Probabilistische Prognosen für Intraday-Strompreise in Deutschland

Zusammenfassung

Die Studie prognostiziert Preisverteilungen für stündliche Handelsfenster im deutschen kontinuierlichen Intraday-Markt und konzentriert sich auf die letzten drei Stunden vor der Lieferung. Statt nur Punktprognosen zu erstellen, simuliert sie Preisverläufe und bildet Ensembles, die den Intraday-Handel und Redispatch unterstützen sollen. Preisdifferenzen werden mit einem generalisierten additiven Modell und einer nullinflationierten Mischung aus einer Punktmasse bei null und einer Student-t-Verteilung modelliert. Eine Lasso-penalisierte logistische Regression schätzt den Mischungsanteil. Erwartete Preisänderungen und Volatilität werden anhand der Markthistorie, Nicht-Handelseffekten, der Restlaufzeit sowie Prognosen zu Last und erneuerbarer Erzeugung modelliert.

Eine Studie mit rollierenden Zeitfenstern bewertet In-Sample-Eigenschaften und Prognoseleistung im Vergleich zu mehreren Modellvarianten und Benchmarks; verwendet werden probabilistische Kennzahlen und Signifikanztests. Die Autoren berichten, dass das Mischungsmodell die Benchmarks übertrifft, insbesondere durch die Modellierung der Volatilität, und dass die Einführung von XBID mit einer geringeren Marktvolatilität zusammenfiel. Der angegebene Marktfokus begrenzt die direkte Übertragbarkeit, auch wenn die Autoren meinen, der Ansatz könne auf andere kontinuierliche Märkte, insbesondere in Europa, ausgeweitet werden.

Kernaussagen

• Der Ansatz simuliert Ensembles von Intraday-Strompreisverläufen für Prognosen der Preisverteilung.
• Preisdifferenzen werden mit einer nullinflationierten Mischung aus einer Punktmasse und einer Student-t-Verteilung modelliert.
• Ein Lasso-penalisiertes logistisches Modell schätzt das Mischungsgewicht; Kovariaten helfen bei der Modellierung erwarteter Änderungen und der Volatilität.
• Die rollierende Auswertung vergleicht Modellvarianten mit Benchmarks anhand probabilistischer Kennzahlen und Signifikanztests.
• Die Studie berichtet eine bessere Leistung als die Benchmarks und eine geringere Volatilität nach XBID; die Evidenz konzentriert sich auf den deutschen Markt.

Schlagwörter

# Ensemble Forecasting for Intraday Electricity Prices: Simulating Trajectories


# Ensemble Forecasting for Intraday Electricity Prices: Simulating Trajectories









Recent studies concerning the point electricity price forecasting have shown evidence that the hourly German Intraday Continuous Market is weak-form efficient. Therefore, we take a novel, advanced approach to the problem. A probabilistic forecasting of the hourly intraday electricity prices is performed by simulating trajectories in every trading window to receive a realistic ensemble to allow for more efficient intraday trading and redispatch. A generalized additive model is fitted to the price differences with the assumption that they follow a zero-inflated distribution, precisely a mixture of the Dirac and the Student's t-distributions. Moreover, the mixing term is estimated using a high-dimensional logistic regression with lasso penalty. We model the expected value and volatility of the series using i.a. autoregressive and no-trade effects or load, wind and solar generation forecasts and accounting for the non-linearities in e.g. time to maturity. Both the in-sample characteristics and forecasting performance are analysed using a rolling window forecasting study. Multiple versions of the model are compared to several benchmark models and evaluated using probabilistic forecasting measures and significance tests. The study aims to forecast the price distribution in the German Intraday Continuous Market in the last 3 hours of trading, but the approach allows for application to other continuous markets, especially in Europe. The results prove superiority of the mixture model over the benchmarks gaining the most from the modelling of the volatility. They also indicate that the introduction of XBID reduced the market volatility.

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.