Prognóstico do preço da energia na Colômbia utilizando modelos ARIMA com IGARCH

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

Barra lateral de artigos

PDF (Español (España)) HTML (Español (España)) Lector Inteligente (Español (España)) ePub (Español (España))

Publicado: oct. 17, 2017
Edição: v. 20 n. 1 (2017): enero-junio
Seção Artigos


Palavras-chave: ARIMA , ARCH , GARCH , IGARCH , energy stock market prices , Colombia. ARIMA , ARCH , GARCH , IGARCH , precios de la energía en bolsa. ARIMA , ARCH , GARCH , IGARCH , preços da energia em bolsa.

Conteúdo do artigo principal

Autores

Alberto Muñoz-Santiago Universidad del Norte
Jaime Urquijo-Vanstrahlengs Universidad del Norte
Aníbal Castro-Otero Universidad del Norte
Jahir Lombana Universidad del Norte
Resumo

O preço da energia em bolsa é um dos commodities com mais volatilidade em mercados mundiais, convertendo a sua estimação em um desafio pelos diferentes fatores intervenientes: composição do parque gerador, clima, preços do petróleo, correlação entre demanda de energia e pib, entre outros, provocando volatilidade do preço em bolsa. O objetivo é mostrar o modelo arima com igarch que melhor prognostique o preço da energia na Colômbia. Conclui-se que se as variáveis estudadas apresentam características: comportamentos bruscos em períodos curtos, assimetria em distribuição e não cumpre com supostos de estacionariedade, é preferível aplicar os modelos arch, garch e suas diferentes derivações por cobrir melhor a heterocedasticidade.

Biografia do Autor

Alberto Muñoz-Santiago, Universidad del Norte

Docente/Investigador, Escuela de Negocios, Universidad del Norte. Magíster en Economía Empresarial, incae. Especialista en Finanzas y Administrador de Empresas, Universidad del Norte.

Jaime Urquijo-Vanstrahlengs, Universidad del Norte

Magíster en Finanzas, Universidad del Norte. Especialista en Finanzas, Universidad del Norte.

Aníbal Castro-Otero, Universidad del Norte

Magíster en Administración de Empresas, Universidad del Norte. Magíster en Finanzas, Universidad del Norte. Especialista en Finanzas, Universidad del Norte. Ingeniero
Electricista, Universidad del Norte.

Jahir Lombana, Universidad del Norte

Docente/Investigador, Escuela de Negocios, Universidad del Norte. Ph. D. en Economía, Universidad de Goettingen. Magíster en Estudios Internacionales, Universidad de Chile. Economista, Universidad del Rosario.

Como Citar
Muñoz-Santiago, A., Urquijo-Vanstrahlengs, J., Castro-Otero, A., & Lombana, J. (2017). Prognóstico do preço da energia na Colômbia utilizando modelos ARIMA com IGARCH. Revista De Economía Del Rosario, 20(1), 127–159. https://doi.org/10.12804/revistas.urosario.edu.co/economia/a.6152
Referências

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.

Estatísticas de consulta

Downloads

Não há dados estatísticos.
Métricas de publicação

1633 1619




 

Los autores conservan los derechos de autor y garantizan a la revista el derecho de ser la primera publicación del trabajo al igual que licenciado bajo una Creative Commons Attribution License que permite a otros compartir el trabajo con un reconocimiento de la autoría del trabajo y la publicación inicial en esta revista.

Artigos Semelhantes

1 2 3 4 > >> 

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.