論文の概要: Econometric Modeling of Intraday Electricity Market Price with Inadequate Historical Data

• arxiv url: http://arxiv.org/abs/2203.06077v1
• Date: Fri, 11 Mar 2022 16:55:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-14 14:18:08.634417
• Title: Econometric Modeling of Intraday Electricity Market Price with Inadequate Historical Data
• Title（参考訳）: 不適切な履歴データを用いた日内電力市場価格の計量モデル
• Authors: Saeed Mohammadi and Mohammad Reza Hesamzadeh
• Abstract要約: ID電力市場は、基礎となる電力システムの不確実性に対処するための調整プラットフォームを提供する。 IDの市場価格に関する歴史的データが不十分なため、モデリングがより困難になる。 本稿では,ID市場価格をモデル化するための長期記憶,深部畳み込み生成対向ネットワーク,No-U-Turnサンプルアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 0.7614628596146599
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The intraday (ID) electricity market has received an increasing attention in the recent EU electricity-market discussions. This is partly because the uncertainty in the underlying power system is growing and the ID market provides an adjustment platform to deal with such uncertainties. Hence, market participants need a proper ID market price model to optimally adjust their positions by trading in the market. Inadequate historical data for ID market price makes it more challenging to model. This paper proposes long short-term memory, deep convolutional generative adversarial networks, and No-U-Turn sampler algorithms to model ID market prices. Our proposed econometric ID market price models are applied to the Nordic ID price data and their promising performance are illustrated.
• Abstract（参考訳）: 日内(ID)電力市場は、最近のEU電気市場議論で注目されている。 これは、基礎となる電力システムの不確実性が高まり、ID市場がそのような不確実性に対処するための調整プラットフォームを提供するためである。 したがって、市場参加者は市場での取引によって最適なポジションを調整するために適切なID市場価格モデルが必要である。 ID市場価格の履歴データが不十分なため、モデリングがより困難になる。 本稿では,ID市場価格をモデル化するための長期記憶,深部畳み込み生成対向ネットワーク,No-U-Turnサンプルアルゴリズムを提案する。 提案するeconometric id市場価格モデルは,北欧id価格データに適用され,その有望な性能を示す。

関連論文リスト

• FinBERT-BiLSTM: A Deep Learning Model for Predicting Volatile Cryptocurrency Market Prices Using Market Sentiment Dynamics [3.6423651166048874]
  本稿では,双方向長短期メモリ(Bidirectional Long Short-Term Memory, Bi-LSTM)ネットワークとFinBERTを併用して,暗号通貨の予測精度を向上させるハイブリッドモデルを提案する。 このアプローチは、先進的な時系列モデルと感情分析を組み合わせることで、不安定な金融市場の予測において重要なギャップを埋める。
  論文  参考訳（メタデータ） (2024-11-02T14:43:06Z)
• Modelling crypto markets by multi-agent reinforcement learning [0.0]
  本研究では,暗号市場を模擬したマルチエージェント強化学習(MARL)モデルを提案する。 2018年から2022年にかけて継続的に取引された暗号通貨の1日当たり終値153ドルに調整されている。
  論文  参考訳（メタデータ） (2024-02-16T16:28:58Z)
• Electricity Price Forecasting in the Irish Balancing Market [0.0]
  この研究は、広く研究されている日頭市場で成功した様々な価格予測手法をアイルランドのバランス市場に適用する。 異なるトレーニングサイズの影響を調査するフレームワークを用いて,統計モデル,機械学習モデル,ディープラーニングモデルを比較した。 大規模な数値的な研究により、日頭市場における良いパフォーマンスのモデルはバランスの取れないモデルではうまく機能しないことが示された。
  論文  参考訳（メタデータ） (2024-02-09T15:18:00Z)
• 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)
• Integrating Tick-level Data and Periodical Signal for High-frequency Market Making [6.905391624417593]
  我々は,より正確で堅牢な市場形成戦略を開発するために,定期的な予測信号でギグレベルのデータを融合する深層強化学習手法を提案する。 提案手法は,収益性やリスク管理の観点から既存手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-06-19T07:10:46Z)
• HireVAE: An Online and Adaptive Factor Model Based on Hierarchical and Regime-Switch VAE [113.47287249524008]
  オンラインで適応的な環境で株価予測を行うファクターモデルを構築することは、依然としてオープンな疑問である。 本稿では,オンラインおよび適応型要素モデルであるHireVAEを,市場状況とストックワイド潜在要因の関係を埋め込んだ階層型潜在空間として提案する。 4つの一般的な実市場ベンチマークにおいて、提案されたHireVAEは、以前の手法よりもアクティブリターンの点で優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2023-06-05T12:58:13Z)
• Regime-based Implied Stochastic Volatility Model for Crypto Option Pricing [0.0]
  既存の手法は、新興デジタルアセット(DA)の揮発性の性質に対処できない インプリッドボラティリティモデル(ISVM)による市場システム(MR)クラスタリングの最近の進歩を活用する。 ISVMは、インプリートボラティリティ(IV)データを使用することで、各感情駆動期間に投資家の期待を組み込むことができる。 MR-ISVMは,オプション価格モデルの高次特性におけるジャンプへの複雑な適応の負担を克服するために有効であることを示す。
  論文  参考訳（メタデータ） (2022-08-15T15:31:42Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• Deep Q-Learning Market Makers in a Multi-Agent Simulated Stock Market [58.720142291102135]
  本稿では,エージェント・ベースの観点から,これらのマーケット・メーカーの戦略に関する研究に焦点をあてる。 模擬株式市場における知的市場マーカー作成のための強化学習(Reinforcement Learning, RL)の適用を提案する。
  論文  参考訳（メタデータ） (2021-12-08T14:55:21Z)
• Hybrid Modelling Approaches for Forecasting Energy Spot Prices in EPEC market [62.997667081978825]
  EPEC市場におけるエネルギースポット価格予測のためのハイブリッドモデリング手法について検討する。 データは2013-2014年の電力価格、2015年のテストデータで提供された。
  論文  参考訳（メタデータ） (2020-10-14T12:45:53Z)
• A Deep Reinforcement Learning Framework for Continuous Intraday Market Bidding [69.37299910149981]
  再生可能エネルギー源統合の成功の鍵となる要素は、エネルギー貯蔵の利用である。 欧州の継続的な日内市場におけるエネルギー貯蔵の戦略的関与をモデル化するための新しい枠組みを提案する。 本アルゴリズムの分散バージョンは, サンプル効率のため, この問題を解決するために選択される。 その結果, エージェントは, ベンチマーク戦略よりも平均的収益率の高い政策に収束することが示唆された。
  論文  参考訳（メタデータ） (2020-04-13T13:50:13Z)

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。