Modeling European Electricity Market Integration during turbulent times
本文提出贝叶斯反向无约束混频模型分析九个欧洲电力市场，发现可再生能源降低电价，天然气价格是跨国电价差异主导因素，强调能源多元化与协调化石燃料供应对能源安全的重要性。
2025-06-29 econ.EM
Efficient Modeling and Forecasting of the Electricity Spot Price
可再生能源，特别是太阳能和风能的重要性日益增加，导致电价形成新的力量。因此，本文介绍了一个计量经济学模型的每小时时间序列的欧洲电力交易所（EPEX）的电价，其中包括具体功能，如可再生能源。该模型由几个复杂的和建立的方法，可以被视为一个周期性的VAR Tstrom与风力发电，太阳能发电，负载的影响时间序列。它能够映射德国电价的独特和众所周知的特征。一个有效的迭代加权套索方法用于估计。此外，它表明，几个现有的模型优于本文开发的程序。
2014-10-13 econ.EM q-fin.ST q-fin.TR
The value of forecasts: Quantifying the economic gains of accurate quarter-hourly electricity price forecasts
我们提出了一个多变量弹性网络回归预测模型，德国每季度电力现货市场。虽然文献是不同的一天前的预测方法，无论是日内连续和日内呼叫拍卖价格没有得到深入研究，明确的重点是预测能力。除了电价预测外，我们还检查早盘（DA）EXAA价格对盘中预测的影响。本文的另一个新颖之处是对经济效益的补充讨论。精确的估计如果不能被利用，就毫无价值。我们根据我们的预测方案详细阐述可能的交易决策，并分析其货币影响。我们发现，即使是简单的电力交易策略，可以导致实质性的经济影响，如果结合一个体面的预测技术。
2018-11-21 econ.EM q-fin.PM q-fin.RM
Modeling Volatility and Dependence of European Carbon and Energy Prices
University of Duisburg-Essen（杜伊斯堡-埃森大学）；TU Dortmund University（多特蒙德工业大学）；RWI -- Leibniz Institute for Economic Research（RWI——莱布尼茨经济研究所）
我们研究了欧洲排放配额（EUA）的价格，从而分析其不确定性和对相关能源价格（天然气，煤炭和石油）的依赖性。我们提出了一个概率多变量条件时间序列模型与VECM-Copula-Gestrian结构，利用数据的关键特性。数据相对于通货膨胀和碳排放进行了标准化，以便进行适当的跨系列评估。预测性能进行了评估，在一个广泛的滚动窗口预测研究，覆盖8年的样本。我们讨论了我们的调查结果的水平和对数转换的数据，专注于随时间变化的相关性，并鉴于俄罗斯入侵乌克兰。
2023-02-10 cs.LG econ.EM q-fin.ST
Forecasting the Intra-Day Spread Densities of Electricity Prices
London Business School（伦敦商学院）
电力交易商、仓储和电动汽车运营商对日内价差感兴趣。本文制定了动态密度函数，基于偏T和类似的表示，模型和预测德国的电力价格之间的价差不同的时间的一天，揭示了在一天前的拍卖。密度函数的四个规格是动态的，并取决于外部驱动程序，从而允许密度的位置，规模和形状参数，以每小时响应天气和需求预测等因素。每个价差的最佳拟合和预测规格是根据弹球损失函数选择的，遵循累积分布函数的封闭形式解析解。
2020-02-20 cs.LG econ.EM stat.AP
Revisiting Day-ahead Electricity Price: Simple Model Save Millions
Peking University（北京大学）；Wuhan Yuanguang Technology Co., Ltd.（武汉远光科技有限公司）；Nyocor Co., Ltd.（Nyocor有限公司）
针对现有日前电价预测方法精度不足的问题，提出一种结合电价与供需先验相关性的简单分段线性模型，在山西和新英格兰市场实验中可年省数百万美元，验证了经济先验与时序建模结合的价值。
2024-08-19 cs.LG econ.EM
Are low frequency macroeconomic variables important for high frequency electricity prices?
