Modelo de predicción en los mercados de ajuste

Abstract

Análisis y predicción de los mercados intradiarios en España. Se utilizan datos procedentes del I90DIA, así como del histórico del precio spot para estudiar el comportamiento de los agentes, sus tendencias más frecuentes, y su influencia sobre el mercado. La motivación del proyecto se basa en la escasez de modelos que puedan predecir el resultado de los mercados intradiarios con precisión, aunque existan modelos que puedan hacerlo para el mercado diario. En primer lugar, se ha realizado el montaje de una infraestructura de datos con la finalidad de reducir los tiempos de procesamiento y facilitar la extracción de datos. Se realizan también análisis de las unidades de programación que mueven más volumen de energía en estos mercados, y las consecuencias que tienen en las variaciones del precio. A raíz de esto se calculan diferentes parámetros para la creación de tres modelos fundamentales. Todos los modelos siguen la misma estrategia: hacer las predicciones para el día siguiente asumiendo que las acciones de los agentes serán similares a las del día actual. Por último, con el fin de encontrar relaciones no lineales entre estos parámetros y el comportamiento del mercado, se desarrolla un modelo basado en redes neuronales, obteniendo una precisión que fluctúa entre el 65 % y el 84 %.

Analysis and prediction of intraday markets in Spain. Data from the I90DIA, as well as from the spot price history, are used to study the behavior of agents, their most frequent trends, and their influence on the market. The motivation of the project is based on the scarcity of models that can accurately predict the outcome of the intraday markets, although there are models that can do it for the daily market. In the first place, a data infrastructure has been set up to reduce processing times and facilitate data extraction. Analysis of the programming units that move the greatest volume of energy in these markets and the consequences they have on price variations are also carried out. As a result of this, different parameters are calculated for the creation of three fundamental models. All the models follow the same strategy: make predictions for the next day assuming that the actions of the agents will be similar to those of the current day. Finally, to find non-linear relationships between these parameters and the behavior of the market, a model based on neural networks is developed, obtaining an accuracy that fluctuates between 65% and 84%.