日内电价的计量经济建模与预测

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Econometric modelling and forecasting of intraday electricity prices》
---
作者：
Micha{\\l} Narajewski and Florian Ziel
---
最新提交年份：
2019
---
英文摘要：
  In the following paper, we analyse the ID$_3$-Price in the German Intraday Continuous electricity market using an econometric time series model. A multivariate approach is conducted for hourly and quarter-hourly products separately. We estimate the model using lasso and elastic net techniques and perform an out-of-sample, very short-term forecasting study. The model\'s performance is compared with benchmark models and is discussed in detail. Forecasting results provide new insights to the German Intraday Continuous electricity market regarding its efficiency and to the ID$_3$-Price behaviour.
---
中文摘要：
在本文中，我们使用计量经济学时间序列模型分析了德国日内连续电力市场的ID$\\U 3$价格。对每小时和每季度每小时产品分别采用多元方法。我们使用套索和弹性网技术对模型进行估计，并进行样本外的短期预测研究。该模型的性能与基准模型进行了比较，并进行了详细讨论。预测结果为德国日内连续电力市场的效率和ID$\\u 3$价格行为提供了新的见解。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Statistical Finance        统计金融
分类描述：Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--
一级分类：Economics        经济学
二级分类：Econometrics        计量经济学
分类描述：Econometric Theory, Micro-Econometrics, Macro-Econometrics, Empirical Content of Economic Relations discovered via New Methods, Methodological Aspects of the Application of Statistical Inference to Economic Data.
计量经济学理论，微观计量经济学，宏观计量经济学，通过新方法发现的经济关系的实证内容，统计推论应用于经济数据的方法论方面。
--
一级分类：Statistics        统计学
二级分类：Applications        应用程序
分类描述：Biology, Education, Epidemiology, Engineering, Environmental Sciences, Medical, Physical Sciences, Quality Control, Social Sciences
生物学，教育学，流行病学，工程学，环境科学，医学，物理科学，质量控制，社会科学
--

---
PDF下载：
--> Econometric_modelling_and_forecasting_of_intraday_electricity_prices.pdf (1.6 MB)

2022-6-11 07:44:20 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：计量经济 经济建模 econometrics Applications epidemiology

传统电价的计量经济建模与预测杜伊斯堡埃森大学纳拉杰夫斯基分校和杜伊斯堡埃森大学弗洛里安齐鲁大学2019年9月24日摘要本文采用计量经济时间序列模型分析德国日内连续电力市场的ID价格。对每小时和每季度每小时产品分别采用多变量方法。我们使用套索和弹性网技术对模型进行估计，并进行样本外的短期预测研究。该模型的性能与基准模型进行了比较，并进行了详细讨论。预测结果为德国日内连续电力市场的效率和ID价格行为提供了新的见解。关键词：弹性网、电价、日内市场、套索、变量选择本研究文章由德国研究基金会（DFG，德国）和国家科学中心（NCN，波兰）通过贝多芬第2016/23/G/HS4/01005号拨款部分资助。c2019年。本手稿版本根据CC-BY-NC-ND 4.0许可证提供http://creativecommons.org/licenses/by-nc-nd/4.0/1简介德国依赖天气的可再生能源生产的不断发展需要一个灵活的市场，在这个市场中，发电厂可以平衡其生产预测，这可能是由不断变化的、不可预测的天气条件引起的。日内电力市场的引入解决了这些问题，并允许市场参与者持续交易能源，直到整个市场开始交付前30分钟，直到各个控制区内开始交付前5分钟。

尽管新兴市场的人气迅速增长，但相应的文献并没有跟上它的步伐。虽然人们乐于研究日前市场中的电价预测（EPF），但据我们所知，关于日内电价预测的文章寥寥无几。具体而言，Andrade et al.（2017）对电价进行了概率价格预测，Monteiro et al.（2016）使用人工神经网络对日内电价进行了预测。这两份文件均基于西班牙市场数据。最近，Uniejewski等人（2019年）进行了关于日内电价预测的研究，该研究接近我们的方向。他们对EPEX德国日内连续市场中每小时产品的ID价格指数进行了非常短期的价格预测。除了EPF之外，还有更多关于日内电力市场的文献。Ziel（2017）、Papeet al.（2016）或Gonz\'alez Aparicio和Zucker（2015）研究了基本回归因素对日内价格形成的影响。另一方面，Kiesel和Paraschiv（2017）或Aid等人（2016）将研究重点放在了日内市场的竞价行为上。下面的文章旨在更深入地研究初级市场中的电价形成。我们希望更好地了解日内市场本身以及推动小时和季度小时日内连续产品价格形成的过程。因此，我们将注意力集中在ID价格指数上。我们以多元方式对其进行建模，这是电价预测中的一项著名技术，见Weron（2014）。我们利用了自回归方法，但我们也利用了日内连续市场的连续性。

