Optimal hedging under price and volumetric risk using standards forwards in a competitive wholesale electricity market

In this paper, I want to examine the theme of financial hedging. A hedge is an investment position intended to offset potential losses/gains that may be incurred by an individual or an organization. It could be differentiate from the strategy of speculation, that is the practice of engaging in risky financial transactions in order to attempt to profit, without the possession of the underlying tradable good. A hedge can be constructed from many types of financial instruments and the most commons are derivative products as forwards/futures and option. A large number of hedging decisions are made in a context where the only source of uncertainty is the price. In some other case, the hedgers is also uncertain about the quantity to cover. This is typical of LSE, which provide electric service to end-users and wholesale customers. LSEs face different sources of risk, but the Volumetric risk assumes certainly a main role. In electricity markets, an LSE is uncertain about how much electricity a customer will use at a certain hour until the customer actually turns a switch on and draws electricity. Furthermore, the LSE is obligated to provide the customer with electricity whenever it turns the switch on. Uncertainty or unpredictability of a demand quantity is a traditional concern for any commodity, but holding inventory is a good solution to deal with. However, electricity is non-storable, which is the most important characteristic that differentiates the electricity market from the money market or other commodities markets. The non non-storability also generate a high daily volatility of electricity spot price in the wholesale electricity market. Having introduced this context, I choose 4 different hedging strategies that could contribute efficiently to hedging of price and volumetric risk: Naive hedge; Minimum Variance hedge; Mean Variance hedge; Brown & Toft hedge. After a theoretical analysis of literature about hedging strategies, I derived the optimal hedge ratios mathematically. In the last part I generated different scenarios numerically, and I compared the strategies in order to create an efficiency rank on the improvement of variance, expected return, VaR and CVaR for every portfolio compared with the unhedged scenario.

L'hedging e' una strategia molto utilizzata sia nel campo finanziario che industriale non solo da chi gestisce un portafoglio di titoli, ma anche da investitori privati e dalle imprese. Un utilizzo sempre maggiore di strategie di hedging si ha in un contesto nel quale l'unica fonte di incertezza è il prezzo, ossia nel caso operino banche e portafogli corporate. Sicuramente le strategie di hedging più rischiose e difficili da implementare possono essere riscontrate qualora, oltre al prezzo, si debba controbilanciare anche il rischio di quantità. Questo è il caso dei produttori nel mercato primario, i quali devono coprirsi dalle varianzioni del prezzo della materia prima prodotta, in una situazione in cui la domanda è difficilmente prevedibile. Questa problematica emerge anche nel Mercato dell'Elettricità per le Load Serving Entities, le quali comprano all'ingrosso nei mercati locali energia elettrica al prezzo spot e devono rivenderla ad un prezzo fisso ai clienti retail. Una LSE è incerta su quando e in quale quantià l'energia elettrica sarà utilizzata dal cliente. Incertezza e difficoltà nelle previsioni sono facilmente risolvibili attraverso la creazione di scorte per la maggior parte delle commodities, ma non per l'energia elettrica, la quale non è accumulabile. Questa caratteristica influenza particolarmente il prezzo spot dell'energia elettrica, il quale può variare anche del 100% su base giornaliera. In aggiunta, da uno studio su diversi mercati regionali, si può constatare che i carichi di energia elettrica richiesti dal consumatore, hanno una correlazione positiva superiore a 0.5. Questo implica che nei momenti di maggior richiesta di energia elettrica, per esempio nel periodo estivo, il suo prezzo aumenterà notevolmente. Dunque una LSE ha sicuramente la necessità di dover attuare delle opportune strategie di hedging per controbilanciare il rischio di prezzo e quello di quantità. Questa ricerca verte sullo studio e l'applicazione empirica di strategie di copertura che permettano di bilanciare il rischio di prezzo e di quantità, nel contesto di una LSE. Dopo un'attenta analisi della letturatura, ho individuato quattro strategie di hedging: Naive hedge, che permette di coprire solo il rischio di prezzo; Minimum Variance, che permette di minimizzare la varianza dei ritorni del nuovo portafoglio, controbilanciando sia il rischio di prezzo che quello di quantità; Mean Variance, che tiene conto del ritorno atteso e della varianza del portafoglio, in base all'avversione al rischio dell'hedger; infine, la metodologia proposta da Brown e Toft, i quali hanno introdotto la minimizzazione dei deadweight cost (comprendono costi esterni di capitale, costi di agenzia, tasse, etc.), per ottimizzare la strategia di copertura. Riformulando queste metodologie, ho inizialmente ricavato le formule matematiche generali per torvare gli indici di copertura, ovvero il numero ottimale di contratti forward; successivamente, basandomi su parametri di media e varianza estrapolati da una serie storica di dati reali sull'energia elettrica, ho ottenuto indici di copertura numerici per ciascuna delle metodologie applicate. Sulla base di quanto emerso dall'evidenza empirica, ho ideato una classifica delle strategie più efficienti, rispetto alla caso AS IS di non copertura, in riferimento alla maggior riduzione della varianza, del miglioramento del ritorno atteso e del decremento dei valori di VaR e CVaR per ciascun portafoglio generato.