Full-text resources of CEJSH and other databases are now available in the new Library of Science.
Visit https://bibliotekanauki.pl

Results found: 2

first rewind previous Page / 1 next fast forward last

Search results

Search:
in the keywords:  structural vector autoregressive model
help Sort By:

help Limit search:
first rewind previous Page / 1 next fast forward last
1
Publication available in full text mode
Content available

Portfolio management of a small RES utility with a structural vector autoregressive model of electricity markets in Germany

100%
Maciejowska K.
Operations Research and Decisions
|
2022
|
vol. 32
|
issue 4
EN
Electricity producers and traders are exposed to various risks, among which price and volume risk play very important roles. This research considers portfolio-building strategies that enable the proportion of electricity traded in different electricity markets (day-ahead and intraday) to be chosen dynamically. Two types of approaches are considered: a simple strategy, which assumes that these proportions are fixed, and a data-driven strategy, in which the ratios fluctuate. To explore the market information, a structural vector autoregressive model is applied, which allows one to estimate the relationship between the variables of interest and simulate their future distribution. The approach is evaluated using data from the electricity market in Germany. The outcomes indicate that data-driven strategies increase revenue and reduce trading risk. These financial gains may encourage energy traders to apply advanced statistical methods in their portfolio-building process.
2
Content available remote

Monte Carlo Analysis of Forecast Error Variance Decompositions under Alternative Model Identification Schemes

58%
Staszewska-Bystrova A.
Acta Universitatis Lodziensis. Folia Oeconomica
|
2018
|
vol. 5
|
issue 338
115-131
PL
Celem artykułu jest zbadanie dokładności estymacji parametrów dekompozycji wariancji błędów prognozy dla strukturalnych modeli wektorowej autoregresji zidentyfikowanych z użyciem restrykcji na parametry krótko‑ i długookresowe. W analizie wykorzystano eksperymenty Monte Carlo. Wykazano, że dla procesów o pierwiastkach, których wartość zbliżona jest do jedności, wybrane parametry dekompozycji wariancji błędów prognozy można oszacować z większą precyzją przy założeniu trójkątnej macierzy mnożników długookresowych niż przy restrykcji trójkątnej macierzy mnożników bezpośrednich. Uzyskane wyniki wnoszą wkład do dyskusji dotyczącej zalet i wad różnych schematów identyfikacji przez wskazanie kontrprzykładów dla hipotezy, że wykorzystanie restrykcji krótkookresowych prowadzi do mniejszych błędów szacunku niż zastosowanie restrykcji na parametry długookresowe.
EN
The goal of the paper is to investigate the estimation precision of forecast error variance decomposition (FEVD) based on stable structural vector autoregressive models identified using short‑run and long‑run restrictions. The analysis is performed by means of Monte Carlo experiments. It is demonstrated that for processes with roots close to one, selected FEVD parameters can be esti­mated more accurately using recursive restrictions on the long‑run multipliers than under recursive restrictions on the impact effects of shocks. This finding contributes to the discussion of pros and cons of using alternative identification schemes by providing counterexamples for the notion that short‑run identifying restrictions lead to smaller estimation errors than long‑run restrictions.
first rewind previous Page / 1 next fast forward last
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.