Краткосрочное прогнозирование цены электроэнергии на российском рынке с использованием класса моделей SCARX

Д.О. Афанасьев1, *, Е.А. Федорова2 and **

Журнал Экономика и математические методы (ЭММ), 2019, vol. 55, issue 1, 68-84

Abstract: 1 Аспирант департамента анализа данных, принятия решений и финансовых технологий, Финансовый университет при Правительстве РФ, Москва 2 Финансовый университет при Правительстве РФ, НИУ ВШЭ, Москва * dmafanasyev@gmail.com **ecolena@mail.ru Исследование выполнено при финансовой поддержке Российского фонда фундаментальных исследований (проект 16-06-00237 A). Аннотация. В данном исследовании для двух ценовых зон российского оптового рынка электроэнергии выполнена апробация класса прогнозных моделей авторегрессии с сезонной компонентой и экзогенными факторами SCARX, включающей экстраполяцию долгосрочной тренд-сезонной компоненты и отдельное прогнозирование краткосрочной сезонно-стохастической составляющей. Для заданного широкого набора параметров сглаживания временных рядов цен проведено сравнение моделей SCARX на базе вейвлет-разложения (SCARX-W) и фильтра Ходрика-Прескотта (SCARX-HP) с обычной авторегрессионной моделью ARX и "наивным" подходом (основанном на предположении равенства цен в идентичные дни недели). Оценка эффективности рассматриваемых моделей проводилась с использованием средневзвешенных недельных и дневных ошибок, а также формальной статистической процедуры сравнения прогностических способностей моделей - теста Диболда-Мариано (DM). Численный эксперимент был выполнен на исторических данных о цене и плановом потребление в зонах Европа-Урал и Сибирь российской электроэнергетической биржи. Тестовый период составил 104 недели или 728 дней. В результате проведенного исследования показано, что на российском рынке модель SCARX-W позволяет получить более высокую точность прогноза, по сравнению с SCARX-HP и ARX. При этом минимальная недельная ошибка, которую удалось достичь для ценовой зоны Европа-Урал, составила 4,932%, дневная ошибка - 4,997%. Для зоны Сибирь аналогичные показатели равны 9,144 и 10,051%, соответственно. Эти же результаты подтверждаются формальным DM-тестом, выполненным отдельно для каждого часа суток. Для преодоления проблемы априорного выбора параметров сглаживания в работе предложено использовать различные методы комбинирования прогнозов.

Keywords: прогнозирование цены электроэнергии; авторегрессия с сезонной компонентой; вейвлет-сглаживание; фильтр Ходрика-Прескотта; тест Диболда-Мариано. (search for similar items in EconPapers)
Date: 2019
References: View references in EconPapers View complete reference list from CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:scn:cememm:v:55:y:2019:i:1:p:68-84

Access Statistics for this article

More articles in Журнал Экономика и математические методы (ЭММ) from Центральный Экономико-Математический Институт (ЦЭМИ)
Bibliographic data for series maintained by Sergei Parinov ().