In this study, we extend the methodology of distributional copula regression to the domain of probabilistic electricity price forecasting, allowing us to model multivariate targets. The proposed approach offers flexibility in the choice of copulae, covariate effects and includes up to four-parameter marginal distributions. The fitting process utilizes model-based boosting, a modern technique that integrates features such as an intrinsic variable selection mechanism and parameter shrinkage. Two LASSO-based techniques combined with quantile regression averaging are benchmarked. We perform a comprehensive forecasting study, followed by a realistic trading simulation involving two day-ahead electricity auctions in the United Kingdom market. This setup allows us to develop trading strategies tailored to various investor objectives by leveraging on favorable bid and ask prices. The proposed distributional copula outperforms benchmarks in terms of the continuous ranked probability score while ensuring reliable trading profits.

In questo studio, estendiamo la nozione di regressione con copula distribuzionale al campo della previsione probabilistica dei prezzi dell'elettricità, permettendoci di modellare obiettivi multivariati e di includere distribuzioni marginali con fino a quattro parametri. Il processo di fitting utilizza il model-based boosting, una tecnica moderna che integra caratteristiche come un meccanismo intrinseco di selezione delle variabili e la riduzione dei parametri. Vengono confrontate due tecniche basate su LASSO combinate con l'aggregazione della regressione quantilica. Per convalidare il nostro approccio, eseguiamo uno studio di previsione completo, seguito da una simulazione di trading realistica che coinvolge due aste giornaliere di elettricità nel mercato del Regno Unito. Questa configurazione ci consente di sviluppare strategie di trading adattate agli obiettivi degli investitori sfruttando i prezzi di acquisto e vendita favorevoli. La copula distribuzionale proposta supera i benchmark in termini di CRPS, garantendo al contempo profitti di trading affidabili.

Probabilistic forecasting of electricity prices with distributional copula regression

MAZZON, GIORGIO
2023/2024

Abstract

In this study, we extend the methodology of distributional copula regression to the domain of probabilistic electricity price forecasting, allowing us to model multivariate targets. The proposed approach offers flexibility in the choice of copulae, covariate effects and includes up to four-parameter marginal distributions. The fitting process utilizes model-based boosting, a modern technique that integrates features such as an intrinsic variable selection mechanism and parameter shrinkage. Two LASSO-based techniques combined with quantile regression averaging are benchmarked. We perform a comprehensive forecasting study, followed by a realistic trading simulation involving two day-ahead electricity auctions in the United Kingdom market. This setup allows us to develop trading strategies tailored to various investor objectives by leveraging on favorable bid and ask prices. The proposed distributional copula outperforms benchmarks in terms of the continuous ranked probability score while ensuring reliable trading profits.
PETUKHINA, ALLA
ING - Scuola di Ingegneria Industriale e dell'Informazione
10-ott-2024
2023/2024
In questo studio, estendiamo la nozione di regressione con copula distribuzionale al campo della previsione probabilistica dei prezzi dell'elettricità, permettendoci di modellare obiettivi multivariati e di includere distribuzioni marginali con fino a quattro parametri. Il processo di fitting utilizza il model-based boosting, una tecnica moderna che integra caratteristiche come un meccanismo intrinseco di selezione delle variabili e la riduzione dei parametri. Vengono confrontate due tecniche basate su LASSO combinate con l'aggregazione della regressione quantilica. Per convalidare il nostro approccio, eseguiamo uno studio di previsione completo, seguito da una simulazione di trading realistica che coinvolge due aste giornaliere di elettricità nel mercato del Regno Unito. Questa configurazione ci consente di sviluppare strategie di trading adattate agli obiettivi degli investitori sfruttando i prezzi di acquisto e vendita favorevoli. La copula distribuzionale proposta supera i benchmark in termini di CRPS, garantendo al contempo profitti di trading affidabili.
File allegati
File Dimensione Formato  
2024_10_Mazzon_Tesi_01.pdf

accessibile in internet per tutti

Descrizione: Testo della tesi
Dimensione 719.07 kB
Formato Adobe PDF
719.07 kB Adobe PDF Visualizza/Apri
2024_10_Mazzon_Executive Summary_02.pdf

accessibile in internet per tutti

Descrizione: Executive Summary della tesi
Dimensione 403.56 kB
Formato Adobe PDF
403.56 kB Adobe PDF Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/227738