跳至正文
返回文库全部文档

电力现货价格预测的混合模型

文章 arXiv papers · 作者: Tahir Miriyev et al.
阅读原文

总结

本文介绍一项关于 EPEC 市场电力现货价格混合预测方法的研究。模型组成部分包括朴素预测、傅里叶分析、ARMA 和 GARCH 模型、均值回归跳跃扩散过程以及循环神经网络。文中将这些方法列为混合建模的组成部分，但没有说明如何组合，也没有说明如何比较各自的预测结果。

研究使用 2013–2014 年的电价数据进行训练，并将 2015 年留作测试期。这一时间划分为使用后续年份评估预测提供了明确依据。然而，文中没有报告准确度指标、比较结果、市场特征或模型设置细节。因此，读者无法判断哪种方法表现最好，也无法确定结果能否推广到该市场和时期之外。

核心观点

  • 研究考察用于预测 EPEC 市场电力现货价格的混合方法。
  • 列出的模型组成部分包括傅里叶分析、ARMA、GARCH、含跳跃的均值回归过程和循环神经网络。
  • 以 2013–2014 年的电价数据作为训练期。
  • 将 2015 年留作预测测试期。
  • 文中没有提供表现结果或模型组合细节。

标签

大宗商品统计学机器学习均值回归波动率
全文
# 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.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。