Pular para o conteúdo
Todos os documentos da biblioteca

Previsões de preços de energia intradiários | Stratmill

Artigo arXiv papers · Autor: Jieyu Chen et al.
Ler o original

Resumo

O artigo apresenta uma rede neural generativa para previsões probabilísticas dos preços intradiários de eletricidade no mercado alemão de negociação contínua. Em vez de produzir apenas uma estimativa pontual, o método gera possíveis trajetórias de preços e as usa para orientar a colocação de ordens de venda no mercado, em uma operação com volume fixo.

Os autores relatam que o modelo tem desempenho competitivo em métricas estatísticas frente a duas referências de previsão estatística. Na avaliação econômica, estratégias baseadas nas trajetórias geradas produzem ganhos de lucro maiores que as baseadas nas referências. O trecho não especifica a arquitetura do modelo, as regras exatas das ordens, o período de avaliação, o tratamento dos custos de transação nem a magnitude dos ganhos. Os resultados são específicos do mercado intradiário alemão e do cenário descrito, portanto não demonstram que a abordagem se generalize a outros mercados ou condições de trading.

Ideias principais

  • O modelo de previsão gera trajetórias probabilísticas para os preços intradiários de eletricidade.
  • As trajetórias geradas orientam ordens de venda em um cenário de trading com volume fixo.
  • O desempenho estatístico é comparado com dois métodos de previsão de referência.
  • Os ganhos de trading relatados favorecem o modelo generativo, mas o trecho omite detalhes necessários para avaliar custos e possibilidade de generalização.

Tags

Aprendizado de máquinaCommoditiesEstatísticaExecução
Texto completo
# 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.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.