我们的目标是利用市场上提供的所有信息。此外，作为外部回归因素，我们考虑了日前和日内拍卖的结果，以及平衡市场的不平衡交易量。请注意，我们没有使用任何基本回归器，例如风能或太阳能预测误差。在下一节中，我们将简要解释日内市场规则和ID价格指数的功能。我们简要分析了上述ID，并在此基础上定义了一个更通用的日内价格指标，称为IDXIDY。然后，给出了描述性统计，并检验了IDprices的平稳性。在第三节中，我们根据Uniejewski et al.（2018）的建议讨论了前卫稳定变换，并描述了模型估计技术，即Tibshirani（1996）的最小绝对收缩和选择算子（lasso）和Zouand Hastie（2005）的弹性网正则化。然后，我们提出了一个完整的信息模型，并给出了基准模型。在第四节中，我们描述了一项预测研究，使用了误差度量、theDiebold和Mariano（1995）测试，以及Ziel（2016）中对系数重要性的度量。在第五节中，我们展示了结果，并对这些结果进行了深入讨论。我们比较了所考虑的模型的预测，并仔细研究了性能最佳模型的变量选择。我们以结论结束本文。2市场描述在德国日内连续市场中，小时产品的交易每天15:00开始，第二天每季度小时产品的交易每天16:00开始。日内连续市场之前是日前拍卖和日内拍卖，分别在每天12:00和15:00进行，见EPEX（2018）。要获得更好的可视化效果，请参见图1。

我们只描述了上述产品，但德国电力市场每天都有更多的交易，例如，远期市场、平衡拍卖或EXAA拍卖。更多详情请参见Viehmann（2017）。在远期和日前市场中，“价格”一词相当直截了当，但关于日内市场，当谈到“日内价格”时，人们并不太清楚其含义。将上一笔交易的价格视为产品的当前价格可能会产生误导。价格的波动性在很大程度上取决于交易量D- 1,12:00Day-AheadAuctiond- 1,15:00日内拍卖小时日内连续- 1,16:00交易日四分之一小时继续在市场上交易，s- InControl智能驭享区域交易结束30分钟- 5分钟交货D，图1：德国电力市场的日常惯例。d表示交货日期，s表示交货时间。能源——数量越小，价格就越分散。这种模式通常会导致价格的暂时性上涨。因此，EPEX引入了几个价格指标：价格指数、ID价格和ID价格。这些度量值分别应用于每种产品，因此每小时产品的每个度量值为24，每季度每小时产品的度量值为96。价格指数是整个交易期内交易价格的成交量加权平均值，ID价格是交易最后3小时内交易价格的成交量加权平均值，ID价格类似于价格最后一小时而非3小时的ID价格平均值。

在计算这些指数时，不考虑交付前30分钟后在各自控制区内发生的交易。2.1 ID价格由于该指数的重要性，在下文中，我们将重点关注ID价格。它是德国日内上限/下限期货的基础。借助这些金融工具，市场参与者可以对冲德国电力市场的正或负价格峰值，见EEX（2018）。设b（d，s）为d天产品s交付的开始。由Td，s=[b（d，s）- 3，b（d，s）- 0.5）我们表示交付开始前3小时到30分钟之间的时间框架，其中，[x，y）表示半开放时间间隔。ID价格的EPEX定义如下。EPEX IDd，s：=Pk∈Td，s∩Td、sVd、skXk∈Td，s∩Td，sVd，skPd，sk，（1）其中Td，sis是关于第d天产品s的一组交易时间戳，Vd，sk和Pd，sk是交易集中第k笔交易的数量和价格Td，s∩ Td，分别为。在计算身份证价格时，应考虑国内和跨境交易，而不包括所谓的交叉交易，即同一交易对手内的交易。如果Td、speriod内没有交易，则平均窗口将扩展到产品s在d天的整个交易周期。如果根本没有交易，则每季度每小时的产品将使用各自的日内拍卖价值，每小时的产品将使用各自的日前拍卖结果。在我们的分析中，我们希望尽可能地重建EPEX IDas。不幸的是，市场参与者可获得的数据并不包括每笔交易是否为交叉交易的信息。

此外，我们不考虑大宗交易，大宗交易在日内连续市场中并不常见，且仅与少量交易能源相关。由于我们的目标是非常短期的价格预测，我们希望能够在预测时使用市场上的所有可用信息。EPEX构建的价格度量告诉我们整个交易期间或最后几个小时的价格水平。为了了解交易期间特定时间内产品的价格价值，我们定义了如下焦虑函数。xIDd，sy：=Pk∈Td、sx、y∩Td、sVd、skXk∈Td、sx、y∩Td，sVd，skPd，sk，（2）其中Td，sx，y=[b（d，s）- x个- y、 b（d，s）- x） ，x≥ 0和y>0。对于XIDY的计算，我们在计算其指数时使用与EPEX相同的交易类型，但在考虑的时间框架Td、sx、y内没有交易的情况下，我们会改变其行为。也就是说，在没有交易的情况下，而不是将平均窗口延长到整个交易期，我们将xidyprice设置为在时间范围Td，sx，y之前发生的最后一笔交易的价格。如果在考虑的时间范围之前没有交易，我们使用日内拍卖和日前拍卖值，与EPEX ID的情况类似。在大多数情况下，EPEX ID=0.5ID2.5和EPEX ID=0.5ID0.5的定义（2）可以看出这一点。这些只有在有外壳的情况下才会起作用- 1,15:00/16:00d，s- 3d，s- 2.5d，s- 2d，s- 1.5d，秒- 1d，s- 0.5d，开始交易。交付2.5ID0.5 2ID0.5 1.5ID0.5 1ID0.5 0.5ID0.52.5ID0.5 1.5ID1 0.5IDEPEX ID=0.5ID2.5图2：使用短时间帧的多重性将XIDyon组合到更长时间帧的图示。d表示交货日期，s表示交货时间。在考虑的时间范围内没有事务，这是一个罕见的事件。

