본문으로 건너뛰기
라이브러리 문서 전체

확률적 변동성으로 하루 전 전력 가격 예측

기사 arXiv papers · 저자: Andrei Renatovich Batyrov
원문 읽기

요약

이 연구는 확률적 변동성 모델을 사용해 하루 전 전력 현물 가격의 확률적 예측을 개발합니다. 가격을 분산이 시간에 따라 변하는 비정상 시계열로 다루고, 이산 시간의 잠재 확률 과정으로 변동성을 나타냅니다. 먼저 기본 확률적 변동성 모델을 살펴본 뒤 여러 외생 회귀 변수를 추가해 확장합니다.

설명에 따르면 확장 모델이 기본 모델보다 적합도가 높으며, 표본 외 예측은 적용 가능성과 견고성을 뒷받침합니다. 그러나 시장, 회귀 변수, 예측 평가 지표, 개선 폭을 밝히지 않아 제공된 요약만으로는 근거를 독립적으로 평가할 수 없습니다. 저자들은 이 모델이 전력 거래 위험을 헤지하는 금융 파생상품 설계에 참고가 될 수 있다고 제안합니다. 이는 제안된 활용 방안이며, 설명에는 파생상품 설계, 헤지 성과, 다른 전력 시장으로 예측을 적용할 수 있는 정도에 대한 세부 사항이 없습니다.

핵심 아이디어

  • 확률적 변동성 모델로 하루 전 전력 현물 가격을 확률적으로 예측합니다.
  • 기본 모델은 시간에 따라 변하는 잠재 과정으로 변동성을 나타냅니다.
  • 보고된 연구에서 외생 회귀 변수를 추가한 모델은 기본 모델보다 적합도가 높습니다.
  • 표본 외 예측은 확장 모델의 적용 가능성과 견고성을 뒷받침한다고 설명합니다.
  • 예측은 전력 파생상품을 통한 헤지에 참고가 될 수 있지만, 헤지 결과는 제시되지 않습니다.

태그

원자재변동성통계파생상품 가격 결정리스크 관리
전문
# 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

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.