使用销售和购买曲线进行电价预测：

其优点是基于销售和购买曲线的方法直接考虑了市场行为及其所有复杂的依赖性和非线性特性。普通的模型方法很难涵盖这种行为。另一个重要应用可能是通过关闭发电厂来评估价格影响，例如，由于逐步淘汰核电厂或褐煤发电厂。通过对投标行为和燃料成本提出一些假设，就有可能为电力市场建立一个适当的模型。这将使研究人员能够从决策者那里获得可利用的现实价格预测。请注意，这样的预测可能会在未来一天以上实现。如果模型设计得当，甚至可以进行几个月甚至几年的长期研究。这可能与EGDP增长或燃料成本等相关指标的不同情景相结合。此外，本文提出的模型可以支持电价建模中两种模型规律的对话。目前，有经典的统计、时间序列和机器学习技术，可以根据观察和相关时间序列预测市场清算价格。其他模型方法主要是基本的或基于多智能体的电价模型，它们从理论角度分析电力市场，通常忽略真实的拍卖数据。尽管这两个学科的目标目标目标（例如预测电价和理解市场关系）可能有所不同，但它们有很大的相似性。总的来说，他们都在为电价建模，并希望尽可能接近它——他们只是从不同的角度看待它。

我们的方法确实基于计量经济学方法，朝着建模的基本方法迈出了一步，因此能够获得对我们的方法至关重要的新见解。因此，我们相信，本文可能为两个模型学科的代表之间增加交流提供一个良好的起点。未来的研究还应改进投标时间序列的考虑模型。首先，我们在不明确包括更复杂的区块出价的情况下，对出价进行线性插值的简化，应该被更现实的算法所取代，该算法提供了对幼发血症的近似值（参见Dourbis和Biskas（2015））。从这个意义上讲，欧洲的市场耦合以及进出口对电价的影响也可以纳入其中（见Wehinger等人（2013））。此外，还可以在优化标书分类方式方面进行更多调查。对投标数据应用其他降维技术可能也会带来很大的改进。另一个重要问题涉及用于建模价格类别投标量的其他相关数据。例如，到目前为止，我们忽略了公众假期的影响。在假日，如平安夜、圣诞节或元旦，模特的表现相对较差。在这里，改进相对容易。此外，将不同市场的市场价格时间序列（如当日价格）以及相关市场（如邻国市场）的拍卖结果包括在内，可能有助于提高模型质量。其他有用的回归因素可能是不同的燃料成本或煤耗。

此外，用于绘制当地价格行为图的重组程序为进一步改进提供了大量空间。某个价格被交易或不被交易的概率可以是时变的。参考萨内罗斯，G.，维拉尔，J.M.，曹，R.，和圣罗克，A.M.（2013）。电力现货市场剩余需求的函数预测。IEEE电力系统学报，28（4）：4201-4208。巴洛，M.T.（2002）。电价的差异模型。数学金融，12（4）：287-298。布格特，A.和杜邦，D.（2008）。当供给满足需求时：以小时电价为例。电力系统，IEEE学报，第23（2）：389–398页。鲍登，N.和佩恩，J.E.（2008）。MISO枢纽电价的短期预测：来自ARIMA-EGARCH模型的证据。能源经济学，30（6）：3186-3197。Bowsher，C.G.（2004）。模拟横截面价格函数的动态：自动交易所买卖曲线的计量经济学分析。技术报告，核经济工作文件。Buzoianu，M.，Brockwell，A.，和Seppi，D.J.（2005）。电力价格的动态供需模型。技术报告，卡内基梅隆大学。Carmona，R.和Coulon，M.（2014）。对商品市场和电价结构模型的调查。《定量能源金融》，第41-83页。斯普林格。R.卡莫纳、M.库伦和D.施瓦兹（2013年）。电价建模和资产评估：多燃料结构方法。数学与金融经济学，7（2）：167-202。Christensen，T.，Hurn，A.，和Lindsay，K.（2012）。预测电价飙升。《国际预测杂志》，28（2）：400-411。J.克鲁迪乌斯、H.赫尔曼、F.C.马特斯和V.格雷琴（2014）。2008-2016年德国风力发电和光伏发电的优序效应：估算和分配影响。

