Direkt zum Inhalt springen
Breadcrumbs
Inhalt

Modellierung von Preisbildungsprozessen und Entwicklung neuer mathematischer Modelle im Bereich Energiehandel

Allgemeine Informationen

Projektnummer 62447001
Projekttitel laut Förderbescheid Modellierung von Preisbildungsprozessen und Entwicklung neuer mathematischer Modelle im Bereich Energiehandel
Akronym ENERGY2020
Projektlaufzeit 01.09.2015 - 31.07.2016
Forschungsschwerpunkt Transformationsprozesse in Wirtschaft und Gesellschaft
Projektkategorie Forschung
Grundeinheit Fakultät Natur- und Umweltwissenschaften
Projektwebseite http://http://f-n.hszg.de/fakultaet/hochschullehrerinnen/ljudmila-bordag/ljudmila-bordag.html

Inhaltliche Projektbeschreibung

Projektziel

Im Rahmen des Projektes soll folgendes Problem gelöst werden: Die aktuelle validierte Beschreibung von Preisprozessen auf Energiemärkten, die Entwicklung von optimalen Handelsstrategien für ein typisches Portfolio eines Regionalnetzbetreiber mit modernen Finanzinstrumenten und Energieprodukten. Für diese komplizierte Problemstellung waren relevante mathematische Modelle sowie Kenngrößen zu entwickeln die u.a. helfen sollen, grobe Entscheidungsfehler zu vermeiden. Das Vorhaben zielt darauf ab, neue mathematische Modelle und innovative Lösungen zu finden, die gegenwärtig vorhandene und auftretende schwer abzuschätzende Risiken in Energiehandel grundsätzlich zu beseitigen.

Seit Aufhebung der Gebietsmonopole in Deutschland im Jahre 1998 im Bereich Energiewirtschaft stehen viele regionale Versorger vor ganz neuen Herausforderungen wie der Optimierung von komplizierten Portfolios. Die mathematischen Methoden, die sich seit Jahren im Finanzhandel etabliert haben, müssen an die speziellen Bedingungen im Bereich Energiehandel angepasst werden. Die dabei entstehenden praktischen Optimierungsprobleme erfordern für ihre adäquate und nachhaltige Beschreibung moderne Modelle unter Verwendung von stochastischen und partiellen nichtlinearen Gleichungen. Die Regionalanbieter haben in der Regel nicht die dafür erforderliche Qualifikation.

Das Arbeitsprogramm und die Ziele des Vorhabens sind der Modellierung und Optimierung von Preisbildungsprozessen im Bereich Energiehandel, insbesondere auf Gas- und Elektrizitätsmärkten, gewidmet.Deregulierung und Dezentralisierung haben dazu geführt, dass viele praktische Optimierungsprobleme erst mit stochastischen und partiellen nichtlineare Gleichungen adäquat beschrieben werden können. Die Risikooptimierung in diesem Umfeld zieht neue Verfahren beim Assetmanagement und der Portfolioplanung mit praxisrelevanten bewegten Zeithorizonten, die nun durch einen stochastischen Prozess definiert sind, nach sich.

Es werden folgende Themenbereiche behandelt: korrekte Beschreibung von stochastischen Preisprozessen im Energiehandel und Auffindung von optimalen Strategien für Portfolios mit Energieprodukten. Dabei werden Modelle zur Beschreibung der Preisdynamik, welche aus der Ökonometrie bereits bekannt sind, für den Gasspotmarkt adaptiert und in Bereichen der Saisonalitäts- und Sprungmodellierung erweitert. Ein Vergleich der Effizienz von verschiedenen Modellen wird an Hand der realen Daten durchgeführt. Diese Ergebnisse sind Ausgangspunkt für die Detailentwicklung der effizienten und relevanten Modelle und ihre Realisation mit Softwarelösungen. Untersuchung von Verteilungscharakteristiken von verschiedenen Finanzinstrumenten in ruhigen Marktperioden, Vergleich dieser Charakteristiken mit vor- und nach-Krisenzeiten.

Projektdurchführung

Die Arbeit war zunächst konzentriert auf Daten vom Gasspothandel am Spotmarkt der EEX. (Die Konditionen für den Handel mit Gas am Spotmarkt der EEX sind im Dokument EEX Produktbroschüre Erdgas beschrieben). Die Daten beinhalten Informationen über die Struktur von handelbaren Kontrakten, Lieferzeiten und Lieferorten. Es gibt drei Marktgebiete: NetConnect Germany GmbH Co. KG (NCG), GASPOOL Balancing Services GmbH (GPL) und Gastransport Services B.V. an Dutch Title Transfer Facility (TTF). Die Marktgebiete unterscheiden sich deutlich nach handelbaren Volumen und Anzahl der handelbaren Kontrakte. Z. B. das Marktgebiet NCG dient dem Transport von etwa zwei Dritteln der durch Endnutzer verbrauchten Gasmengen in Deutschland und der virtuelle Handelsplatz TTF erlaubt den Gastransport und den Gashandel innerhalb der Niederlande (siehe Karte der Marktgebiete von der Seite EEX).

