Prognozowanie ceny energii na TGE SA – analiza empiryczna

• Authors: Anna Góra , Krystyna Strzała

Title variants

EN

Forecasting energy prices on the Polish Power Exchange

• Languages of publication: PL

Abstracts

PL

Rozwój konkurencyjnego rynku energii przyczynił się do utworzenia giełd energii, a także do poszukiwania efektywnych metod analizy, modelowania i prognozowania obrotu oraz cen energii elektrycznej. Celem autorek jest ocena przydatności modeli typu ARMA/ARIMA do prognozowania cen energii na Rynku Dnia Następnego. Wyniki badań wskazują na to, że szeregi czasowe cen energii są kowariancyjnie stacjonarne, a prognozy zbudowane z wykorzystaniem modeli ARMA nie charakteryzują się większą dokładnością niż prognozy naiwne. Oznacza to konieczność poszukiwania rozwiązań w grupie metod bardziej zaawansowanych, w tym modeli nieliniowych.

Keywords

PL

rynek energii; prognozowanie ceny energii; modele ARMA/ARIMA

• Publisher: Wydział Zarządzania - Uniwersytet Gdański
• Journal: Zarządzanie i Finanse
• Year: 2013
• Volume: 3
• Issue: 2
• Pages: 17-32

Contributors

author

Anna Góra

• Mgr inż., Niestacjonarne Studia Doktoranckie, Wydział Zarządzania, Uniwersytet Gdański

author

Krystyna Strzała

• rof. UG, dr hab., Katedra Ekonometrii, Wydział Zarządzania, Uniwersytet Gdański,

References

• 1. Amjady N., Keynia F. (2011), A new prediction strategy for price spike forecasting of day-ahead electricity markets, “Applied Soft Computing”, Vol. 11(6).
• 2. Aggarwal S.K., Saini L.M., Kumar A. (2009), Electricity price forecasting in deregulated markets: A review and evaluation, “Electrical Power and Energy Systems”, Vol. 31.
• 3. Bierbrauer M., Menn C., Rachev S.T., Trück S. (2007), Spot and derivative pricing in the EEX power market, “Journal of Banking & Finance”, Vol. 31.
• 4. Cartea A., Figueroa M. (2005), Pricing in electricity markets: a mean reverting jump diffusion model with seasonality, “Applied Mathematical Finance”, Vol. 12(4).
• 5. Catalão J.P.S., Mariano S.J.P.S., Mendes V.M.F., Ferreira L.A.F.M. (2007), Short-term electricity prices forecasting in a competitive market: a neural network approach, “Electric Power Systems Research”, Vol. 77(1).
• 6. Conejo A.J., Contreras J., Espínola R., Plazas M.A. (2005 a), Forecasting electricity prices for a day-ahead pool-based electric energy market, “International Journal of Forecasting”, Vol. 21(3).
• 7. Conejo A., Plazas M., Espinola R., Molina A. (2005 b), Day-ahead electricity price, forecasting using the wavelet transform and ARIMA models, “IEEE Transactions on Power Systems”, Vol. 20 (2).
• 8. Contreras J., Espínola R., Nogales F.J., Conejo A.J. (2003), ARIMA models to predict next-day electricity prices, “IEEE Transactions on Power Systems”, Vol. 18(3).
• 9. Cuaresma, J.C., Hlouskova J., Kossmeier S., Obersteiner M. (2004), Forecasting electricity spot prices using linear univariate time-series models, “Applied Energy”, Vol. 77.
• 10. Diebold F.X., Mariano R.S. (1995), Comparing Predictive Accuracy, “Journal of Business and Economic Statistics”, Vol. 13.
• 11. Eichler M., Türk D. (2013), Fitting semiparametric Markov regime-switching models to electricity spot prices, “Energy Economics”, Vol. 36.
• 12. Fijorek K., Mróz K., Niedziela K., Fijorek D. (2010), Prognozowanie cen energii elektrycznej na Rynku Dnia Następnego metodami data mining, „Rynek Energii”, nr 6 (91).
• 13. Garcia R.C., Contreras J., van Akkeren M., Garcia J.B.C. (2005), A GARCH forecasting model to predict day-ahead electricity prices, “IEEE Transactions on Power Systems”, Vol. 20(2).
• 14. Halicka K. (2010), Wykorzystanie sztucznych sieci neuronowych do prognozowania cen na giełdzie energii, „Rynek Energii”, nr 1.
• 15. Janczura J., Weron R. (2010), An empirical comparison of alternate regime-switching models for electricity spot prices, “Energy Economics”, Vol. 32 (5).
• 16. Karakatsani N., Bunn D. (2008), Forecasting electricity prices: The impact of fundamentals and time-varying coefficients, “International Journal of Forecasting”, Vol. 24.
• 17. Knittel C.R., Roberts M.R. (2005), An empirical examination of restructured electricity prices, “Energy Economics”, Vol. 27.
• 18. Lu X., Dong Z.Y, Li X. (2005), Electricity market price spike forecast with data mining techniques, “Electric Power Systems Research”, Vol. 73(1).
• 19. MacKinnon J. (2010), Critical values for cointegration tests, Queen’s Economics Department Working Paper No. 1227.
• 20. Misiorek A., Trück S., Weron R. (2006), Point and interval forecasting of spot electricity prices: linear vs. non-linear time series models, “Studies in Nonlinear Dynamics and Econometrics”, Vol. 10 (3).
• 21. Piłatowska M. (2011), Porównanie kryteriów informacyjnych i predykcyjnych w wyborze modelu, Prace i Materiały Wydziału Zarządzania UG 4 (8).
• 22. Piłatowska M. (2012), Wybór rzędu autoregresji w zależności od parametrów modelu generującego, „Ekonometria”, nr 4 (38).
• 23. Szczygieł L. (2001), Model rynku energii elektrycznej, w: Jaki model rynku energii?, seria Biblioteka Regulatora, Urząd Regulacji Energetyki.
• 24. Strzała K. (2012), Dylemat Feldsteina i Horioki. Weryfikacja empiryczna dla krajów Unii Europejskiej, Wydawnictwo Uniwersytetu Gdańskiego, Gdańsk.
• 25. Tan Z., Zhang J., Wang J., Xu J. (2010), Day-ahead electricity price forecasting using wavelet transform combined with ARIMA and GARCH models, “Applied Energy”, Vol. 87.
• 26. Towarowa Giełda Energii, http://www.polpx.pl/pl/9/historia-tge, dostęp dnia 01.05.2013.
• 27. Ustawa z dnia 10 kwietnia 1997 r. – Prawo energetyczne, t.j. Dz. U. z 2012 r. poz. 1059 z późn. zm.
• 28. Weron R. (2006), Modeling and Forecasting. Electricity loads and Prices: A statistical Approach, John Wiley & Sons ltd, England.
• 29. Włodarczyk A., Zawada M. (2008), Analiza cen spot energii enektrycznej. Przegląd wybranych modeli szeregów czasowych, “Energetyka”, nr 7.
• 30. Zhang J., Tan Z., Yang S. (2012), Day-ahead electricity price forecasting by a new hybrid method, “Computers & Industrial Engineering”, Vol. 63 (3).