論文の概要: Bayesian Hierarchical Probabilistic Forecasting of Intraday Electricity
Prices
- arxiv url: http://arxiv.org/abs/2403.05441v1
- Date: Fri, 8 Mar 2024 16:51:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-11 13:08:50.772456
- Title: Bayesian Hierarchical Probabilistic Forecasting of Intraday Electricity
Prices
- Title(参考訳): 日内電力価格のベイズ的階層的確率予測
- Authors: Daniel Nickelsen, Gernot M\"uller
- Abstract要約: 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機能選択にLASSOを用いるという宣言されたゴールド標準に挑戦し,オルソゴンマッチング・パースーツ(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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We present a first study of Bayesian forecasting of electricity prices traded
on the German continuous intraday market which fully incorporates parameter
uncertainty. Our target variable is the IDFull price index, forecasts are given
in terms of posterior predictive distributions. For validation we use the
exceedingly volatile electricity prices of 2022, which have hardly been the
subject of forecasting studies before. As a benchmark model, we use all
available intraday transactions at the time of forecast creation to compute a
current value for the IDFull. According to the weak-form efficiency hypothesis,
it would not be possible to significantly improve this benchmark built from
last price information. We do, however, observe statistically significant
improvement in terms of both point measures and probability scores. Finally, we
challenge the declared gold standard of using LASSO for feature selection in
electricity price forecasting by presenting strong statistical evidence that
Orthogonal Matching Pursuit (OMP) leads to better forecasting performance.
- Abstract(参考訳): 我々は,ドイツにおける日内連続市場で取引される電力価格のベイズ予測について,パラメータの不確実性を完全に組み込んだ最初の研究を行う。
我々のターゲット変数はIDFull価格指数であり、予測は後続の予測分布で与えられる。
検証には、これまで予測研究の対象とならなかった2022年の超過揮発性電力価格を用いる。
ベンチマークモデルとして、予測生成時に利用可能なすべての日内トランザクションを使用して、IDFullの現在の値を計算します。
弱形式効率仮説によれば、最終価格情報から構築したベンチマークを大幅に改善することは不可能である。
しかし、我々は点測度と確率スコアの両方の観点から統計的に有意な改善を観察する。
最後に,直交マッチング追跡(omp)が予測性能の向上に繋がる強い統計的証拠を提示することにより,電力価格予測における特徴選択にlassoを使用するという金本位制に挑戦する。
関連論文リスト
- Enhancing Mean-Reverting Time Series Prediction with Gaussian Processes:
Functional and Augmented Data Structures in Financial Forecasting [0.0]
本稿では,ガウス過程(GP)を基礎構造を持つ平均回帰時系列の予測に適用する。
GPは、平均予測だけでなく、将来の軌道上の確率分布全体を予測する可能性を提供する。
これは、不正なボラティリティ評価が資本損失につながる場合、正確な予測だけでは十分でない金融状況において特に有益である。
論文 参考訳(メタデータ) (2024-02-23T06:09:45Z) - ExtremeCast: Boosting Extreme Value Prediction for Global Weather
Forecast [61.138475638813354]
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,ExEnsembleという名称のトレーニングフリーな極値拡張戦略を導入し,画素値のばらつきを増大させ,予測ロバスト性を向上させる。
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) - Multivariate Scenario Generation of Day-Ahead Electricity Prices using
Normalizing Flows [0.0]
本稿では,正規化フローと呼ばれる完全データ駆動型深部発電モデルを用いて,日頭電力価格の確率的予測手法を提案する。
本手法は,残負荷予測などの条件付き特徴に基づいて,日頭電力価格のフルデイシナリオを生成する。
論文 参考訳(メタデータ) (2023-11-23T14:38:10Z) - 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) - Combining predictive distributions of electricity prices: Does
minimizing the CRPS lead to optimal decisions in day-ahead bidding? [0.0]
本研究では,新しい重み付け手法であるCRPS学習を用いることで,日頭入札における最適決定が導かれるかどうかを検討する。
アンサンブルの多様性の増大は精度に肯定的な影響を与える可能性がある。
分布の等重集約と比較してCRPS学習を使用する場合の計算コストは、高い利益によって相殺されない。
論文 参考訳(メタデータ) (2023-08-29T17:10:38Z) - 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) - Confidence and Dispersity Speak: Characterising Prediction Matrix for
Unsupervised Accuracy Estimation [51.809741427975105]
この研究は、ラベルを使わずに、分散シフト下でのモデルの性能を評価することを目的としている。
我々は、両方の特性を特徴付けるのに有効であることが示されている核規範を用いる。
核の基準は既存の手法よりも正確で堅牢であることを示す。
論文 参考訳(メタデータ) (2023-02-02T13:30:48Z) - DeepVol: Volatility Forecasting from High-Frequency Data with Dilated
Causal Convolutions [78.6363825307044]
本稿では,Dilated Causal Convolutionsに基づくDeepVolモデルを提案する。
拡張畳み込みフィルタは日内財務データから関連情報を抽出するのに最適であることを示す。
論文 参考訳(メタデータ) (2022-09-23T16:13:47Z) - Uncertainty estimation of pedestrian future trajectory using Bayesian
approximation [137.00426219455116]
動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。
著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。
将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
論文 参考訳(メタデータ) (2022-05-04T04:23:38Z) - 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) - Ensemble Forecasting for Intraday Electricity Prices: Simulating
Trajectories [0.0]
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。
論文 参考訳(メタデータ) (2020-05-04T10:21:20Z)
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。