بهينه‌يابي قراردادهاي بالادستي نفت و گاز: الگوي كارگزار- كارفرما

Optimization of Upstream Oil and Gas Contracts: A Principal-Agent Model

تاريخچه قراردادهاي نفتي در قرن اخير حكايت از آن دارد كه قراردادهاي نفتي در واقع چهره‌اي از معارضه منافع شركت‌هاي نفتي خارجي با منافع ملي دولت‌هاي صاحب مخزن است. در تعارض مطرح شده، اين سوال مهم در برابر دولت‌هاي ميزبان وجود داشته و دارد كه كدام‌يك از قراردادهاي بالادستي متعارف و موجود را بايد انتخاب كنند تا منافع بيشتري كسب شود. براي پاسخ به اين سوال تحقيق از نظريه نمايندگي استفاده شده است. در مدل طراحي شده تابع منفعت هركدام از طرفين در هركدام از قراردادهاي بالادستي بيان شده، شناسايي و مدلسازي شده‌اند. همچين شروط عقلانيت و انگيزه نيز در اين مدل به عنوان قيد مشاركت مورد تحليل قرار گرفته‌اند. نتايج حاصل از مدل پيشنهادي با استفاده از روش الگوريتم ژنتيك حاكي از آن است كه قرارداد مشاركت در توليد در مقايسه با دو قرارداد امتيازي و خريد خدمت در مختصات ميدان مفروض كمترين هزينه نمايندگي را داشته و مي‌تواند به عنوان الگوي منتخب، بيشترين منفعت را براي دولت صاحب مخزن در پي داشته باشد.

The history of oil contracts in the last century indicates that oil contracts are a form of conflict between the interests of foreign oil companies and national interests of reservoir-owning governments. In this context, an important question arises for reservoir-owning governments as to which existing conventional upstream contracts should be chosen to maximize benefits. Representation theory has been used to answer this research question. In the designed model, each party's interest function in each of the upstream contracts is identified and modeled. Also, the rationality and motivation conditions in this model have been analyzed as participation constraints. The results of the proposed model using the genetic algorithm method show that, given field coordinates, the production-sharing contract has the lowest representation cost compared to the other two contracts of concession and service purchase. an‎d as the selected model, production-sharing contracts can make the most profit for reservoir-owning governments.