Archiv für den Autor: Krischan Keitsch

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.

Algorithmic Trading as a Service

Algorithmic Trading as a Service – Ausbau eines Geschäftsmodells

Beachtet man die hohen Einstiegshürden für den Aufbau eines automatisierten Handelssystems für kleinere Marktanbieter und den Umstand, dass gerade diese Akteure oft keinen eigenen Marktzugang haben, so gelangt man zwangsläufig auf eine Verknüpfung von Algorithmic Trading und Marktzugangsdienstleistung (Trading as a Service). Unser Artikel „Algorithmic Trading as a Service – Ausbau eines Geschäftsmodells“ in den Energiewirtschaftlichen Tagesfragen (Ausgabe 11/2017) beleuchtet genau diesen Aspekt:

„Die Kombination aus Trading as a service und Algorithmic Trading stellt für Marktzugangsanbieter die Möglichkeit dar, ihr Dienstleistungsportfolio zu erweitern, interne Prozesse zu optimieren und Händler zu entlasten. Dies ist eine logischer Schritt für die Weiterentwicklung des Geschäftsmodells. Kunden erhalten im Gegenzug ein hohes Maß an Flexibilität sowie einen einfachen und kostengünstigen Einstieg in das Algorithmic Trading.“

Weitere Informationen und den Artikel als pdf findet ihr hier! Viel Spaß beim Lesen.

Algorithmic Trading im Energiehandel

Algorithmic Trading im Energiehandel

Algorithmic Trading im Energiehandel

Infos aus der Energiewirtschaft ist ein Blog, der sich seit vielen Jahren mit diversen Themen des Energiemanagements, der -politik, des -rechts, der -wirtschaft, der Kraftwerkstechnik, der Netzstabilität, der Regenerativen und mit Systemdienstleistungen beschäftigt.

Nun ist die Themenbandbreite weiter gestiegen: Mit meinem Blog-Beitrag „Algorithmic Trading im Energiehandel„. Viel Spaß beim Lesen!

Algorithmic Trading in der Energiewirtschaft

emw_2.2017

Algortihmic Trading – Der Einsatz von Handelsalgorithmen in der Energiewirtschaft

emwIn der Zeitschrift  Energie. Markt. Wettbewerb. (e|m|w) ist unser Artikel „Algorithmic Trading – Der Einsatz von Handelsalgorithmen in der Energiewirtschaft“ in der Ausgabe 2.2017 erschienen. Der Artikel beleuchtet ein passendes Setup für einen sicheren und effizienten Einsatz von Algorithmen zur Handelsautomatisierung.

Der Abstract:

Die europäischen Energiemärkte unterliegen aktuell tiefgreifenden Veränderungen. Eine Automatisierung des Handels stellt eine Möglichkeit dar, diesen Umwälzungen zu begegnen. Im Fokus der Öffentlichkeit steht dabei insbesondere der Algorithmische Handel. Daneben ist ein sicherer Betrieb maßgebliche Voraussetzung für einen Einsatz im Rahmen der Digitalisierung der Energiewirtschaft. 

Die Automatisierung des Energiehandels

EXXETA Algorithmic Trading Solution

Während im Bankenwesen „Algorithmic Trading“ Stand der Technik ist, gewinnt dieses Thema in der Energiewirtschaft zunehmend an Bedeutung. Der kontinuierliche Wandel der Europäischen Energiesysteme und der Energiewirtschaft sind hierbei starke Treiber.

Und da ich immer auf der Suche nach neuen spannenden Themen bin, beschäftige ich mich jetzt intensiv mit diesem Themenkomplex.  Einen ersten Überblick vermittelt die Web Seite, an der ich maßgeblich gearbeitet habe.

Vielleicht hilft ein Fallbeispiel? Wie wäre es mit der automatisierten Vermarktung von Strom aus regenerativen Quellen an den Intraday Märkten wie EpexSpot oder Nordpool Spot?Beispiel Direktvermarktung!

Weitere Veröffentlichungen werden folgen …

Innovative Smart Grid Technologies (ISGT 2016) in Melbourne

Input Data Analysis for Optimized Short Term Load Forecasts

Die IEEE Konferenz Innovative Smart Grid Technologies (ISGT 2016) fand in Melbourne, Australien vom 28.11. bis 1.12.2016 statt.

Mein erster Vortrag „Input Data Analysis for Optimized Short Term Load Forecasts“ (DOI) konnte ich in der Session „Demand Forecast“ am Vormittag des 1.12. vorstellen.

Der Abstract:

Accurate electrical short term load forecasts play an important role for grid operation, power plant scheduling and power trading. The need for precise forecasts rises as energy markets are in a phase of transition due to severe changes in the energy system for European countries. This transition is mainly caused by rising shares of renewable energies, increasing energy efficiency and consumption pattern changes.
This paper presents a case study based on publicly available data, on how selection of weather and economic data, the historic availability of training data and regional aspects affect the quality of short term load forecasts. By using evaluation metrics, such as the normalized rooted mean square error (NRMSE) and the mean average percentage error (MAPE), forecasting results may be compared to other case studies. Furthermore, the case study is based on a novel model framework utilizing e. g. artificial neuronal network (ANN), support vector regression (SVR) and similar day models. By selecting optimized training data sets we increase forecasting accuracy for supported models up to 11%. Forecasting results of supported models for a whole year, including holidays and weekends, range from 2.1% to 2.38% MAPE.