电力市场价格风险价值与波动预测研究综述

李哲

摘要：市场竞争机制的引入在为电力市场参与者创造更多获利机会的同时，也带来了前所未有的价格波动风险。电能不能大规模有效存储和供需的实时平衡性约束，使得电力价格比传统商品的价格波动更加剧烈。如果不能有效地评估、管理电价波动风险，可能会给电力市场带来灾难性的后果，如美国加州电力市场的失败直接导致了当地两大电力公司出现高达200亿美元的巨额损失。电力市场一旦发生金融风险，将对社会、经济产生比金融市场风险更为严重的负面影响，如何有效地识别、评估、控制电力市场金融风险是亟待解决的问题。

关键词：电力市场价格;风险价值;波动预测

前言

风险价值（valueatrisk，VaR）方法作为一种可以事前计算风险的管理方法，克服了传统方法只能事后评价的缺陷，在实践中得到了广泛的应用。电价受负荷、气候、输电网络、装机容量等多重因素影响，具有均值回复、异方差、波动集聚、尖峰跳跃、多季节性等特征。在评估电力市场价格风险时，须考虑到电价的上述特征及与负荷、气候等影响因素的相关性。

1非参数法计算电力市场价格风险

在现有的研究中计算电力市场VaR的非参数法主要有历史模拟法、蒙特卡洛法和分形理论。其中历史模拟法和蒙特卡洛法早期研究较多，而分形理论是一种电力市场VaR计算的新方法。历史模拟法假设市场未来的电价和历史数据类似，这样就可以用历史电价数据模拟将来电价的变化，从而在一定的置信水平下计算出将来的可能最大损失。在研究电力市场的风险度量时采用了该方法。历史模拟法概念直观、计算简单，容易接受，但其需要大量的历史数据，对于历史较短的市场其计算能力较差。蒙特卡洛法计算VaR则不需要依靠历史数据，它是通过计算机进行模拟仿真来计算VaR值，对蒙特卡洛在电力市场风险管理中的运用做了研究。蒙特卡洛估计精度高，但其计算时间较长，投入成本较高，且其需要假设随机过程，可能造成模型风险。把分形理论运用于对电价波动的分析，发展了一种新的研究电价波动的非参数法。针对电价分形的特点，基于回归间隔法(RIA)对电价进行分析，并给出了计算多重分形分布数据VaR值的算法。他们在对PJM数据实证分析后指出，该方法与传统的基于正态分布的VaR相比，不会高估市场风险，且可迅速适应不同时期不同类型的电价波动，及时衡量电价风险。

2基于参数法的电价波动预测与电力市场价格风险度量

非参数法的固有缺陷使其无法担当电力市场风险评估的重任，学者们转而研究参数法计算电力市场的VaR。在运用参数法计算电力市场VaR时，首先预测电价的波动方差（2σt），然后用估计的条件标准差（σt）乘以假设分布下的标准分位数，就可以得到其VaR值。基于参数法计算VaR的优点在于减少了对大量历史数据的依赖，缩短了计算的时间，降低了计算的成本。从参数法的原理可以看出对电价序列的波动建模是计算VaR的必要前提，对波动率的准确预测是提高VaR精度的关键。目前研究中对电价波动的预测方法主要是基于GARCH模型和“实现波动”两种，其中基于GARCH模型的方法是对波动预测的传统方法，而实现波动是近年来连续金融理论应用于电力市场电价波动预测的新成果。

2.1GARCH模型

在对电价波动的研究过程中，学者们发现由于电力商品的特殊性，电价的波动还存在一定的特有性质，如电价波动的不对称、电价偶然的极值跳跃等，这些对电价波动的预测带来了很大的影响，学者们分别对这些性质做了处理：（1）电价波动的“杠杆效应”。在研究电价的性质时发现电价的波动存在一定的“反杠杆效应”，即电价的波动在电价正的变化时比负的变化时要大，所以他建议在对电价的波动建模时应该考虑用EGARCH模型来处理这种杠杆现象，他们运用加利福利亚电力市场的数据实证研究证明了这一结论。EGARCH模型能很好的捕捉到电价波动的不对称性。在对美国5个不同市场数据研究中也发现了电价波动的不对称性和季节性等特征，通过建立一个门限模型（TGARCH）来处理这种杠杆效应，在波动模型中还加入了季节性的变量。在对澳大利亚五个电力市场电价的波动进行研究时指出，电价波动在需求较大时波动较大，而在需求较小时波动较小，表现出较强的不对称性，同时波动随需求有较大的周期性，研究中作者用GARCH、基于t分布的APGARCHS和基于偏t分布APGARCH等模型对电价波动过程的模拟进行了比较研究，认为基于偏t分的APGARCH模型模拟澳大利亚的电价波动最为合适。比较分析了GARCH、EGARCH、APARCH和CGARCH模型对波动预测的效果，认为APARCH模型在对电价的波动短期预测的效果要优于其他三个模型。

2.2实现波动

随着高频数据越来越容易可得，连续金融理论在金融领域得到快速发展，实现波动在测度股市日波动率中的良好表现引起了电力市场研究中的注意，很多学者试着将其应用于电力市场中。GARCH模型在刻画电价波动的异方差效应时表现良好，但GARCH在模拟电价波动的跳跃特性方面却表现出无力，他们提出了“实现波动”估计的是日整体波动，而“幂波动”估计则是剔除了波动的跳跃部分，并用该理论把跳跃波动计算出来作为波动预测的变量，运用澳大利亚电力市场的数据实证证明其预测精度要好于单独用实现波动作为预测变量。最后作者把实现波动预测与EGARCH模型的波动预测精度做了比较，实现波动的预测效果比EGARCH模型的预测效果要好。

3半参数法计算电力市场价格风险

参数法对电价序列厚尾偏锋等特征描述的乏力，导致了参数法在计算电力市场VaR时有较大的误差，学者纷纷寻找能够描述其尾部特征的方法，比如假设其尾部服从广义误差分布、t分布和偏t分布等，但效果有限。半参数法则在尾部的处理上做出了贡献，在一定程度上解决了这个问题。半参法是参数法和非参数法的结合：在预测电价的波动时仍然运用GARCH模型，但对模型中的ξt不做假设分布，而是运用非参数法来估计一定显著水平下的分位数。对基于核估计的半参法在电价研究中的运用做了研究，与参数法比较半参法表现出显著的优势。非参数估计分位数的方法还有历史模拟法、蒙特卡洛法、极值理论等，但在电力市场VaR计算研究中，基于极值理论的半参法运用较多。本节接下来重点讨论基于极值理论的非参法。文献[51]首先运用极值理论计算了加拿大电

结束语

电力商品的特性使得电价比传统商品的价格波动更加剧烈，如何有效地识别、评估、控制电力市场价格风险尤为重要。

参考文献：

[1]李敏.基于GARCH模型的电力市场风险分析[D].长沙:湖南大学,2010．

[2]李腊生,孙春花.VaR估计中的概率分布设定风险与改进[J].统计研究,2010,27(10):40-46．

[3]张显,王锡凡.短期电价预测综述[J].电力系统自动化,2006,30(3):92-101．

[4]亢娅丽,张宗益,郭兴磊.基于Copula方法的电力市场组合风险分析[J].电力系统保护与控制,2012,40(6):50-56.

[5]刘伟佳,尚金成,周文玮,等.基于多重分形理论的电力市场风险价值评估[J].电力系统自动化,2013,37(15):1-7.