Гибридные модели прогнозирования спотовых цен на электроэнергию

Сводка

В документе описано исследование гибридных подходов к прогнозированию спотовых цен на электроэнергию на рынке EPEC. Компоненты модели включают наивный прогноз, анализ Фурье, модели ARMA и GARCH, процесс диффузии со скачками и возвратом к среднему, а также рекуррентные нейронные сети. Они перечислены как элементы гибридного подхода, но не объясняется, как их объединяют и сравнивают прогнозы.

Для обучения используются цены на электроэнергию за 2013–2014, а 2015 оставлен для тестирования. Такое разделение по времени задаёт основу для оценки прогнозов на более позднем году. Однако в документе нет показателей точности, сравнительных результатов, характеристик рынка или подробностей о настройках моделей. Поэтому читатели не могут определить, какой подход показал лучшие результаты и применимы ли они за пределами этого рынка и периода.

Ключевые идеи

• В исследовании рассматриваются гибридные методы прогнозирования спотовых цен на электроэнергию на рынке EPEC.
• Среди перечисленных компонентов модели — анализ Фурье, ARMA, GARCH, возврат к среднему со скачками и рекуррентные нейронные сети.
• Для обучения используется период с данными о ценах на электроэнергию за 2013–2014.
• Для тестирования прогнозов оставлен 2015.
• Результаты оценки эффективности и подробности объединения моделей не приведены.

Теги

# Hybrid Modelling Approaches for Forecasting Energy Spot Prices in EPEC market


# Hybrid Modelling Approaches for Forecasting Energy Spot Prices in EPEC market









In this work we considered several hybrid modelling approaches for forecasting energy spot prices in EPEC market. Hybridization is performed through combining a Naive model, Fourier analysis, ARMA and GARCH models, a mean-reversion and jump-diffusion model, and Recurrent Neural Networks (RNN). Training data was given in terms of electricity prices for 2013-2014 years, and test data as a year of 2015.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.