일중 전력 트레이딩을 위한 생성형 가격 경로 예측

기사 arXiv papers · 저자: Jieyu Chen et al.

요약

이 논문은 독일 연속 거래 시장의 일중 전력 가격을 확률적으로 예측하는 생성형 신경망을 제시합니다. 점 추정치만 만드는 대신 가능한 가격 경로를 생성해 고정 거래량 설정에서 시장 매도 주문 배치에 활용합니다.

저자들은 통계 지표 기준으로 이 모형이 두 가지 통계 예측 벤치마크와 경쟁력 있는 성과를 보인다고 보고합니다. 경제성 평가에서는 생성된 경로를 바탕으로 한 전략이 벤치마크 기반 전략보다 더 큰 수익 증가를 냅니다. 발췌문은 모형 구조, 정확한 주문 규칙, 평가 기간, 거래 비용 처리 방식, 수익 증가 규모를 명시하지 않습니다. 결과는 독일 일중 시장과 제시된 시나리오에 한정되므로 다른 시장이나 거래 조건에서도 접근법이 통한다고 입증하지는 않습니다.

핵심 아이디어

예측 모형은 일중 전력 가격의 확률적 경로를 생성합니다.
생성된 경로는 고정 거래량 시나리오에서 매도 주문을 안내하는 데 사용됩니다.
통계 성과를 두 가지 예측 벤치마크와 비교합니다.
보고된 트레이딩 수익 증가는 생성형 모형에 유리하지만, 발췌문에는 비용과 일반화 가능성을 평가하는 데 필요한 세부 사항이 빠져 있습니다.

# 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.

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

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

일중 전력 트레이딩을 위한 생성형 가격 경로 예측

요약

핵심 아이디어

태그