能源经济学，44:302–313。Conejo，A.J.，Plazas，M.A.，Espinola，R.，和Molina，A.B.（2005）。利用小波变换和ARIMA模型进行日前电价预测。IEEE电力系统交易，20（2）：1035–1042。库隆，M.，雅各布森，C.，和斯特罗伊比，J.（2014）。功率的每小时分辨率正向曲线：统计建模符合市场基本面。能源定价模型：最新进展、方法和工具。帕尔格雷夫·麦克米伦。Dillig，M.，Jung，M.，和Karl，J.（2016）。可再生能源对德国电价的影响——基于2011-2013年历史现货价格的估计。可再生和可持续能源评论，57:7-15。杜尔比斯，G.A.和比斯卡斯，P.N.（2015）。欧洲市场耦合算法结合了大宗和复杂订单的结算条件。《电力技术》，2015年IEEE埃因霍温，第1-6页。IEEE。艾希勒，M.，索利，J.，和图尔克，D.（2012）。一种基于供需差价建模电价的新方法。2012年能源金融会议，挪威特隆赫姆，第1-4页。艾希勒，M.和图尔克，D.（2013）。将半参数马尔可夫状态转换模型拟合到电力现货价格。能源经济学，36:614–624。埃斯克里巴诺，A.，伊格纳西奥·佩纳，J.，和维拉普莱纳，P.（2011）。模拟电价：国际证据。牛津经济与统计公报，73（5）：622-650。Eydeland，A.和Wolynice，K.（2003）。能源和电力风险管理：建模、定价和对冲的新发展。John Wiley&Sons，新泽西州，美国。Friedman，J.，Hastie，T.，H–o fling，H.，和Tibshirani，R.（2007）。路径坐标优化。《应用统计年鉴》，1（2）：302-332。弗里德曼，J.，黑斯蒂，T.，和蒂布什拉尼，R.（2010）。通过坐标下降的广义线性模型的正则化路径。统计软件杂志，33（1）：1。Gaillard，P.，Goude，Y.，和Nedellec，R.（2016）。

可加性模型和稳健聚合用于FCOM2014概率电力负荷和电价预测。国际预测杂志。黑斯蒂，T.，蒂布什拉尼，R.，和温赖特，M.（2015）。稀疏统计学习：拉索和归纳。华润出版社。亨德里克斯，C.和埃哈特，M.（2013）。德国电力市场上的清洁电价选择。工作文件，伯吉斯大学，Wuppertal。Hildmann，M.，Ulbig，A.，和Andersson，G.（2015）。高res股份电力市场中优序效应和缺钱问题的实证分析。电力系统，IEEEON，30（3）：1560–1570。Hirth，L.（2013）。可变可再生能源的市场价值：太阳能风能变化对其相对价格的影响。能源经济学，38:218–236。霍塔克苏，A.和普勒，S.L.（2008）。理解多单元拍卖中的战略竞价：德克萨斯州电力现货市场的acase研究。兰德经济学杂志，39（1）：86-114。Howison，S.和Coulon，M.C.（2009）。电力竞价堆栈的随机行为：从基本驱动因素到电价。《能源市场杂志》，2（1）：1-27。Janczura，J.和Weron，R.（2012）。马尔可夫机制转换模型的有效估计：电力现货价格的应用。AStA统计分析进展，96（3）：385–407。Karakatsani，N.V.和Bunn，D.W.（2008）。预测电价：基础和时变系数的影响。《国际预测杂志》，24（4）：764-785。Keles，D.，Genoise，M.，M¨ost，D.，和Fichtner，W.（2012）。考虑负电价的电力现货价格模拟的扩展均值回归和时间序列模型的比较。能源经济学，34（4）：1012-1032。Ketterer，J.C.（2014）。风力发电对德国电价的影响。能源经济学，44:270–280。刘浩和施，J.（2013）。