最近的研究发现，预测电价是非常相关的。在许多应用中，通过使用自己的滞后或可再生能源来预测每日电价可能会很有趣。然而，最近能源价格的动荡和俄罗斯-乌克兰战争使人们更加重视评估工业生产和采购经理人指数产出调查在预测每日电价方面的相关性。我们开发了一个贝叶斯反向无限制MIDAS模型，该模型解释了德国和意大利的每日价格和月度宏观变量之间的频率不匹配。我们发现，包括宏观经济低频变量是更重要的是通过点和密度措施的短期比中期的视野。特别是，通过结合硬信息和软信息，准确性得到提高，而仅使用调查数据的预测不如仅使用工业生产数据的预测准确。
2022-12-20 econ.EM q-fin.ST
The fine structure of electricity price volatility
Aarhus University（奥胡斯大学）；BI Norwegian Business School（挪威BI商学院）；CoRE, Center for Research in Energy: Economics and Markets（能源、经济与市场研究中心）
本文首次研究了欧洲三个发电区电力价格波动，通过建立隐含价格过程的随机偏微分方程，开发了周积分方差估计器，并揭示了各区域波动驱动因素的差异。
2026-05-13 econ.EM q-fin.GN
Probabilistic multivariate electricity price forecasting using implicit generative ensemble post-processing
预测不确定性的可靠估计是风险敏感最优决策的关键。在本文中，我们提出了隐式生成集成后处理，多变量概率电价预测的新框架。我们使用一个基于点预测模型集合的无似然隐式生成模型来生成具有一致依赖结构的多变量电价场景，作为联合预测分布的表示。我们的集成后处理方法优于成熟的模型组合基准。这一点在德国日前市场的数据集上得到了证明。由于我们的方法在特定领域的专家模型集合之上工作，因此可以很容易地部署到其他预测任务中。
2020-05-27 econ.EM q-fin.RM q-fin.ST
A data-driven merit order: Learning a fundamental electricity price model
University of Duisburg-Essen（杜伊斯堡-埃森大学）
本文提出一种结合数据驱动与基本模型的电力价格预测方法，通过直接从历史数据估计关键参数，提高预测精度并保持可解释性。
2025-11-12 econ.EM q-fin.TR stat.AP
A Comparison of High-Dimensional Variable Selection Procedures for Electricity Spot Price Forecasting
Aalborg University（奥尔堡大学）；Norlys Energy Trading A/S（诺里斯能源交易公司）
本文对比了六种变量选择方法在电力现货价格预测中的性能，发现Boosting Multiple Testing（BMT）方法在预测准确性与LASSO、Elastic Net相当的前提下，变量使用量仅为其十分之一，兼具可解释性与计算效率。
2026-08-11 econ.EM
Online Multivariate Regularized Distributional Regression for High-dimensional Probabilistic Electricity Price Forecasting
Statkraft Trading GmbH（Statkraft交易有限公司）；University of Duisburg-Essen（杜伊斯堡-埃森大学）
本文提出一种在线算法，用于高维概率电力价格预测，通过结合多变量分布回归与在线坐标下降和LASSO正则化，实现对电力价格条件均值、方差和依赖结构的高效建模，并在德国日间市场数据中验证了其有效性。
2026-11-10 econ.EM q-fin.ST stat.AP
Probabilistic forecasting of German electricity imbalance prices
可再生能源能力的指数增长给电价和发电带来了很大的不确定性。为了应对这一挑战，能源交易所一直在开发更多的交易可能性，特别是日内和平衡市场。对于同时参与两个市场的能源交易商来说，对不平衡价格的预测特别重要。因此，在这篇手稿中，我们进行了一个非常短期的不平衡价格的概率预测，有助于在这个新的主题稀缺的文献。预测是在交割前30分钟进行的，这样交易者仍然可以选择交易地点。不平衡价格的分布建模和预测使用众所周知的方法在电力价格预测文献：套索与引导，gamlss和概率神经网络。在一个有意义的滚动窗口研究的方法进行了比较，一个天真的基准。结果提供了证据的效率之间的日内和平衡市场的复杂的方法并没有实质上超过日内连续价格指数。另一方面，它们显著提高了经验覆盖率。该分析是在德国市场上进行的，但它可以很容易地应用于任何其他类似结构的市场。
2022-05-23 econ.EM q-fin.ST stat.ML
A hybrid model for day-ahead electricity price forecasting: Combining fundamental and stochastic modelling
本文提出一种结合技术经济能源系统模型与随机模型的混合方法，用于日前电价预测，既能生成点预测也能生成概率预测，以捕捉市场基本面因素和参与者投机行为，取得了最先进的预测效果。
2023-04-18 econ.EM
An empirical estimate of the electricity supply curve from market outcomes
Hertie School（赫蒂学院）；Neon Neue Energieökonomik GmbH（Neon Neue Energieökonomik有限公司）
本研究提出了一种数据驱动的方法，从市场观察数据经验性估计电力供应曲线，揭示燃料价格是制度转变的主要驱动因素。
2025-11-28 econ.EM
