Revista de Economía del Rosario

ISSN-e: 2145-454X

ISSN: 0123-5362 

Pronóstico del precio de la energía en Colombia utilizando modelos ARIMA con IGARCH

Alberto Muñoz-Santiago, Jaime Urquijo-Vanstrahlengs, Aníbal Castro-Otero, Jahir Lombana

DOI: http://dx.doi.org/10.12804/revistas.urosario.edu.co/economia/a.6152

Texto completo:

PDF HTML Lector Inteligente ePub
Enviar este artículo (Es necesario iniciar sesión)
Escanee aquí para descargar

Resumen


El precio de la energía en bolsa es uno de los commodities con más volatilidad en mercados mundiales, lo que convierte su estimación en un reto, debido a los diferentes factores intervinientes: composición del parque generador, clima, precios del petróleo, correlación entre demanda de energía y el pib, entre otros, lo que provoca una volatilidad del precio en bolsa. El objetivo de este artículo es mostrar el modelo arima con igarch que mejor pronostique el precio de la energía en Colombia. Se concluye que si las variables estudiadas presentan estas características: comportamientos bruscos en periodos cortos, asimetría en distribución y no cumple con supuestos de estacionariedad, es preferible aplicar los modelos arch, garch y sus diferentes derivaciones por cubrir mejor la heterocedasticidad.


Palabras clave


ARIMA, ARCH, GARCH, IGARCH, precios de la energía en bolsa.

Referencias


Agudelo, A., Lopez-Lezama, J., & Velilla, E. (2015). Predicción del Precio de la Electricidad en la Bolsa mediante un Modelo Neuronal No-Lineal Autorregresivo con Entradas Exógenas. Información Tecnológica, 26(6), 99-108.

Amjady, N. (2006). Day-Ahead Price Forecasting of Electricity Markets by a New Fuzzy Neural Network. ieee Transactions on Power Systems, 21(2), 87-896.

Anbazhagan, S., & Kumarappan, N. (2013). Day-Ahead Deregulated Electricity Market Price Forecasting Using Recurrent Neural Network. ieee Systems Journal, 7(4), 866-872.

Arroyo-Madera, Y. (2010). Modelos de análisis de series de tiempo (arima y garch) aplicado a los precios de la bolsa de energía. Bogotá: Universidad de los Andes.

Barrientos, J., Rodas, E., Velilla, E., Lopera, M., & Villada, F. (2012). Modelo para el pronóstico del precio de la energía eléctrica en Colombia. Lecturas de Economía, 77, 91-127.

Bello-Rodríguez, S., & Beltrán-Ahumada R. (2010). Caracterización y pronóstico del precio spot de la energía eléctrica en Colombia. Revista Maestría en Derecho Económico, 6(6), 293-316.

Benini M., Marracci M., Pelachi P., & Venturini, A. (2002). Day-ahead Market Price Volatility Analysis in Deregulated Electricity Markets. ieee Power Engineering Society Summer Meeting, 3, 1354-1359.

Bollerslev, T. (1986). Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometrics, 31, 307-327.

Botero, J., García, J., & Velásquez H. (2016). Efectos del cargo por confiabilidad sobre el precio spot de la energía eléctrica en Colombia. Cuadernos de Economía, 68, 491-519.

Botero, S., & Cano, J. A. (2008). Análisis de series de tiempo para la predicción de los precios de la energía en la bolsa de Colombia. Cuadernos de Economía, 48, 174-208.

Box, G., & Jenkins G. (1976). Time Series Analysis: Forecasting and Control Second Edition. San Francisco, C.A.: Holden Day.

Catalão, J., Pousinho, H., & Mendes, V. (2011). Short-term electricity prices forecasting in a competitive market by a hybrid intelligent approach. Energy Conversion and Management, 52, 1061-1065.

Compañía Expertos en Mercados (s.f.) Indicadores Energéticos. Disponible en http://www.xm.com.co/Pages/Home.aspx

Conejo, A., Plazas, M., Espínola, R., & Molina A. (2005). Day-Ahead Electricity Price Forecasting Using the Wavelet Transform and arima Models. ieee Transactions on Power Systems, 20(2), 1035-1042.

Contreras J., Espínola, R., Nogales, F., & Conejo, A. (2003). arima Models to Predict Next-Day Electricity Prices. ieee Transactions on Power Systems, 18(3), 1014-1020.

Diebold, F. (2001). Elementos de pronósticos. México: International Thomson Editores.

Duarte, O., & García, J. (2015). Estimación del precio marginal del sistema eléctrico colombiano: una mirada desde la organización industrial. Ecos de Economía, 19(41), 1-23.

Enders W. (2014). Applied Econometric Time Series, 4th Edition. New York: Wiley.

