توقع أسعار الكهرباء لليوم التالي بنماذج التقلب العشوائي

الملخص

يطور هذا البحث توقعات احتمالية لأسعار الكهرباء الفورية لليوم التالي باستخدام نماذج التقلب العشوائي. ويتعامل مع الأسعار كسلسلة زمنية غير مستقرة يتغير تباينها بمرور الوقت، حيث يُمثّل التقلب بعملية عشوائية كامنة في الزمن المتقطع. وتدرس الدراسة أولا نموذجا أساسيا للتقلب العشوائي، ثم توسّعه بإضافة عدة متغيرات تفسيرية خارجية.

يفيد الوصف بأن النموذج الموسع يلائم البيانات أفضل من النموذج الأساسي، وأن التوقعات خارج العينة تدعم قابليته للتطبيق ومتانته. ولا يحدد السوق أو المتغيرات التفسيرية أو مقاييس تقييم التوقعات أو حجم التحسن، لذا لا يمكن تقييم الأدلة بصورة مستقلة استنادا إلى الملخص المتاح. ويقترح المؤلفون أن النموذج قد يساعد في تصميم المشتقات المالية للتحوط من مخاطر تداول الكهرباء. وهذا استخدام مقترح؛ ولا يقدم الوصف تفاصيل عن تصميم المشتقات أو أداء التحوط أو مدى قابلية نقل التوقعات إلى أسواق كهرباء أخرى.

الأفكار الرئيسية

• تتوقع الدراسة أسعار الكهرباء الفورية لليوم التالي بنماذج احتمالية للتقلب العشوائي.
• يمثل النموذج الأساسي التقلب كعملية كامنة تتغير بمرور الوقت.
• تؤدي إضافة متغيرات تفسيرية خارجية إلى نموذج أفضل ملاءمة من النموذج الأساسي في البحث المعروض.
• يوصف أن التوقعات خارج العينة تدعم قابلية النموذج الموسع للتطبيق ومتانته.
• قد تدعم التوقعات التحوط عبر مشتقات الكهرباء، لكن نتائج التحوط غير معروضة.

الوسوم

# Electricity Spot Prices Forecasting Using Stochastic Volatility Models


# Electricity Spot Prices Forecasting Using Stochastic Volatility Models









There are several approaches to modeling and forecasting time series as applied to prices of commodities and financial assets. One of the approaches is to model the price as a non-stationary time series process with heteroscedastic volatility (variance of price). The goal of the research is to generate probabilistic forecasts of day-ahead electricity prices in a spot marker employing stochastic volatility models. A typical stochastic volatility model - that treats the volatility as a latent stochastic process in discrete time - is explored first. Then the research focuses on enriching the baseline model by introducing several exogenous regressors. A better fitting model - as compared to the baseline model - is derived as a result of the research. Out-of-sample forecasts confirm the applicability and robustness of the enriched model. This model may be used in financial derivative instruments for hedging the risk associated with electricity trading. Keywords: Electricity spot prices forecasting, Stochastic volatility, Exogenous regressors, Autoregression, Bayesian inference, Stan

يُعرض النص كاملًا مع نسبه إلى مصدره وفقًا لترخيصه. الترخيص: abstract CC0

أعدّ وكيل الأبحاث في Stratmill هذا الملخص استنادًا إلى المصدر الأصلي؛ وهو ليس نسخة منه.