所以，在我们的分析中，当提到ID时，我们的脑海中会有0.5ID2.5。让我们注意到，thexidypasses有一个所谓的加权可加性属性。这意味着如果我们考虑Td，sx，yperiodTd，sx，y=˙[jTd，sxj，yj=˙[j[b（d，s）- xj公司- yj，b（d，s）- xj）（3）对于j∈ {0，1，…，J}，其中x+y=x+y，xJ=x。然后，xId，sy=PjxjIDd，syjVd，sxj，yjPjVd，sxj，yj，（4）其中Vd，sx，y=Pk∈Td、sx、y∩Td、sVd、sk。证据见附录。这一特性在计算优化中很有用，有助于更好地理解不同x和y的XIDY之间的关系。图2给出了一个示例。当然，我们可以将Td、sx、Y周期划分为不等长的时间段，我们可以在交易开始之前继续构建XIDYUN。2.2描述性统计0e+002e+064e+066e+06>10 9 8 7 6 5 4 3 2交付时间交易计数产品类型小时季度-小时图3：交付前一段时间内，印度市场交易的分布情况。在我们的分析中，我们使用了关于日内连续交易的数据。数据包括每小时和每四分之一小时的产品，其日期范围为2015年1月1日至2018年9月29日。此外，我们使用有关日前拍卖、日内拍卖和平衡量的相应数据作为外部回归。图3显示了德国日内市场交易的分布情况，具体取决于交割时间。让我们注意到，双方的大多数交易都是在产品交付前的最后几个小时内进行的。对于每季度每小时一次的产品，这种分布甚至更加扭曲。超过70%的每小时交易和超过80%的每四分之一小时交易发生在IDtime框架内。

因此，将IDA视为盘中市场的价格衡量标准是一个合理的想法。表1给出了每小时和每季度小时盘中连续市场交易数量的基本汇总统计数据。我们观察到，在每小时日内市场中，平均每个产品约有472笔交易，同时，在每季度日内市场中，平均每个产品约有130笔交易。考虑到季度小时产品比小时产品多4倍，很明显，平均而言，季度小时盘中市场的交易量更多。此外，我们看到，不仅在理论上可能不存在特定产品的交易。让我们注意到，与平均水平相比，也存在大量交易的情况。在表2中，我们报告了日内市场交易量的基本汇总统计数据，并将其与日前市场交易量的统计数据进行了比较。显然，就交易量而言，日前市场的规模要比日内市场大得多，但德国的日内连续市场每年都在增加相关性，如图4所示。最小第一季度中位数平均第三季度最大每小时6 280 421 472.19 603 19479每季度0 70 109 129.72 172 1434表1：每分钟每小时和每季度德国日内连续市场交易数量的汇总统计数据。第1季度中位数平均值第3季度。

最大日前拍卖14948.8 23528.58 26842.05 27596.18 31008.43 51465.5日内小时12.3 2517.8 3546.3 3773.52 4781.85 15173.2日内拍卖4.22 77.62 117.72 142.54 182.35 1239日内季度小时0 69.22 114.11 128.92 171.41 939.25表2：2016年德国日内市场每种产品交易的能源量（MWh）汇总统计01000020000300004000020152017年产量（GWh）产品类型小时季度-小时图4：历年日内连续市场中交易的能源量图5显示了一段时间内每小时和每季度每小时产品的ID价格、日前价格和日内拍卖价格。让我们注意到，价格差异是实质性的，异常值经常出现。尽管如此，季度小时产品的价格差异和异常值出现频率往往高于小时产品。这种行为在图6中更为明显。我们提供了每周样本平均值：两种考虑产品类型的ID价格、日前价格和日内拍卖价格。让我们注意到，图6A比图6b更平滑。后一种表现出所谓的拼图模式，Kieseland Paraschiv（2017）对此进行了广泛解释。根据这些曲线图，很明显，小时产品的IDprice波动较小。值得一提的是，每周的日内价格表现与前一天的价格相似。后者在文献中有很好的描述，参见例如Zielet al.（2015a）。在图6中，我们观察到，从周二到周五，无论产品类型如何，平均价格的表现几乎相同。周一的价格与周二至周五的价格非常相似，尽管是在夜间。