論文の概要: Stealing profits: Spread-based temporal hierarchy forecasting for day-ahead electricity markets

• arxiv url: http://arxiv.org/abs/2609.23223v1
• Date: Sat, 19 Sep 2026 21:41:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.730917
• Title: Stealing profits: Spread-based temporal hierarchy forecasting for day-ahead electricity markets
• Title（参考訳）: ステアリング利益:日頭電気市場におけるスプレッドベースの時間的階層予測
• Abstract要約: 日頭電気価格予測は取引や貯蔵の決定を支持するが、バッテリ仲裁では時間単位の価格予測よりも日内価格の拡散を予測することが重要である。 ここでは、時間的電力価格と日内価格の予測を共同で調整する時間的階層予測フレームワークが、欧州の主要2つの電力市場におけるパフォーマンスを継続的に改善することを示す。 以上の結果から, 経済関連予測対象間のコヒーレントな関係を活用すれば, 予測精度と意思決定価値の両方が向上し, より優れた統計予測が必ずしも適切な経済判断を示唆するものではないことが示唆された。
• 参考スコア（独自算出の注目度）: 1.858151490268935
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Day-ahead electricity price forecasts support trading and storage decisions, but for battery arbitrage predicting intraday price spreads is more relevant than predicting individual hourly prices. Here we show that a temporal hierarchy forecasting (THieF) framework that jointly reconciles forecasts of hourly electricity prices and all intraday price spreads consistently improves performance across two major European electricity markets and three different forecasting architectures. Using five years of out-of-sample data from Germany and Spain, we obtain accuracy improvements of up to 19.7% and profit gains of up to 10.4% relative to unreconciled hourly price forecasts. The gains persist even for a highly accurate pretrained TabPFN foundation model. Our results demonstrate that exploiting coherent relationships between economically relevant forecasting targets can improve both predictive accuracy and decision value, and that better statistical forecasts do not necessarily imply better economic decisions.
• Abstract（参考訳）: 日頭電気価格予測は取引や貯蔵の決定を支持するが、バッテリ仲裁では時間単位の価格予測よりも日内価格の拡散を予測することが重要である。 ここでは、時間的電力価格の予測を共同で調整する時間的階層予測(THieF)フレームワークが、ヨーロッパの主要2つの電力市場と3つの異なる予測アーキテクチャのパフォーマンスを継続的に改善することを示す。 ドイツとスペインの5年間のアウト・オブ・サンプルデータを用いて、未解決の時間的価格予測と比較して19.7%の精度の改善と10.4%の利益を得る。 このゲインは、高度に訓練されたTabPFNファンデーションモデルでも持続する。 以上の結果から, 経済関連予測対象間のコヒーレントな関係を活用すれば, 予測精度と意思決定価値の両方が向上し, より優れた統計予測が必ずしも適切な経済判断を示唆するものではないことが示唆された。

関連論文リスト

• Postprocessing of point predictions for probabilistic forecasting of day-ahead electricity prices: The benefits of using isotonic distributional regression [0.0]
  本研究では,日頭電力価格の点予測を確率的値に変換するための3つのポストプロセッシング手法について検討する。 後者は最も多様な振る舞いを示すが、予測分布のアンサンブルに最も寄与する。 注目すべきことに、この組み合わせのパフォーマンスは、ドイツとスペインの電力市場から4.5年間のテスト期間において、最先端の分散ディープニューラルネットワークよりも優れている。
  論文  参考訳（メタデータ） (2024-04-02T19:50:36Z)
• Bayesian Hierarchical Probabilistic Forecasting of Intraday Electricity Prices [0.0]
  本研究は、ドイツの日内取引で取引された電力価格のベイズ予測を初めて示したものである。 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として与えられる。 絶対誤差で平均5.9,%の減少を含む点測度と確率スコアの大幅な改善を観察する。
  論文  参考訳（メタデータ） (2024-03-08T16:51:27Z)
• 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)
• 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)
• A Hybrid Model for Forecasting Short-Term Electricity Demand [59.372588316558826]
  現在、英国電気市場は、規制当局が30分毎に発行する負荷(需要)予測によってガイドされている。 本稿では,機能工学(候補予測機能の選択),移動ウィンドウ予測,LSTMエンコーダデコーダを組み合わせたハイブリッド予測モデルHYENAを提案する。
  論文  参考訳（メタデータ） (2022-05-20T22:13:25Z)
• 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)
• A generative adversarial network approach to (ensemble) weather prediction [91.3755431537592]
  本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。 提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
  論文  参考訳（メタデータ） (2020-06-13T20:53:17Z)
• 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。