应用ARMA–GARCH方法预测短期电价。能源经济学，37:152–166。刘志强、颜俊杰、石勇、朱坤和蒲刚（2012）。基于多智能体的电力拍卖市场竞价机制实验分析。《国际电力与能源系统杂志》，43（1）：696-702。洛克哈特，R.，泰勒，J.，蒂布什拉尼，R.J.，和蒂布什拉尼，R.（2014）。这是一个重要的测试。《统计年鉴》，42（2）：413。北路德维希、南卡罗来纳州费耶格尔和诺依曼（2015）。让大数据分析发挥作用：使用套索和随机森林预测电价的功能选择。《决策系统杂志》，24（1）：19-36。K.马西约夫斯卡、J.诺沃塔斯基和R.沃伦（2016年）。利用因子分位数回归平均法对电力现货价格进行概率预测。《国际预测杂志》，32（3）：957-965。麦康奈尔博士、赫普斯博士、伊尔斯博士、桑迪福德医学院、邓恩医学院、莱特医学院和贝特曼医学院（2013年）。澳大利亚国家电力市场中分布式光伏发电对批发电价的优序影响的回顾性建模。能源政策，58:17-27。Portela，J.，Munoz，A.，Sanchez Ubeda，E.，Garcia Gonzalez，J.，和Gonzalez，R.（2016）。剩余需求曲线，用于模拟复杂影响条件对日前电力市场的影响。电力系统，IEEE交易。桑斯夫·F.，拉格维茨，M.，和热那亚，M.（2008）。优序效应：详细分析可再生能源发电对德国现货市场价格的影响。能源政策，36（8）：3086-3094。斯威德，D.J.和韦伯，C.（2007）。用于估计日前电力市场价格发展的扩展ARMA模型。电力系统研究，77（5）：583-593。Tibshirani，R.（1996年）。通过套索进行回归收缩和选择。

皇家统计学会杂志：B辑（统计方法），58（1）：267-288。V\'azquez，S.，Rodilla，P.，和Batle，C.（2014年）。欧洲电力交易所战略竞价的剩余需求模型：在可再生能源大量渗透的情况下重新审视方法。电力系统研究，108:178–184。M.文托萨、A.巴约、A.拉莫斯和M.里维埃（2005）。电力市场建模趋势。能源政策，33（7）：897-913。瓦格纳，A.等人（2014年）。剩余需求建模及其在电价中的应用。能源杂志，35（2）：45-73。洛杉矶韦亨格、G.霍格·格兰兹曼、M.D.加卢斯和G.安德森（2013）。使用模型预测和利润最大化代理对电力批发市场进行建模。电力系统，IEEE学报，第28（2）：868–876页。韦伦，R.（2006）。电力负荷和价格的建模和预测：一种统计方法。约翰·威利父子公司，英国奇切斯特。沃伦·R.（2008）。亚洲式电力期权和期货隐含的风险市场价格。能源经济学，30（3）：1098-1115。韦伦，R.（2014）。电价预测：回顾最新技术并展望未来。《国际预测杂志》，30（4）：1030-1081。Weron，R.和Misiorek，A.（2008）。预测现货电价：参数和半参数时间序列模型的比较。《国际预测杂志》，24（4）：744-763。Ziel，F.（2016a）。用套索预测电力现货价格：关于捕捉自回归日内结构。IEEE电力系统交易。Ziel，F.（2016b）。条件异方差时间序列的迭代加权自适应套索及其在ar–arch型过程中的应用。计算统计与数据分析，100:773–793。Ziel，F.和Liu，B.（2016）。GEFCom2014概率电力负荷预测的Lasso估计。

《国际预测杂志》，32（3）：1029-1037。Ziel，F.，Steinert，R.，和Husmann，S.（2015a）。高效的电力现货价格建模和预测。能源经济学，47:98–111。Ziel，F.，Steinert，R.，和Husmann，S.（2015b）。预测日前电力现货价格：EXAA对其他欧洲电力市场的影响。能源经济学，51:430–444。