Fugu-MT 論文翻訳(概要): Ensemble Forecasting for Intraday Electricity Prices: Simulating Trajectories

論文の概要: Ensemble Forecasting for Intraday Electricity Prices: Simulating Trajectories

arxiv url: http://arxiv.org/abs/2005.01365v3
Date: Sat, 29 Aug 2020 13:12:31 GMT
ステータス: 処理完了
システム内更新日: 2022-12-07 01:47:54.425103
Title: Ensemble Forecasting for Intraday Electricity Prices: Simulating Trajectories
Title（参考訳）: 日内電力価格の予測:軌道のシミュレーション
Authors: Micha{\l} Narajewski and Florian Ziel
Abstract要約: 近年の研究では、時間単位のドイツの日内連続市場は弱い状態にあることが示されている。時間内電力価格の確率予測は、トレーディングウィンドウ毎に軌跡をシミュレートして行う。この調査は、過去3時間でドイツの日内連続市場における価格分布を予測することを目的としているが、このアプローチは、特にヨーロッパでは、他の連続市場への適用を可能にする。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Recent studies concerning the point electricity price forecasting have shown evidence that the hourly German Intraday Continuous Market is weak-form efficient. Therefore, we take a novel, advanced approach to the problem. A probabilistic forecasting of the hourly intraday electricity prices is performed by simulating trajectories in every trading window to receive a realistic ensemble to allow for more efficient intraday trading and redispatch. A generalized additive model is fitted to the price differences with the assumption that they follow a zero-inflated distribution, precisely a mixture of the Dirac and the Student's t-distributions. Moreover, the mixing term is estimated using a high-dimensional logistic regression with lasso penalty. We model the expected value and volatility of the series using i.a. autoregressive and no-trade effects or load, wind and solar generation forecasts and accounting for the non-linearities in e.g. time to maturity. Both the in-sample characteristics and forecasting performance are analysed using a rolling window forecasting study. Multiple versions of the model are compared to several benchmark models and evaluated using probabilistic forecasting measures and significance tests. The study aims to forecast the price distribution in the German Intraday Continuous Market in the last 3 hours of trading, but the approach allows for application to other continuous markets, especially in Europe. The results prove superiority of the mixture model over the benchmarks gaining the most from the modelling of the volatility. They also indicate that the introduction of XBID reduced the market volatility.
Abstract（参考訳）: 電力価格予測に関する最近の研究は、時間単位のドイツの日内連続市場が弱い状態にあることを示す。したがって、我々はこの問題に対して新しい先進的なアプローチをとる。時間内電気価格の確率予測は、各取引窓の軌跡をシミュレートして現実的なアンサンブルを受け取り、より効率的な日内取引と再取引を可能にする。一般化加法モデルは、ディラックと学生のt分布を正確に混合したゼロ膨らんだ分布に従うという仮定と、価格差に適合する。さらに,ラッソペナルティを伴う高次元ロジスティック回帰を用いて混合項を推定した。予測値とボラティリティを, 自己回帰効果, 無軌道効果, 負荷, 風力および太陽光発電予測を用いてモデル化し, 成熟までの時間などの非線形性を考慮した。転がり窓予測研究により、試料内特性と予測性能の両方を解析する。モデルの複数のバージョンを複数のベンチマークモデルと比較し、確率的予測と重要度テストを用いて評価する。この調査は、過去3時間でドイツの日内連続市場における価格分布を予測することを目的としているが、このアプローチは、特にヨーロッパでは、他の連続市場への適用を可能にする。その結果,混合モデルが,ボラティリティのモデル化によって最も多く得られるベンチマークよりも優れていることがわかった。また、XBIDの導入によって市場のボラティリティが低下したことも示唆している。

関連論文リスト

Bayesian Hierarchical Probabilistic Forecasting of Intraday Electricity Prices [0.0]
本稿では,ドイツの日内取引市場における電力価格のベイズ予測に関する第1報について述べる。検証には2022年の極端に不安定な電力価格を使用します。我々は、電気価格予測における特徴選択にLASSOを用いるという宣言されたゴールド標準に挑戦し、OMPがより良い予測性能をもたらすという強い統計的証拠を提示する。
論文参考訳（メタデータ） (2024-03-08T16:51:27Z)
Analyzing Currency Fluctuations: A Comparative Study of GARCH, EWMA, and IV Models for GBP/USD and EUR/GBP Pairs [0.0]
グレートブリテンポンド(GBP)の値の変動について検討する。本研究では,2組の日次リターンの20日間の変動を予測する上での有効性を評価するために,様々な数学的モデルを適用した。実験の結果, GBP/USDペアでは, GARCHモデルの利用から最も正確なボラティリティ予測が得られた。
論文参考訳（メタデータ） (2024-02-12T06:29:57Z)
ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。また,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
論文参考訳（メタデータ） (2024-02-02T10:34:13Z)
A probabilistic forecast methodology for volatile electricity prices in the Australian National Electricity Market [0.36832029288386137]
オーストラリア国定電力市場(Australian National Electricity Market)の南オーストラリア地域は、現代の電力市場において最も高い価格変動率を示している。本稿では,これらの極端条件下での確率予測へのアプローチについて概説する。
論文参考訳（メタデータ） (2023-11-13T12:33:33Z)
Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
論文参考訳（メタデータ） (2023-08-18T16:21:15Z)
Simulation-based Forecasting for Intraday Power Markets: Modelling Fundamental Drivers for Location, Shape and Scale of the Price Distribution [0.0]
本研究では,日内市場におけるリターン分布の位置,形状,スケールパラメータのモデル化手法を提案する。風と太陽の予測と、その日内更新、停電、価格情報、および、メリットの順序を形作るための新しい尺度について検討する。ボラティリティは、利益秩序体制、納期、国境を越えた注文書の閉鎖によってもたらされる。
論文参考訳（メタデータ） (2022-11-23T15:08:50Z)
DeepVol: Volatility Forecasting from High-Frequency Data with Dilated Causal Convolutions [53.37679435230207]
本稿では,Dilated Causal Convolutionsに基づくDeepVolモデルを提案する。実験結果から,提案手法は高頻度データからグローバルな特徴を効果的に学習できることが示唆された。
論文参考訳（メタデータ） (2022-09-23T16:13:47Z)
Modeling Volatility and Dependence of European Carbon and Energy Prices [0.0]
欧州排出アローアンス(EUA)の価格について検討する本稿では,データの特徴を生かした確率的条件付き時系列モデルを提案する。また,ロシアによるウクライナ侵攻を視野に入れて,ボラティリティの流出と時間差の相関に注目した。
論文参考訳（メタデータ） (2022-08-30T14:50:25Z)
Multivariate Probabilistic Forecasting of Intraday Electricity Prices using Normalizing Flows [62.997667081978825]
ドイツでは、日内電気価格は通常、EPEXスポット市場の1日当たりの価格に異なる時間帯で変動する。本研究は,日頭契約の日内価格差をモデル化する確率論的モデリング手法を提案する。
論文参考訳（メタデータ） (2022-05-27T08:38:20Z)
Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。 ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。 2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
論文参考訳（メタデータ） (2021-09-14T18:50:38Z)
Learning Interpretable Deep State Space Model for Probabilistic Time Series Forecasting [98.57851612518758]
確率的時系列予測は、その歴史に基づいて将来の分布を推定する。本稿では,非線形エミッションモデルと遷移モデルとをネットワークによってパラメータ化した,確率的時系列予測のための深部状態空間モデルを提案する。実験では,我々のモデルが正確かつ鋭い確率予測を生成することを示す。
論文参考訳（メタデータ） (2021-01-31T06:49:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。