GPL-Marktgebiet (entnommen aus: https://www.gaspool.de/index.php, Stand: 15.05.2015)

Abb. 1. GPL-Marktgebiet (entnommen aus: https://www.gaspool.de/index.php, Stand: 15.05.2015)

Es wurden die Datensätze für Maximalpreise pro Tag und pro Gasspotkontrakt genutzt für den Zeitraum vom 30.05.2011 bis 19.05.2015. Dabei wurde berücksichtigt, dass in EEX Datensätzen mehrere Kontrakte pro Handelstag regiestiert werde können ohne chronologische Abfolge, so dass die Daten keine Zeitreihen darstellen. Um eine Zeitreihe zu erhalten wurden volumengewichtete Durchschnitsmaximalpreise pro Tag eingeführt. Diese Zeitreihen waren dann für weitere Untersuchungen genutzt.

Die Komplexität der Ausgangsdaten verlangt neue Methoden bei der Modellierung des Prozesses. Dabei müssen variablen Trends, zyklische Veränderungen und Zufallseinflüsse modelliert werden. Es wurde ein nichtlineares Regressionsmodell ausgewählt mit zu bestimmenden Kenngrößen.

Damit man dann später die entwickelten Modelle zu Prognosezwecken nutzt hat man drei so genannte Trainingsperioden zufällig ausgewählt: Testperiode 1: 01.04.2015 - 19.05.2015, Testperiode 2: 19.05.2015 - 19.05.2015 und Testperiode 3: 01.02.2015 - 19.05.2015. Für jeder der Trainingsperioden und jedes Marktgebiet und Art des Kontraktes wurden relevanten Kenngrößen festgestellt und die Güte des Models nach R2 und RMSE überprüft. Danach wurde für jedes Marktgebiet unabhängig von der Trainingsperiode ein Modell aufgebaut.

Dieses Modell wurde dann für ein- und mehrtägige Prognosen genutzt. Für Prognosen wurde ein Tag, 30 Tage, 49 Tage und 108 Tage genutzt. Die Prognose wurde für die Zeit unmittelbar nach der jeweiligen Trainingsperiode gewählt. Weil die entsprechenden Datensätze von EEX auch vorhanden waren, konnte man die Gute der Vorhersagen an Hand der gewählten Models beurteilen. Bis jetzt sind die langfristigen (länger als 1-4 Tage) sehr selten, solche Untersuchungen für Gasspotpreise sind bis jetzt nicht bekannt.

Ergebnisse

Es wurden nichtlineare Regressionsmodelle für Gasspotpreise entwickelt welche eine sehr hohe Relevanz bezüglich der Datensätze von EEX aufweisen (siehe Bild 2 als ein Beispiel).

Abb. 2. Graphische Darstellung GWID NCG, tägliche Prognose für logarithmierten Gasspotpreis TP2 (blauen Punkte – historische Werte, rote Linie – berechnete Werte)

Die aufgebauten Modelle können für kurzfristige Prognosen genutzt werden und zeigen sehr hohe  Güte (siehe Abbildung 3).

Graphische Darstellung GWID NCG, langfristige Prognose für Gasspotpreis TP1 (blauen Punkte - historische Werte, rote Linie - berechnete Werte)

Abb.3  Graphische Darstellung GWID NCG, langfristige Prognose für Gasspotpreis TP1 (blauen Punkte – historische Werte, rote Linie – berechnete Werte)

Je länger die Prognoseperiode ist, desto schwieriger wird es möglichst genaue Vorhersagen zu treffen. Aber sogar für langfristige Hervorsagen war es mit dem entwickelten Modell möglich, die allgemeine Tendenz richtig wiederzugeben. Ein Vergleich der Effizienz von verschiedenen entwickelten Modellen wurde an Hand der realen Daten durchgeführt. Die Ergebnisse werden in Form einer Publikation veröffentlicht. Sie sind Teil einer künftigen Promotionsarbeit von Frau Ya. Khrushch.

Weitere Daten

  • Ansprechpartner

    • Frau Prof. Ljudmila Bordag (Projektleitung)
    • Frau Yaroslava Khrushch
  • Fördermittelgeber

    • 100235453 - SMWK/SAB Vorlaufforschung 2015 - 2017

      • SMWK
  • Finanzierung

    • 29.956,30 €

Zurück zur Übersicht22.05.2019 23:59:42

Footer