TRGOVALNA STRATEGIJA NA TRGU Z ELEKTRIČNO ENERGIJO Z UPOŠTEVANJEM PREMIJE ZA TVEGANJE

KREČAR, NIKOLA (author), Gubina, Andrej Ferdo (mentor)

Od pričetka liberalizacije evropskega trga z električno energijo smo priča obdobjem visoke nestanovitnosti cen električne energije terminskih produktov. Glavni razlog za nestanovitnost cen terminskih produktov je povečana negotovost dnevnih cen električne energije za dan vnaprej. Sprememba cen električne energije za dan vnaprej je bila nekoč povezana predvsem z dvema različnima negotovostma: negotovostjo prihodnje porabe električne energije in negotovostjo morebitnih izpadov proizvodnih virov. Omenjeni negotovosti sta del vsakdana trgovcev z električno energijo, zato menimo, da so udeleženci trga električne energije pred uvedbo novih oblik proizvodnje OVE praviloma dobro prepoznali omenjeni negotovosti ter da so posledično tudi ustrezno ovrednotili cene terminskih produktov. V običajnih dneh je bilo pričakovati relativno predvidljive dnevne cene električne energije z izjemo določenih dni, ko so bile okoliščine ekstremne in posledično cene vse prej kot običajne. Uspešno trgovanje na trgih z električno energijo je odvisno od zmožnosti tržnih udeležencev, da natančno napovedo ceno električne energije. Običajni modeli cen električne energije, mednje sodijo široko uporabljani modeli med energetskimi družbami v zadnjih dveh desetletjih, uporabljajo tržne informacije, ki so izražene z različnimi vplivnimi veličinami cene električne energije, vključno s preostankom, ki vsebuje tudi premijo za tveganje. V zadnjem desetletju so raziskovalci premije za tveganje proučevali predvsem tveganje na dnevni ravni, zaradi česar so zanemarili informacijo znotraj dneva. Tovrstna omejitev predstavlja določeno pomanjkljivost pri natančnem izražanju premije za tveganje (PT). Premija za tveganje je ocenjena vrednost želene kompenzacije prevzemnika tveganja v danem trenutku. Je časovno spremenljiva in pogojena s spremembo mnogih delnih negotovosti, ki vplivajo nanjo. Tesno je povezana s ceno električne energije na način, da je njena veličina dejansko odraz vseh negotovosti prihodnje cene električne energije. V disertaciji predstavljamo novo metodo Krečar-Gubina-Benth (KGB) za modeliranje premije za tveganje, ki temelji na pristopu »ex-ante«, osredotočenem na letne produkte. Metoda vključuje nov model KGB in njegovo linearizirano formulacijo, imenovano linearni model KGB, ki omogoča vrednotenje PT različnih vplivnih veličin, med drugim tudi obnovljivih virov energije (OVE). Uporabili smo štiri ključne vplivne veličine linearnega modela KGB, ki so omogočile vpogled v vpliv proizvodnje OVE na razvoj premije tveganja. Metoda je bila testirana na zgodovinskih podatkih z nemškega trga električne energije. Na podlagi rezultatov za obdobje 2010–2014 smo pokazali, da je skupni vpliv deleža proizvodnje sonca (PV) na PT večji od deleža proizvodnje vetrne energije. Ugotavljamo, da spremenljivost ter povečana negotovost PV in vetrne energije vplivata na povečanje PT. Linearni model KGB je prilagojen na način, da ga lahko uporabi širši krog tržnih udeležencev z informacijami, ki so jim na voljo. V raziskovalnem delu predstavljamo nov pristop trgovalnih strategij, ki temeljijo na informacijah o premiji za tveganje. Optimizacijski algoritem strategije trgovanja temelji na iskanju optimalne nabavne ali prodajne strategije, ki sledi cilju povečanja dobička podjetja.

• Language: Slovenian
• Keywords: premija za tveganje, proizvodnja elektrike iz obnovljivih virov energije, simulacija Monte Carlo, temeljni modeli cene električne energije, cena električne energije, trg električne energije.
• Work type: Doctoral dissertation
• Organization: FE - Faculty of Electrical Engineering
• Year: 2019
• PID: 20.500.12556/RUL-113098
• Publication date in RUL: 03.12.2019

Secondary language

• Language: English
• Title: TRADING STRATEGY ON ELECTRICITY MARKET CONSIDERING RISK PREMIUM

Abstract

Since the start of liberalization of the European electricity market we have experienced some extreme cases of high price volatility of the futures. The main reason for the price volatility of the futures is the increased uncertainty of day-ahead price. Change of a day-ahead price is usually associated with two distinguishing uncertainties; the uncertainty of future demand and uncertainty of possible production outages. Those uncertainties have long term track record; therefore, market participants were able to estimate day-ahead prices adequately. In regular days we experienced predictable day-ahead prices with rare extreme occasions resulting in unexpected prices. Successful trading in electricity markets relies on the market actor’s ability to accurately forecast the electricity price. The fundamental electricity price models use market information, provided by various price drivers, including the residual that contains a risk premium. In the past, researchers investigating risk premium focused primarily on daily spot price levels, ignoring the intraday information hindering the accurate risk premium determination. In this thesis, we present a new KGB (Krečar-Gubina-Benth) Method for modelling of risk premium, based on the “ex-ante” approach focused on yearly products. The method involves a novel KGB Model and its linearized formulation, the KGB Linear Model, which enables capturing the influence of renewable energy sources on risk premium. The four key drivers of the KGB Linear Model were used providing an insight into the influence of RES generation on risk premium evolution. The method was tested on historical data from the German electricity market. The results for the 2010–2014 periods reveal that the overall influence of solar (PV) production share on risk premium is greater than that of wind production share, both increasing the risk premium due to their variability and uncertainty. The Linear KGB Model is set for broader use among the market actors forecasting risk premium using information readily available to them. In the thesis we present a novel approach of trading strategies based on the risk premium information. The optimization algorithm for trading strategies is based on finding an optimal procurement/sales strategy in order to achieve maximization of companies’ profit.

• Keywords: Risk Premium, PV production, key risk drivers, electricity production from renewable energy sources, production from PV, wind production, Risk Premium model, Monte Carlo simulations, fundamental electricity price models, electricity price, electricity markets, power market.