraleuropas: Stand der Integration und Handlungsbedarf, IWE-Working 01-2006. http://www.economics.phil.uni-erlangen.de/forschung/energie/abstracts/integration.pdf Schwarz, H.-G., Lang, Ch. (2006b): The Rise in German Wholesale Electricity Prices – Fundamental Factors, Exercise Of Market Power Or Both?, IWE Working Paper 02-2006. http://www.economics.phil.uni-erlangen.de/forschung/energie/abstracts/MarketPower.pdf Sheffrin, A. (2001):Critical Actions Necessary for Effective Market Monitoring, Draft Comments Dept of Market Analysis, California ISO, FERC RTO Workshop, October 19, 2001. http://www.caiso.com/docs/2001/12/03/2001120317295516981.pdf Sheffrin, A. (2002): Predicting Market Power Using the Residual Supply Index, FERC Market Monitoring Workshop. http://www.caiso.com/docs/2002/12/05/2002120508555221628.pdf Short, C., Swan, A. (2002): Competition in the Australian National Electricity Market, ABARE Current Issues. Sweeting, A. (2004): Market Power in the England and Wales Wholesale Electricity Market 1995-2000, CMI Working Paper 55. http://www.econ.cam.ac.uk/electricity/publications/wp/ep55.pdf Swider, D. (2006): Erweiterte ARMA-Ansätze zur Prognose von Spotmarktpreisen in Europa, in: Zeitschrift für Energiewirtschaft 30 (1), S. 31-42. Tirole, J. (2002): The Theory of Industrial Organization, Cambridge. Twomey, P., Green, R., Neuhoff, K., Newbery, D. (2005): A Review of the Monitoring of Market Power, CMI Working Paper 71. http://www.econ.cam.ac.uk/electricity/publications/wp/ep71.pdf

Literaturverzeichnis

125

U.S. Department of Justice states (o.J.): Merger Guidelines § 1.51. http://www.usdoj.gov/atr/public/testimony/hhi.htm UCTE (2002): Statistical Yearbook UCTE 2001. UCTE (2005): Exchange Values. http://www.ucte.org/pdf/statistics/Exchange/e_exchanges_2004.pdf UCTE (2006): Online-data. http://www.ucte.org/statistics/onlinedata/definition/e_default.asp Vattenfall Europe AG (2006): Vertikale Netzlast. http://transmission.vattenfall.de/index.asp VDN (2004): Leistungsbilanz der allgemeinen Stromversorgung in Deutschland zum Zeitpunkt der Jahreshöchstlast 2004. http://www.vdn-berlin.de/global/downloads/Publikationen/LB/JHoechstlast_2004.pdf VDN (2004): Leistungsbilanz der allgemeinen Stromversorgung in Deutschland zum Zeitpunkt der Jahreshöchstlast 2004. http://www.vdn-berlin.de/global/downloads/Publikationen/LB/JHoechstlast_2003.pdf VDN (2005): Beschaffung von Regelleistung und –energie in Deutschland, Berlin. http://www.vdn-berlin.de/global/downloads/Netz-Themen/Regelenergie/Regelenergiemarkt_dt_2005-0707.pdf VDN (2005): Leistungsbilanz der allgemeinen Stromversorgung in Deutschland zum Zeitpunkt der Jahreshöchstlast 2005. http://www.vdn-berlin.de/global/downloads/Publikationen/LB/JHoechstlast_2005.pdf Ventosa, M., u.a. (2005): Electricity market modeling trends, in: Energy Policy 33 (7), S. 897-913. VIK (2005), VIK (2004), VIK (2003), VIK (2002), VIK (2001), VIK (2000): Energiepreise http://www.vik.de/fileadmin/vik/Energiepreise/Energiepreise.pdf VIK (2006): Energiepreise und Notierungen. http://www.vik-online.de/index.php?id=12 Von Auer, L. (2002): Ökonometrie – Eine Einführung, Berlin. Von der Fehr, N. H., Harbord, D. (1993): Spot Market Competition in the UK Electricity Industry, in: Economic Journal 103, S. 531-546. Von Hirschhausen, Ch., Weigt, H., Zachmann, G. (2007): Preisbildung und Marktmacht auf den Elektrizitätsmärkten in Deutschland Grundlegende Mechanismen und empirische Evidenz, Dresden. http://www.vik.de/fileadmin/vik/Pressemitteilungen/PM070118/VIK_Gutachten.pdf Von Weizsäcker, Ch. (2005): Warum die Strompreise steigen?, in: Energiewirtschaftliche Tagesfragen 55 (Spezial), S. 2-4. Weber, C. (2002): Das Investitionsparadox in wettbewerblichen Strommärkten – Problembeschreibung und Lösungsansätze, in: Energiewirtschaftliche Tagesfragen 52(11), S. 756–759. Wolak, F. (2000): An empirical analysis of the impact of hedge contracts on bidding behaviour in a competitive electricity market, International Economic Journal, 14(2), S. 1-39. Wolak, F. (2003): Measuring Unilateral Market Power in Wholesale Electricity Markets: The California Market 1998 – 2000, Centre for the Study of Energy Markets, Working paper 114. http://www.ucei.berkeley.edu/ucei/PDF/csemwp114.pdf Wolfram, C. D. (1998): Strategic Bidding in a multiunit auction: an empirical analysis of bids to supply electricity in England and Wales, in: Rand Journal of Economics 29(4), S. 703-725. Wolfram, C. D. (1999): Measuring Duopoly power in the British Electricity Spot Market, in: American Economic Review 89(4), S. 805-826.

126

Literaturverzeichnis

Zachmann, G. (2005): Convergence of Electricity Wholesale Prices in Europe? A Kalmann Filter Approach. Berlin. http://www.diw.de/deutsch/produkte/publikationen/diskussionspapiere/docs/papers/dp512.pdf Zimmer, M., Lang, Ch., Schwarz, H.-G. (2007): Marktstruktur und Konzentration in der deutschen Stromerzeugung 2006, in: Energie|Markt|Wettbewerb (e|m|w) (5), 2, S.42-48. Zuteilungsgesetzt (2007). http://bundesrecht.juris.de/bundesrecht/zug_2007/gesamt.pdf