چکیده:
پیشبینی نوسانات قیمت علاقه بسیاری از اندیشمندان در بازارهای مختلف نظیر بازار سهام و بازار کالا را به خود معطوف ساخته است. در سالهای اخیر، برق نیز همانند یک کالا در بازارهای متعددی مورد معامله قرار گرفته است. از این رو، کشورهای زیادی در سر تا سر دنیا به دنبال اصلاح ساختار فرآیندها با سرعت و اهداف متفاوت در بخش انرژی هستند. افزایش رقابت در سطح عمده فروشی، معرفی قراردادهای مشتقات، معاملات معاوضهای و عرضه برق در بازار بورس و فرابورس الزامات و نیازمندیهای جدیدی را در این عرصه به وجود آورده است. در بین کشورهای مختلف ایران استثنای بر این قاعده نبوده و انجام معاملات در حوزه برق در کنار سایر کالاها یکی از فرایندهای در حال گسترش است. تحولات کنونی در بازار برق، ضرورت انجام مطالعه بر روی نوسانات قیمت و حجم معاملات، به منظور انجام اصلاحات ساختاری و هدایت این فرایندها در مسیری هدفمند را میرساند. مطالعه حاضر در نظر دارد با اجرای مدل خودرگرسیون میانگین متحرک (ARMAX) با مدل خودرگرسیون میانگین شرطی تعمیم یافته (GARCH)، برترین مدل برای برازش بازده و نوسانات قیمتهای روزانه بازار برق در بازه زمانی 1393-1391 را معرفی نماید. بنابراین، مدل ARMAX در ترکیب با مدل GARCH، EGARCH،GJR-GARCH ، و توزیعهای Gaussian، Student-t، Generalized Error، مقایسه خواهد شد.
Predicting price volatility has been the interest of many scholars in different markets such as stock and commodity market. Electricity like other commodities has been traded in the market in recent years. Hence، a large number of countries around the world have recently started restructuring processes in their energy sectors. However، the pace and aim of the improvements varies across countries. With the introduction of competitive wholesale electricity markets، and power derivative contracts، both exchange-traded and over the counter (OTC)، providing a number of different contract provisions to meet the needs of the electricity market participants. Among all countries، Iran is not an exception for the rule. Trading electricity along other commodities in the exchange market is a new progress for this market. These changes arises this necessity to study the nature of price volatilities so that the restructuring development and adopted actions would be done in a correct and meaningful way.
This study attempts to study the price volatilities in the Iranian electricity market by an ARMAX and GARCH type model and introduce the best simulation for the period of March 2012 to March 2014. Therefore، ARMAX model in a combination with GARCH، GJR-GARCH، and EGARCH type will be compared along with Gaussian، Generalize Error، and Student-t distribution.
خلاصه ماشینی:
"در این تحقیق که از دادههای سری زمانی Box and Jenkins Engle Bollerslev قیمتهای روزانه بازار برق در سال 1388 استفاده شده است ایشان بیان میکنند که پیشبینیهای مدل گارچ برای دورههای کوتاهمدت و میانمدت میتواند مبنایی برای سیاستگذاریها باشد.
همچنین ابراهیمی و جدید (1387) در تحقیق خود با عنوان "پیشبینی قیمت برق روز بعد با استفاده از مدل ARIMA و WAVELET-ARIMA" به مقایسه پیشبینیهای انجام شده توسط مدلهای آریما و ترکیب آنها با موجک پرداختهاند و بیان میکنند که در حالت ترکیب مدلهای فوق نتایج بهتر و قابل قبولتری با خطای کمتر به دست آمده است.
از این رو، تحقیق حاضر متناسب با مطالعات انجام شده در سایر کشورها در نظر دارد قابلیت مدلهای ARMAX-GARCH را در تخمین و پیشبینی نوسانات بازار برق ایران بررسی نماید.
با توجه به تقسیمبندی فوق در حوزه روششناسی بررسی نوسانات و قابلیت مدلهای GARCH در پیشبینی نوسانات قیمت بازار برق در این بخش مدل ARMAX-GARCH که ترکیبی از گونههای مختلف ARMAX و GARCH Lucia and Schwartz Karakatsani and Bunn Autoregressive Models Jump-Diffusion and Regime-Switching Volatility Models Serati et al.
Thomas and Mitchell Liu and Shi Knittel and Roberts Garcia et al.
آمار توصیفی این دادهها در جدول (1-1) آمده است: جدول 1: مشخصات آماری لگاریتم قیمت معاملات روزانه بازار برق مشاهدات مینیمم ماکزیمم میانگین میانه انحراف معیار چولگی کشیدگی 1096 46/12 73/13 07/13 05/13 217/0 309/0 167/0- مأخذ: محاسبات محقق مطابق جدول (1)، جامعه آماری مورد مطالعه شامل 1096 داده میباشد که 100 داده آخر به منظور شبیهسازی و انجام مطالعات پیشبینی مورد استفاده قرار میگیرد."