コンテンツへスキップ
ライブラリの全資料

日中電力取引に向けた生成型価格経路予測

記事 arXiv papers · 著者: Jieyu Chen et al.
原文を読む

サマリー

この論文では、ドイツの連続時間市場における日中電力価格の確率的予測に、生成型ニューラルネットワークを提示します。単一の点推定値だけを出すのではなく、複数の価格経路を生成し、取引量を固定した取引設定で市場への売り注文の発注に活用します。

著者らによると、統計指標では、このモデルは2つの統計的予測ベンチマークに対して競争力のある成績を示しています。経済評価では、生成された価格経路に基づく戦略のほうが、ベンチマークに基づく戦略より大きな利益増加を生み出します。抜粋には、モデル構造、具体的な注文ルール、評価期間、取引コストの扱い、利益増加の大きさが記されていません。結果はドイツの日中市場と記載されたシナリオに特有であり、他の市場や取引環境にも手法が一般化することを立証するものではありません。

主なアイデア

  • 予測モデルは、日中電力価格の確率的な経路を生成します。
  • 固定取引量のシナリオで、生成した価格経路を売り注文の発注に活用します。
  • 統計的な成績を2つの予測ベンチマークと比較します。
  • 報告された取引利益は生成型モデルを支持しますが、コストや一般化可能性を評価する詳細は抜粋にありません。

タグ

機械学習コモディティ統計注文執行
全文
# Probabilistic intraday electricity price forecasting using generative machine learning


# Probabilistic intraday electricity price forecasting using generative machine learning









The growing importance of intraday electricity trading in Europe calls for improved price forecasting and tailored decision-support tools. In this paper, we propose a novel generative neural network model to generate probabilistic path forecasts for intraday electricity prices and use them to construct effective trading strategies for Germany's continuous-time intraday market. Our method demonstrates competitive performance in terms of statistical evaluation metrics compared to two state-of-the-art statistical benchmark approaches. To further assess its economic value, we consider a realistic fixed-volume trading scenario and propose various strategies for placing market sell orders based on the path forecasts. Among the different trading strategies, the price paths generated by our generative model lead to higher profit gains than the benchmark methods. Our findings highlight the potential of generative machine learning tools in electricity price forecasting and underscore the importance of economic evaluation.

出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。