The Role of Learning in the Brazilian Oil and Gas Exploration Industry

• Ano de defesa: 2022
• Autor(a) principal: Notarangeli, Antonio Henrique Labate
• Orientador(a): Sant'Anna, Marcelo Castello Branco
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Palavras-chave em Português: Aprendizado; Modelo dinâmico de escolha discreta; Exploração de óleo e gás
• Palavras-chave em Inglês: Learning; Dynamic discrete choice models; Oil and gas exploration
• Link de acesso: https://hdl.handle.net/10438/31828

Nós apresentamos e estimamos um modelo estrutural para entender o papel do aprendizado para as decisões de perfuração de poços de petróleo no Brasil, nos beneficiando do longo período de monopólio no país, que nos permite desconsiderar interações estratégicas entre firmas. Dado que depósitos de óleo e gás tendem a estar geograficamente agrupados, perfurar um poço exploratório dá para a firma um recurso importante: informação. Os dados sugerem que poços perfurados dão um sinal a respeito dos resultados de poços vizinhos futuros. Portanto, propomos uma estrutura de aprendizado Bayesiana de acordo com a qual o agente atualiza suas crenças conforme as campanhas exploratórias avançam. Esse componente de aprendizado torna o problema de decisão dinâmico, motivando o uso de um modelo dinâmico de escolha discreta para explicar como a firma decide as áreas que serão exploradas em cada período. Usando o Algoritmo do Ponto Fixo Aninhado (NFXP), nós estimamos os parâmetros de interesse por máxima verossimilhança. O modelo estimado sugere que o aprendizado foi importante, mas que seu impacto é secundário quando se considera a variação nos preços do petróleo. Por fim, nós simulamos dois cenários de perfuração contrafactuais - um no qual o aprendizado é eliminado, outro no qual os preços são eliminados. De fato, concluímos que o aprendizado, por si só, não é capaz de explicar os dados que observamos: a variação no preço de petróleo é o componente principal do processo de decisão da firma.