Archiv für den Monat: Dezember 2019

Improving Short Term Load Forecasting with a Novel Hybrid Model Approach as a Precondition for Algorithmic Trading

Improving short term load forecasting with a novel hybrid model approach as a precondition for algorithmic trading

Im Journal Power Electrical Systems – Extended Papers 2017 wurde mein Paper „Improving Short Term Load Forecasting with a Novel Hybrid Model Approach as a Precondition for Algorithmic Trading“ veröffentlicht. Das Paper umfasst Ansätze aus einigen Konferenzpapieren und gibt einen Ausblick zur Nutzung von optimierten Lastprognosen im automatisierten Handel an Intraday Märkten.

Hier der Abstract:

Considering the changing European power market, accurate electric load forecasts are of significant importance for power traders to reduce costs for ancillary services by leveling their position on continuous intraday power markets. The first part of the following case study, based on publicly available load data, focuses on a novel approach to combine different forecasting methodologies and techniques from the area of computational intelligence. The proposed hybrid model blends input forecasts from artificial neuronal networks, multi variable linear regression and support vector regression machine models with fuzzy sets to intraday and day-ahead forecasts. The forecasts are evaluated with commonly used metrics (mean average percentage error – MAPE & normalized rooted mean square error – NRMSE) to allow comparisons with other case studies.
Results from input forecasting models range from a yearly MAPE of 2.36% for the linear regression model to 2.1% for the support vector machine. Blended forecast from proposed hybrid models results in a MAPE of 1.46% for one hour and a MAPE of 1.72% for 24 hours ahead forecasts.
In the outlook section of the paper we show how to use blended forecasts as an input source for automatized intraday power trading with algorithms. Besides outlining use cases, model structure of trading algorithms and back testing approaches, the paper offers a state of the art insight on algorithmic trading in the power industry.

Wem der Abstract nicht reicht, kann sich das Paper auch hier durchlesen. Die DOI lautet: DOI: 10.1515/9783110470529-001

Algorithmic Hedge – Automatisierung der finanziellen Absicherung von Geschäften auf Terminmärkten

Algorithmic Hedge – Automatisierung der finanziellen Absicherung von Geschäften auf Terminmärkten

Die Zeitschrift Energiewirtschaftliche Tagesfragen hat in der Ausgabe 1 / 2 2018 unseren Artikel „Algorithmic Hedge – Automatisierung der finanziellen Absicherung von Geschäften auf Terminmärkten“ veröffentlicht.

Die Kurzzusammenfassung:

In stürmischen Zeiten ist eine Absicherung von Marktpreisrisiken, die durch offene Positionen aus Erzeugung, Beschaffung, Vertrieb und Handel entstehen, an den Terminmärkten für Unternehmen der Energiewirtschaft besonders wichtig. Eine Automatisierung der Handelsaktivitäten im Rahmen von Hedge-Geschäften ist auch deswegen naheliegend, da hierbei nach strengen Regeln agiert werden sollte.

Den ganzen Artikel könnt Ihr hier lesen. Viel Spaß.