电力与股票市场的动态条件相关性

下图1-a显示了当月的月平均SMP、WAIP和每日HTAE价格（每日HTAE价格在并定期更新。图1：欧盟、天然气和布伦特原油价格时间序列。图1A:GEM中天然气的月度加权平均进口价格、平衡气（HTAE）和SMP的日价格。http://www.icis.com/energy/gas/europe/spot-market-methodology/http://www.ecb.europa.eu/stats/exchange/eurofxref/html/eurofxref-图表英镑。恩。htmlhttp://www.rae.ge/site/en_US/categories_new/gas/market/wholesale_gr.csp20082009年2010年2012年2013年2014年201502040欧元/吨二氧化碳欧洲排放限额，EUA，第二阶段2008年4月至2010年3月20142007年2012年20150204060欧元/兆瓦天然气现货价格，英国国家统计局枢纽，英国2007年2010年2012年20150501010150欧元/巴利巴利地利油2008年2009年2011年2013年2014年2015年2017020406080100120时间：每月欧元/兆瓦地南非天然气：平均每月WAIP、DPBG和SMP 2008年9月至2016年12月WAIPSMPMPHTAE作者，Author3.3希腊批发或系统边际价格根据欧洲指令96/92/EC成立，由两个独立的市场组成：1）批发能源和辅助服务市场和2）容量保证市场。希腊批发电力市场（GEM）目前正处于一个过渡时期，在此期间，市场结构朝着其最终设计，即欧洲目标模式发展。批发电力市场是一个全日制的强制性联营体，受区域间输电约束、机组技术约束、备用要求、互联网络传输容量（NTC）以及一般所有系统约束的约束。

更具体地说，   st运行生产（例如，水力发电强制发电、热电联产和可再生能源输出），互连时间表允许，以便以较低的成本调度发电厂，包括能源和辅助服务。LAGIE（独立市场运营商）（www.LAGIE.gr）负责解决所谓的日前（优化）问题。该问题被描述为一个安全约束的机组组合问题，其解被认为是系统的最优状态，在该状态下，社会福利在第二天的所有24小时内同时达到最大。这可以通过将要吸收的能量与注入到确定调度日每小时（调度期）各机组的运行方式以及清算-提前（DA）市场每天提交报价（投标）。生产商和进口商提交能源报价时，有一个限制，即报价的加权平均值应高于单位最低平均可变成本。相反，出口商和装货代表提交装货声明。投标书的形式为10步逐步单调   第二天。

每种储备能源（一次、二次和三次）的单一价格和数量对也是（SMP）。调度计划（DS）用于定义日前计划（DAS）和实时调度（RTD）之间的时间段，在这段时间内，生产商有机会在机组可用性出现问题时更改其声明。在RTD中，机组实时重新调度，以满足实际需求。最后，在IS阶段，根据实际需求和机组可用性，在调度日后制定事后不平衡定价（EXPIP）。容量保证市场是一个程序，在该程序中，每个loadrepresentative被分配一个容量充足性义务，每个生产商为其净容量发布容量可用性票证。事实上，这一机制正面临着能力上的任何不足，并且已经到位，可以部分收回资本成本。派遣的最昂贵单位决定了日前市场的统一定价。在出现冲突问题的情况下，作为推动新产能投资的动机，分区定价是一种解决方案，但目前这种方法尚未启动。实物交割交易在池内有限制，尽管MarketAgent可能正在签订目前尚不存在的双边金融合同。

发电机的报价为             拍卖。不仅是基本面，还有各种监管市场改革（RMR）能源监管机构（RAE）对能源和电价的波动性有重大影响（RAE，2009年至2014年），Kalantzis等人，2012年，Papaioannou等人，2017年）。改革在特定日期进行 里程碑或参考日。我们在此仅描述在本文分析期间进行的改革：作者，Author4th Reference Day（1.5.2008）（RMR5）。在不平衡结算机制ISM（计划于第5个参考日）之前，监管机构认为成本回收机制CRM是必要的一步。CRM指出，如果SMP低于发电机组的边际成本（加10%），则机组将收到差额a补偿。监管机构预计这一改革不会对SMP产生影响。CRM的目标是确保发电商在接到命令运行的情况下，至少能够获得边际成本补偿。成本回收机制于2014年6月30日被废除。RMR6。监管市场改革，RMR6, 重点是根据机组组合算法改变事后SMP计算方法，该算法考虑了机组的所有技术约束和IPTO（ADMIE）的备用需求，以期降低SMP。第5个参考日（2010年9月30日）（RMR7）。监管市场改革（RMR7）启动了强制性的day aheadmarket模式，并引入了失衡解决机制，同时保留了SMP方法，仅允许提交需求申报。

RMR7是指采用增强型机组组合算法，该算法可共同优化能源和辅助服务。在这一新的强制性日前市场模式中，同时结合了不平衡结算机制，市场结算现在基于非定价需求申报。考虑到估算SMP的方法保持不变，并且通常低估了申报的需求，预计这一改革的效果将略微降低SMP。RMR8。监管市场改革，RMR8（财政部决定1.9.2011），考虑到生成）。由于SMP是由天然气发电机组在大多数交易期间设定的，因此产生的发电成本增加预计会增加SMP（有关评论，请参见第6.1节）。RMR9。监管市场改革，RMR9在成本回收机制（CRM）中，允许发电机的发电成本补偿边界增加10%。RMR10。监管市场改革，RMR10                    其投标的加权平均值仍处于或高于其最低可变成本。这导致了天然气工厂的延期调度，使成本回收的费用大大增加。