Anomaly Detection in California Electricity Price Forecasting: Enhancing Accuracy and Reliability Using Principal Component Analysis
U.S. Department of Energy（美国能源部）；SAS Institute（SAS研究所）
本研究针对加州电网电价预测的复杂数据与异方差挑战，结合PCA、RPCA及SAS稀疏矩阵离群点去除方法优化特征，构建回归模型，显著提升日前电价预测准确性，助力可再生能源并网与电网管理。
2024-11-25 cs.AI cs.ET cs.LG
A distributional modelling approach with application to electricity price forecasting
Euskal Herriko Unibertsitatea (EHU)（巴斯克地区大学）
本文应用GAMLSS框架，基于2020-2024年西班牙小时数据预测日前电价，发现灵活分布规格（尤其是JSU）优于基准和正态模型，显著提升概率预测性能，强调了时变形状参数的重要性。
2026-10-02 econ.EM
Functional Factor Regression with an Application to Electricity Price Curve Modeling
本文提出一种对回归量施加因子结构的函数型线性回归模型，通过函数型特征值差异检验确定因子数并建立渐近正态性，应用于三个能源市场的电价曲线预测，精度媲美机器学习方法且提供有效推断。
2025-08-07 econ.EM stat.ME
Stealing Accuracy: Predicting Day-ahead Electricity Prices with Temporal Hierarchy Forecasting (THieF)
Wrocław University of Science and Technology（弗罗茨瓦夫科技大学）；University of Skövde（斯科夫德大学）
利用时间层次预测（THieF）提升日-ahead电力价格预测精度，通过协调不同时间粒度的预测结果显著提高准确性。
2026-03-04 econ.EM q-fin.ST
Stealing profits: Spread-based temporal hierarchy forecasting for day-ahead electricity markets
Wrocław University of Science and Technology（弗罗茨瓦夫理工大学）；Indicio Technologies AB（因迪西奥科技公司）
本研究提出时序层次预测框架，通过协调小时电价与日内价差预测，在欧洲两市场提升精度达19.7%、利润达10.4%，并揭示统计精度提升未必带来经济决策改善。
2026-09-22 cs.LG econ.EM q-fin.ST
Comparing the Forecasting Performances of Linear Models for Electricity Prices with High RES Penetration
Free University of Bozen-Bolzano（博尔扎诺自由大学）；London Business School（伦敦商学院）；BI Norwegian Business School（挪威商业管理学院）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）
本文比较了单变量与多变量模型、频率主义与贝叶斯自回归及向量自回归规范在小时提前电力价格中的表现，涵盖有和无可再生能源发电的四个主要欧洲市场，研究不同可再生能源发电水平下的预测准确性。结果显示，带有外生变量的贝叶斯VAR规范在点预测和密度预测方面均优于其他多变量和单变量规范。
2019-11-12 econ.EM econ.GN q-fin.EC
Foundation models for electricity price forecasting and battery arbitrage: Can they replace market-specific forecasting models?
Wrocław University of Science and Technology（弗罗茨瓦夫科技大学）；Aarhus University（奥胡斯大学）
该研究对比9种基础模型变体与两种电价预测基准，发现TabPFN模型统计表现最优但经济价值受策略影响，得出基础模型无法普遍替代特定市场模型的结论。
2026-09-02 cs.LG econ.EM
Efficient representation of supply and demand curves on day-ahead electricity markets
本文的目的是建立电力日前拍卖的供求曲线模型，在一个简约的方式。我们的主要任务是建立一个合适的算法来呈现有关电价和需求的信息，参数远少于原来的。我们表示每个曲线使用无网格插值技术的基础上径向基函数近似。我们描述了这种方法的结果，提前一天的IPEX现货价格的意大利。
2020-02-02 econ.EM q-fin.PR
Extrapolating the long-term seasonal component of electricity prices for forecasting in the day-ahead market
本文提出一种新方法，通过利用未来24小时电价预测外推价格序列并提取趋势-季节性模式，改进了日前市场中长期季节性分量（LTSC）的预测，在德西市场测试中显著提升了预测精度与交易利润。
2025-03-04 econ.EM q-fin.RM q-fin.ST
Hashprice moderates the electricity demand response of Bitcoin miners
Texas A&M University（德克萨斯农工大学）；Harvard University（哈佛大学）
利用德州电力市场数据，研究发现比特币矿工对电价和输电费用的响应取决于哈希价格（加密金融收入指标），哈希价格高时需求响应减弱，表明矿工需求响应具有经济状态依赖性。
2026-06-03 cs.ET cs.SY econ.EM
