Day-Ahead-Strompreise mit stochastischer Volatilität prognostizieren

Zusammenfassung

Diese Forschungsarbeit entwickelt probabilistische Prognosen für Day-Ahead-Stromspotpreise mithilfe stochastischer Volatilitätsmodelle. Sie behandelt Preise als nichtstationäre Zeitreihe, deren Varianz sich im Zeitverlauf ändert; die Volatilität wird als latenter stochastischer Prozess in diskreter Zeit dargestellt. Die Studie untersucht zunächst ein einfaches stochastisches Volatilitätsmodell und erweitert es anschließend um mehrere exogene Regressoren.

Laut Beschreibung passt das erweiterte Modell besser als die Basisversion. Out-of-Sample-Prognosen stützen demnach seine Anwendbarkeit und Robustheit. Die Beschreibung nennt weder den Markt noch die Regressoren, Prognosebewertungsmaße oder das Ausmaß der Verbesserung. Die Evidenz lässt sich anhand der vorliegenden Zusammenfassung daher nicht unabhängig beurteilen. Die Autoren schlagen vor, dass das Modell Finanzderivate zur Absicherung des Handelsrisikos bei Strom unterstützen könnte. Dabei handelt es sich um eine vorgeschlagene Anwendung; die Beschreibung enthält keine Einzelheiten zum Derivatdesign, zur Absicherungsleistung oder dazu, wie gut sich die Prognosen auf andere Strommärkte übertragen lassen.

Kernaussagen

• Die Studie prognostiziert Day-Ahead-Stromspotpreise mit probabilistischen stochastischen Volatilitätsmodellen.
• Die Basisversion stellt Volatilität als latenten, sich im Zeitverlauf verändernden Prozess dar.
• Laut Studie passt ein Modell mit zusätzlichen exogenen Regressoren besser als die Basisversion.
• Die Out-of-Sample-Prognosen werden als Beleg für die Anwendbarkeit und Robustheit des erweiterten Modells beschrieben.
• Prognosen könnten die Absicherung mit Stromderivaten unterstützen; Ergebnisse zur Absicherung werden jedoch nicht angegeben.

Schlagwörter

# 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

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.