监管机构预计，通过这项改革，SMP不会发生任何变化，实施这项改革仅仅是为了提高初始市场设计的绩效。图2:2007年9月10日至2014年3月7日期间，希腊电力市场（GEM）的批发（日前，系统边际价格，smp）和全系统负荷（需求）。3.4财务数据所有不平衡——指DAS（日前计划）和实际发电量或用电量之间的差异——通过不平衡结算机制进行结算。2007 2010 2012 20150501010150EURO/MwhGEM系统边际价格SMP2007 2010 2012 2015300040005000600080009000MWGEM系统范围负荷（需求）作者，作者我们使用了雅典证券交易所通用指数（ase），以欧元计价。希腊股市与欧洲金融市场的独立互动，特别是在金融危机期间（重点关注2010年的欧洲主权债务危机），我们还考虑了欧元STOXX 50价格指数，涵盖12个欧元国家（奥地利、比利时、芬兰、法国、德国、希腊、爱尔兰、意大利、卢森堡、荷兰、葡萄牙和西班牙）的50只蓝筹股。我们选择科赫（2011）之后的这一特定指数，因为它是欧洲斯托克50指数波动性指数（vstoxx）的基础，反映了市场对波动性的预期。它测量未来30天内所有欧洲斯托克50指数期权的隐含方差的平方根。

测量so- 大于30表示大量对于债券，我们使用10年期希腊ZF债券指数（gbonds）（一种长期指数），而不是短期指数，因为货币政策（尤其是在希腊金融危机期间）的变动可能会对后期指数产生令人困惑的影响。我们还将创业板主要参与者孵化器公共电力公司（PPC）的股价纳入财务数据集。我们认为监管政策和根本性变化的影响，由货币（宏观经济）政策产生，以解决希腊公共债务问题，以及欧洲能源政策。图3：资产, 2007年9月10日至2014年3月7日期间的价格（水平）时间序列。表2：包含DDC分析中使用的变量的数据集（2007年9月10日至2014年3月7日）2007年2010年2012年2012年2012年2012年2012年2012年2012年2012年2012年2012年2012年2012年2012年2012年2012年2012年2012年2012年2012年2012年2010年2010年2010年2010年2010年2010年2010年2010年2010年2010年2010年2010年2010年2010年2010年2010年2010年欧洲股票50%波动率指数。

政府债券收益率作者，AuthorNameDescriptionFinancial Data Setase：雅典证券交易所通用指数Toxx：欧洲股票50指数（Euro stoxx 50）vstoxx：欧洲股票50波动率指数（vstoxx）ppc：公共电力公司（ppc）股价Bonds：希腊政府10年期债券收益率能源商品数据集EUA：ngas：英国NBP天然气价格和比利时Zeebrugge Hub布伦特：布伦特原油价格，美元/桶电力（电力）数据Setsmp：希腊电力市场批发或系统边际价格（事前）负荷：电力负荷（Mw）（事后）褐煤价格- 在北Greece4。金融和计量经济学方法使用VAR对条件平均值建模条件平均值或第一时刻的方程或模型是为了检测和消除价格数据回报中的任何序列相关性。正如我们在第节中所看到的，通过应用Ljung-Box检验统计数据，有很强的证据表明收益率存在显著的序列相关性。本文利用滞后阶p的向量自回归（VAR）估计一阶矩。允许象征着  时间t的收益向量，,  哪里是每日日志返回，对于.  VaR（p）模型写为 --（A） 在哪里是一个  常数向量，  系数矩阵和一  p通过最小化Akaike信息准则（AIC），可以找到VAR（p）的p。规范测试（例如。

检查剩余的串行相关性）。例如，让我们, 三变量模型然后让, 滞后，则（A）变为      对于收益的第一个时刻，由一个明确指定的模型生成序列不相关残差。然而，异方差（残差的时变方差）将保留在收益中，正如托尔、能源和金融市场经常出现的情况一样。这一特征和收益中的过度峰度要求采用GARCH型估计方法（Engle，1982，Bollerslev，1986）。GARCH模型结合了数据的异方差特性。Chevallier等人的作品。

（2009）、Benz和Trueck（2009）、Mansanet Bataller和Soriano（2009）提到了此类模型在碳（EUA）和能源市场时间序列中的应用。假设返回时间序列的平均值遵循p阶自回归，AR（p），规范 哪里是K个时间序列的每日日志返回是级数的残差漂移项。假设-是到目前为止有关流程的所有可用信息的集合-,  然后是残差的条件变差是  所以-或哪里.这残差拟合在下面描述的GARCH型模型中，以捕捉条件变量的动态。让每个资产的通用单变量过程中的条件方差的演化写为   哪里  对于阈值ARCH（也称为AVGARCH，ZARCH）（Taylor，1986，Zakoian，1994）或ARCH，GARCH或GJR-GARCH模型（Glosten et al.，1993），为1。在本文中，我们考虑  尤其是GJR-GARCH（P，O，Q）的情况。事实上，我们用GJR-GARCH（1,1,1）模型拟合我们的数据，其动力学写为哪里-是一个指示器函数，如果-  和  否则此函数用于处理不对称性是这样的  对于协方差是平稳的，  （均值回复模型）。