Heavy Tails and Electricity Prices : Do Time Series Models with Non-Gaussian Noise Forecast Better Than Their Gaussian Counterparts?

• Autorzy: Rafał Weron , Adam Misiorek

Warianty tytułu

Ciężkie ogony a ceny energii elektrycznej : czy modele szeregów czasowych z szumem niegaussowskim prowadzą do lepszych prognoz niż modele gaussowskie?

• Języki publikacji: EN

Abstrakty

Residua modeli szeregów czasowych wykorzystywanych do prognoz procesów energetycznych, m.in. cen na giełdach energii elektrycznej, nie mają rozkładu gaussowskiego, lecz charakteryzują się znacznie cięższymi ogonami. Jednak, w literaturze naukowej wykorzystywano dotąd metody zakładające właśnie gaussowski rozkład innowacji. Niniejsza praca ma na celu odpowiedzieć na pytanie, jaki wpływ na dopasowanie modeli oraz na jakość prognoz ma zastosowanie modeli z szumem ciężkoogonowym (hiperbolicznym, NIG bądź a-stabilnym). Wyniki analiz przeprowadzonych na danych kalifornijskich nie są jednoznaczne. Okazuje się, że modele z szumem NIG oraz a-stabilnym prowadzą do średnio dokładniejszych prognoz, ale modele gaussowskie częściej zwracają najlepsze wyniki. (abstrakt oryginalny)

Słowa kluczowe

EN

Electric power; Energy prices; Forecasting; Econometric models; Time-series

PL

Energia elektryczna; Ceny energii; Prognozowanie; Modele ekonometryczne; Szeregi czasowe

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu
• Rocznik: 2007
• Numer: nr 1176 Inwestycje finansowe i ubezpieczenia - tendencje światowe a polski rynek
• Strony: 472--480

Twórcy

autor

Rafał Weron

• Hugo Steinhaus Center; Politechnika Wrocławska

autor

Adam Misiorek

• Institute of Power Systems Automation, Wrocław

Bibliografia

• Barndorff-Nielsen O.E., Exponentially Decreasing Distributions for the Logarithm of Particle Size, Proc. Royal Soc. London A 1977 (353), 401-419.
• Bottazzi G., Sapio S., Secchi A., Some Statistical Investigations on the Nature and Dynamics of Electricity Prices, "Physica A" 2005, 355, 54-61.
• Carr P., Geman H., Madan D.B., Yor M., The Fine Structure of Asset Returns: An Empirical Investigation, "Journal of Business" 2002, 75, 305-332.
• Christof fersen P., Diebold F.X., How Relevant is Volatility Forecasting for Financial Risk Management, "Review of Economics and Statistics" 2000, 82, 12-22.
• Conejo A.J., Contreras J., Espinola R., Plazas M.A., Forecasting Electricity Prices for a Day-Ahead Pool-Based Electric Energy Market, "International Journal of Forecasting" 2005, 21(3), 435-462.
• Hamilton J., Time Series Analysis, Princeton University Press, 1994.
• Ljung L., System Identification - Theory for the User, Prentice Hall, 1999.
• Misiorek A., Ciężkie ogony cen, czyli dlaczego trudno mierzyć ryzyko na rynku energii, Materiały konferencyjne REE'06, Kazimierz Dolny, 24-27 kwietnia, 2006.
• Misiorek A., Truck S., Weron R., Point and Interval Forecasting of Spot Electricity Prices: Linear vs. Non-Linear Time Series Models, Stud. Nonlinear Dynamics & Econometrics, 2006, 10(3), Art. 2.
• Modelling Prices in Competitive Electricity Markets, red. D.W. Bunn, Wiley 2004.
• Rachev S., Mittnik S., Stable Paretian Models in Finance, Wiley 2000.
• Weron R., Computationally Intensive Value at Risk Calculations, [w:] Handbook of Computational Statistics: Concepts and Methods, red. J.E. Gentle, W. Hardie, Y. Mori, Springer 2004, 911-950, http://www.quantlet.com/mdstat/scripts/stf/html/stfhtml.html.
• Weron R., Heavy Tails and Electricity Prices, Invited paper presented at the Deutsche Bundesbank's 2005, Annual Fall Conference, Eltville, 10-12 November 2005.
• Weron R., Modeling and Forecasting Electricity Loads and Prices: A Statistical Approach, Wiley, 2006, http://www.im.pwr.wroc.pl/~rweron/MFE.html.
• Weron R., Misiorek A., Short-Term Electricity Price Forecasting with Time Series Models: A Review and Evaluation, [w:] Complex Electricity Markets, red. W. Mielczarski, Chapter 10, 2006, 231-254.