Engle, R. (1982). Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of U.K. Inflation. Econometrica, 50(4), 987-1008.

Franses, P. (1999). Nonlinear time series models in empirical finance. Cambridge: Cambridge University Press.

García, J., Bohórquez, S., López, G., & Marín, F. (2013). Poder de mercado en mercados spot de generación eléctrica: metodología para su análisis. Documentos de trabajo. Economía y Finanzas, 13-05.

García, R., Contreras, J., & Van Akkeren, M. (2005). A garch forecasting model to predict day-ahead electricity prices. ieee Transactions on Power Systems, 20(2), 867-874.

Gil, M., & Maya C. (2008). Volatility modeling of electric power prices in Colombia. Revista Ingeniería Universidad de Medellín, 7(12), 87-114.

González, L., & Meza, M. (2011). Análisis del Comportamiento del Precio Spot de la Energía en Colombia. (Tesis de Grado, Universidad Industrial de Santander, Colombia).

Grajales, D. (2009). Modelación del precio de la energía en Colombia usando un modelo de inferencia neurodifuso (anfis). Revista Soluciones de Postgrado eia, 3, 25-38.

Gujarati, D. (2003). Econometría. México: Mc Graw-Hill International.

Hanke, J., & Wichern, D. (2003). Pronósticos en los Negocios. 8.° edición. México: Pearson Prentice Hall.

Hurtado, L., Quintero O., & García, J. (2014). Estimación del precio de oferta de la energía eléctrica en Colombia mediante inteligencia artificial. Revista de Métodos Cuantitativos para la Economía y la Empresa, 18, 54-87.

Jakaša T., Andročec I., & Sprčić, P. (2011). Electricity price forecasting - arima model approach. 8th International Conference on the European Energy Market (eem). 25-27 May 2011. Zagreb, Croatia.

Lucia, J., & Schwartz E. (2002) Electricity Prices and Power Derivatives: Evidence from the Nordic Power Exchange. Review of Derivatives Research, 5, 5-50.

Ministerio de Minas y Energía (MinMinas) (2015). Comisión de Regulación de Energía y Gas Resolución No. 180 de 2015. Disponible en: http://apolo.creg.gov.co/Publicac.nsf/1c09d18d2d5ffb5b05256eee00709c02/1fefba75d3441a8305257f1b0077a8d1?OpenDocument

Montenegro, A. (2010). Análisis de series de tiempo. Bogotá: Pontificia Universidad Javeriana.

Nogales, F., Contreras, J., Conejo A., & Espínola, R. (2002). Forecasting nextday electricity prices by time series models. ieee Transactions on Power Systems, 17(2), 342-348.

Pilipovic, D. (1997). Valuing and Managing Energy Derivatives. New York: McGraw-Hill.

Sadorsky, P. (2006). Modeling and forecasting petroleum futures volatility. Energy Economics, 28, 467-488.

Sierra, J., & Castaño, E. (2010). Pronóstico de precios spot del mercado eléctrico colombiano con modelos de parámetros variantes en el tiempo y variables fundamentales. vii Coloquio Regional de Estadística: Esta dística Aplicada: “Didáctica de la Estadística y Métodos Estadísticos en Problemas Socioeconómicos” Universidad Nacional de Colombia.

Taylor, S. (1986). Modelling Financial Time Series. New York: Wiley.

Velásquez J., Dyner I., & Castro R. (2007). ¿Por qué es tan difícil obtener pronósticos de los precios de la electricidad en los mercados competitivos? Cuadernos de Administración, 259-282.

Velásquez, J., Dyner, I., & Souza, R. (2008). Modelado del precio spot de la electricidad en Brasil usando una red neuronal autorregresiva. Revista Chilena de Ingeniería, 16(3), 394-403.

Villada, F., García, E., & Molina, J. (2011). Pronóstico del Precio de la Energía Eléctrica usando Redes Neuro-Difusas. Información Tecnológica, 22(6), 111-120.

Weron, R., & Misiorek, A. (2005). Forecasting spot electricity prices with time series models. The European Electricity Market eem, 05, 133-141.

Zhang, P. (2003). Time Series Forecasting Using a Hybrid arima and Neural Network Model. Neurocomputing, 50, 159-175.


El archivo PDF seleccionado se debe cargar aquí si su navegador tiene instalado un módulo de lectura de PDF (por ejemplo, una versión reciente de Adobe Acrobat Reader).

Si desea más información sobre cómo imprimir, guardar y trabajar con PDFs, Highwire Press le proporciona una guía útil de Preguntas frecuentes sobre PDFs.

Por otro lado, puede descargar el PDF directamente a su ordenador donde podrá abrirlo con un lector de PDF. Para descargar el PDF, haga clic en el enlace anterior.


Métricas