Aufrufe
vor 2 Jahren

11 | 2016

  • Text
  • Unternehmen
  • Bild
  • Deutschland
  • Rollout
  • Entwicklung
  • Energie
  • Energieversorgung
  • Energien
  • Anlagen
  • Beispielsweise

Special

Special Energieversorgung in Deutschland Neue stochastische Methoden zur Strompreisanalyse Der Einfluss zeitlicher Faktoren auf den Strompreis STROMHANDEL | Der Energiehandel verzeichnet seit Jahren ansteigende Handelsvolumina. Gleichzeitig wirken mehr und mehr Einflussfaktoren auf den Börsenpreis. Dies führt vermehrt zu Kursschwankungen und erschwert Prognosen über die zukünftige Preisentwicklung. Der ansteigenden Komplexität sollte mit neuen stochas - tischen Methoden zur Strompreisanalyse begegnet werden. Dem folgend wurde in einer aktuellen Abschlussarbeit der Universität Leipzig in Zusammenarbeit mit der Energieforen Leipzig GmbH das Strompreisverhalten tiefergehend untersucht und dabei Methoden aus der Finanzbranche auf ihre Tauglichkeit im Energiehandel überprüft. Sowohl die Handelsvolumina der European Energy Exchange (EEX) als auch die des bilateralen Marktes steigen seit Jahren kontinuierlich. Gleichzeitig wird der Strompreis von immer mehr Faktoren beeinflusst. Dies hat starke Kursschwankungen zur Folge und erschwert Preisprognosen. Folglich gewinnt die Analyse des Strompreisverhaltens zunehmend an Relevanz für den Vertrieb, die Beschaffung, das Risikomanagement sowie die Handelsabteilungen von Stadtwerken und Energieversorgungsunternehmen. Um der komplexen Marktsituation gerecht zu werden, bedarf es neuer stochastischer Methoden zur Analyse des Preisverhaltens. Nach dem Vorbild der Banken Auf den Finanzmärkten sind stochastische Verfahren zur Analyse von Zeitreihen ein etabliertes Werkzeug. Besonders bei stark volatilen Preisreihen, wie sie auch auf dem Strommarkt zu beobachten sind, hat sich die Garch-Modellierung (generalized autoregressive conditional heteroscedasticity) als robustes Instrument für die Analyse des Preisverhaltens bewährt. Diese Modelle ermöglichen mit- tels einer Mittelwert- und einer Varianzgleichung Aussagen über die Rendite einer Zeitreihe und deren Schwankungen. Ausgehend von der Annahme, dass sich die stündlichen Großhandelspreise auch als Renditen darstellen lassen, erscheint es naheliegend, dass das Garch-Model auch im Energiehandel signifikante Ergebnisse liefern kann. Zur Überprüfung dieser These wurden in der Studie die stündlichen EEX-Spotmarktpreise seit dem Start des Börsenhandels im Jahr 2000 bis Ende 2014 mit einem Garch-Modell untersucht. Im Hinblick auf den Strommarkt erscheint es zudem sinnvoll, den Einfluss von saisonalen Effekten, wie sie beispielsweise durch den an die Jahreszeiten angepassten Stromverbrauch auftreten, zu bestimmen. Hierzu wurde das Garch-Modell um Dummyvariablen erweitert (Bild 1). Implementiert man beispielsweise für jeden Wochentag einen Dummy, lässt sich durch das Modell der Einfluss eines spezifischen Wochentages auf den Börsenpreis sowie dessen Varianz bestimmen. Saisonale Strompreiseffekte Das so erstellte Modell ist, auf Basis der genutzten Daten, im Stande, signifikante Ergebnisse zu berechnen. Interessant ist vor allem die Untersuchung von saisonalen Einflüssen. Dabei erwies sich der Montag als Tag mit den höchsten Renditen sowie der stärksten Varianz im Vergleich zu den übrigen Wochentagen. Montagseffekte sind an den Finanzmärkten keine Seltenheit. Ihre Ursache ist allerdings umstritten und wird überwiegend mit psychologischen Aspekten gerechtfertigt. Wegen technischer Restriktionen in der Stromerzeugung sowie des geringen Anteils von spekulativen Handelsteilnehmern überrascht das Auftreten dieses Effektes im Energiemarkt und sollte weitergehend untersucht werden. Bestätigt wurde des Weiteren die intuitive Annahme, dass an Werktagen höhere Renditen zu erwarten sind als am Wochenende. Dies ist durch das allgemein niedrigere Preisniveau am Wochenende zu begründen. Die Volatilität ist davon jedoch unberührt und verzeichnet an Werk- Bild: Thorben Wengert / pixelio.de 16 BWK Bd. 68 (2016) Nr. 11

Energieversorgung in Deutschland Special Bild 2 Verbrauchsprofile für alle Wochentage. Bild 1 Die Garch-Modellierung (generalized autoregressive conditional heteroscedasticity) im Überblick. tagen meist ein vergleichbares Niveau wie zum Wochenende. Bei der Untersuchung des zeitlichen Einflusses von Monaten beziehungsweise Jahreszeiten wurden die Monate Mai, Juni und Dezember beziehungsweise der Frühling als volatilste Zeiträume identifiziert. Zum Verhalten der Renditen konnte das Modell dagegen keine signifikanten Ergebnisse liefern. Generell lässt sich festhalten, dass das um Dummyvariablen erweiterte Garch-Modell sehr gut zur Identifikation von saisonalen Effekten in Preisreihen geeignet ist und die Erkenntnisse aus der Finanzbranche auch auf den Energiemarkt übertragbar sind. Ist ein allgemeines Standardlastprofil zeitgemäß? Die Erkenntnisse aus der Untersuchung der Renditen und der Varianz, die durch die Modellierung gewonnen wurden, lassen sich auch auf den Verlauf der Strompreise übertragen. Hierzu wurden in der Studie individuelle Verbrauchsprofile für alle Wochentage (Bild 2) sowie Jahreszeiten (Bild 3) aus den genutzten Preisdaten erstellt. Äquivalent zur Garch-Modellierung sind saisonale Unterschiede in den EINGANG OST NEUE PERSPEKTIVEN COMING SOON: DIE NEUE MESSE ESSEN www.messe-essen.de

Ausgabenübersicht