Publication detail

Long Memory in Electricity Price Time Series

Authors: Kříž Radko | Lešáková Petra

Year: 2016

Type of publication: článek ve sborníku

Name of source: SGEM 2016 : Political Sciences, Law, Finance, Economics and Tourism Conference Proceedings. Book 2. Vol. 3

Publisher name: STEF92 Technology Ltd.

Place: Sofie

Page from-to: 395-404

Titles:

Language	Name	Abstract	Keywords
cze	Dlouhá paměť časových řad cen elektřiny	Cílem tohoto příspěvku je analyzovat dlouhou paměť časových řad cen elektřiny. Cena elektřiny se od ostatních komodit liší svými funkcemi jako je reverze k průměru, vysoká míra volatility a častým výskytem skoků. Tyto rozdíly jsou způsobeny hlavně nemožností skladovat elektrickou energii, tedy vyrovnávání nabídky a poptávky v reálném čase. Počítáme Hurstův exponent pomocí R/S analýzy. Hurstův exponent je nástroj, který byl široce používán k vyhodnocení vlastností sebepodobnosti a korelačních vlastností frakcionálního Brownova šumu, časové řady produkované frakčním (fraktálním) Gaussový procesem. Hurstův exponent slouží k vyhodnocení přítomnosti nebo nepřítomnost dlouhodobé závislosti a její stupeň v časových řadách. Hurstův exponent je číselný odhad předvídatelnosti časové řady. V tomto článku se zabýváme použitím Hurstova exponentu ke klasifikaci řady největších evropských energetických trhů EEX (European Energy Exchange Central). Hodnoty Hurstova exponentu se pohybují mezi 0 a 1, vyšší hodnoty označující hladší trend, menší volatilitu a menší hrubost. Náhodný charakter má Hurstův exponent v hodnotě 0,5. Když se hodnoty Hurstova exponentu pohybují okolo 1,0, systém má dlouhou paměť. Čím větší je hodnota H, tím silnější je trend. Naše výsledky ukazují přesně mezi stochastický a deterministický proces. Závěr tedy je, že tato hodnota je dostatečná pro věrohodné předpovědi.	Hurstův exponent; dlouhodobá paměť; teorie chaosu; analýza časových řad;
eng	Long Memory in Electricity Price Time Series	The goal of this paper is to analyze a long memory in electricity price time series. Electricity price is different from other commodities by its features like mean-reversion, high volatility rate and frequent occurrence of jumps. These differences are mainly caused by non-storability of the electricity, which need to balance supply and demand in real time. We calculate the Hurst exponent by using the Rescaled Range analysis. The Hurst exponent is a measure that has been widely used to evaluate the self-similarity and correlation properties of fractional Brownian noise, the time-series produced by a fractional (fractal) Gaussian process. The Hurst exponent is used to evaluate the presence or absence of long-range dependence and its degree in a time-series. The Hurst exponent is a numerical estimate of the predictability of a time series. In this paper we investigate the use of the Hurst exponent to classify series of the biggest European energy markets EEX (Central European Energy Exchange). The values of the Hurst exponent vary between 0 and 1, with higher values indicating a smoother trend, less volatility, and less roughness. Random walk has a Hurst exponent of 0,5. When the values of the Hurst exponent lie close to 1.0, the system has long-memory dependence. The larger the H value is, the stronger the trend. Our results show exactly between the stochastic and deterministic process. We think that this value is a sufficient value for credible prediction.	Hurst Exponent; Long Memory; Chaos Theory; Time Series Analysis; Rescaled Range Analysis

Search

Login for students

Login for employees

Publication detail

Map

Services

Popular Links