Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Determinantes de precios de energía eléctrica en Colombia: Una aproximación al análisis bayesiano en perspectiva de los análisis VAR tradicionales Jhan Camilo Pulido2 1 Grupo 2 Delegatura Jacobo Campo Robledo1 de Estudios Económicos de Protección de la Competencia Superintendencia de Industria y Comercio 26 de Julio de 2.014 Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Contenido 1 Introducción 2 Revisión de Literatura 3 Metodología y Datos 4 Estimaciones y Resultados 5 Consideraciones finales Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Contenido 1 Introducción 2 Revisión de Literatura 3 Metodología y Datos 4 Estimaciones y Resultados 5 Consideraciones finales Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Contenido 1 Introducción 2 Revisión de Literatura 3 Metodología y Datos 4 Estimaciones y Resultados 5 Consideraciones finales Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Contenido 1 Introducción 2 Revisión de Literatura 3 Metodología y Datos 4 Estimaciones y Resultados 5 Consideraciones finales Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Contenido 1 Introducción 2 Revisión de Literatura 3 Metodología y Datos 4 Estimaciones y Resultados 5 Consideraciones finales Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Introducción Introducción al mercado de energía eléctrica El mercado de generación de energía eléctrica es oligopólico. Los generadores establecen contratos bilaterales de compra y venta de energía (mercado de largo plazo). El mercado de bolsa de energía (mercado spot) funciona como ajuste de los excedentes de oferta y demanda. La oferta de energía eléctrica en bolsa es horaria. El precio es diario. XM S.A es el administrador del mercado y reconcilia las ofertas horarias de cada generador con la demanda del mercado. XM S.A establece las plantas cuyo precio y cantidad de energía ofertada entran en mérito y por tanto deben despachar. Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Introducción Introducción al mercado de energía eléctrica El mercado de generación de energía eléctrica es oligopólico. Los generadores establecen contratos bilaterales de compra y venta de energía (mercado de largo plazo). El mercado de bolsa de energía (mercado spot) funciona como ajuste de los excedentes de oferta y demanda. La oferta de energía eléctrica en bolsa es horaria. El precio es diario. XM S.A es el administrador del mercado y reconcilia las ofertas horarias de cada generador con la demanda del mercado. XM S.A establece las plantas cuyo precio y cantidad de energía ofertada entran en mérito y por tanto deben despachar. Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Introducción Introducción al mercado de energía eléctrica El mercado de generación de energía eléctrica es oligopólico. Los generadores establecen contratos bilaterales de compra y venta de energía (mercado de largo plazo). El mercado de bolsa de energía (mercado spot) funciona como ajuste de los excedentes de oferta y demanda. La oferta de energía eléctrica en bolsa es horaria. El precio es diario. XM S.A es el administrador del mercado y reconcilia las ofertas horarias de cada generador con la demanda del mercado. XM S.A establece las plantas cuyo precio y cantidad de energía ofertada entran en mérito y por tanto deben despachar. Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Introducción Introducción al mercado de energía eléctrica El mercado de generación de energía eléctrica es oligopólico. Los generadores establecen contratos bilaterales de compra y venta de energía (mercado de largo plazo). El mercado de bolsa de energía (mercado spot) funciona como ajuste de los excedentes de oferta y demanda. La oferta de energía eléctrica en bolsa es horaria. El precio es diario. XM S.A es el administrador del mercado y reconcilia las ofertas horarias de cada generador con la demanda del mercado. XM S.A establece las plantas cuyo precio y cantidad de energía ofertada entran en mérito y por tanto deben despachar. Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Introducción Introducción al mercado de energía eléctrica El mercado de generación de energía eléctrica es oligopólico. Los generadores establecen contratos bilaterales de compra y venta de energía (mercado de largo plazo). El mercado de bolsa de energía (mercado spot) funciona como ajuste de los excedentes de oferta y demanda. La oferta de energía eléctrica en bolsa es horaria. El precio es diario. XM S.A es el administrador del mercado y reconcilia las ofertas horarias de cada generador con la demanda del mercado. XM S.A establece las plantas cuyo precio y cantidad de energía ofertada entran en mérito y por tanto deben despachar. Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Introducción Introducción al mercado de energía eléctrica El mercado de generación de energía eléctrica es oligopólico. Los generadores establecen contratos bilaterales de compra y venta de energía (mercado de largo plazo). El mercado de bolsa de energía (mercado spot) funciona como ajuste de los excedentes de oferta y demanda. La oferta de energía eléctrica en bolsa es horaria. El precio es diario. XM S.A es el administrador del mercado y reconcilia las ofertas horarias de cada generador con la demanda del mercado. XM S.A establece las plantas cuyo precio y cantidad de energía ofertada entran en mérito y por tanto deben despachar. Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Introducción El mercado de bolsa de energía eléctrica Describir el comportamiento de este mercado permite desarrollar mecanismos precautelativos frente al riesgo de desabastecimiento. Identificar los determinantes del precio de bolsa permite aislar los efectos de actos anticompetitivos por parte de los agentes. El precio de bolsa es transferido al consumidor final. La energía despachada en el MEM tiene como destino la industria. XM establece las plantas cuyo precio y cantidad de energía ofertada entran en mérito y por tanto deben despachar. Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Introducción El mercado de bolsa de energía eléctrica Describir el comportamiento de este mercado permite desarrollar mecanismos precautelativos frente al riesgo de desabastecimiento. Identificar los determinantes del precio de bolsa permite aislar los efectos de actos anticompetitivos por parte de los agentes. El precio de bolsa es transferido al consumidor final. La energía despachada en el MEM tiene como destino la industria. XM establece las plantas cuyo precio y cantidad de energía ofertada entran en mérito y por tanto deben despachar. Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Introducción El mercado de bolsa de energía eléctrica Describir el comportamiento de este mercado permite desarrollar mecanismos precautelativos frente al riesgo de desabastecimiento. Identificar los determinantes del precio de bolsa permite aislar los efectos de actos anticompetitivos por parte de los agentes. El precio de bolsa es transferido al consumidor final. La energía despachada en el MEM tiene como destino la industria. XM establece las plantas cuyo precio y cantidad de energía ofertada entran en mérito y por tanto deben despachar. Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Introducción El mercado de bolsa de energía eléctrica Describir el comportamiento de este mercado permite desarrollar mecanismos precautelativos frente al riesgo de desabastecimiento. Identificar los determinantes del precio de bolsa permite aislar los efectos de actos anticompetitivos por parte de los agentes. El precio de bolsa es transferido al consumidor final. La energía despachada en el MEM tiene como destino la industria. XM establece las plantas cuyo precio y cantidad de energía ofertada entran en mérito y por tanto deben despachar. Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Introducción Figura: Fuente: XM S.A y SSPD-CSMEM Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Introducción Figura: Fuente: XM S.A y SSPD-CSMEM Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Introducción Figura: Fuente: XM S.A y SSPD-CSMEM Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Introducción Figura: Fuente: XM S.A y SSPD-CSMEM Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Introducción Figura: Fuente: XM S.A y SSPD-CSMEM Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Introducción Figura: Fuente: XM S.A y SSPD-CSMEM Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Introducción Figura: Fuente: XM S.A y SSPD-CSMEM Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Introducción Figura: Fuente: XM S.A y SSPD-CSMEM Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Introducción Figura: Fuente: XM S.A y SSPD-CSMEM Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Introducción Objetivo Presentar una aproximación a los modelos de Vectores Autorregresivos Bayesianos (BVAR - VAR Bayesianos) al análisis de los determinantes del precio de la energía en Colombia, con el fin de hacer un análisis comparativo con las metodologías tradicionales (VAR frecuentista) Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Revisión de Literatura García et al. (2011) UPME (2004) Perilla (2010) Sanchez (2010) Espinosa, González y Forero (2013) Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Revisión de Literatura García et al. (2011) UPME (2004) Perilla (2010) Sanchez (2010) Espinosa, González y Forero (2013) Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Revisión de Literatura García et al. (2011) UPME (2004) Perilla (2010) Sanchez (2010) Espinosa, González y Forero (2013) Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Revisión de Literatura García et al. (2011) UPME (2004) Perilla (2010) Sanchez (2010) Espinosa, González y Forero (2013) Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Revisión de Literatura García et al. (2011) UPME (2004) Perilla (2010) Sanchez (2010) Espinosa, González y Forero (2013) Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales VAR Bayesianos Sims (1980) En los modelos VAR el número de parámetros tiende a ser elevado, generando inconvenientes obvios con los grados de libertad. La estructura de autocorrelación tiende a generar multicolineaidad y overfitting. Para enfrentar esto, autores como Litterman (1984, 1986), Doan, Litterman y Sims (1984) y Todd (1988) proponen introducir una serie de restricciones probabilísticas orientadas a mejorar las estimaciones y proyecciones. Con esto se da origen a los modelos VAR Bayesianos (BVAR). Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales VAR Bayesianos Sims (1980) En los modelos VAR el número de parámetros tiende a ser elevado, generando inconvenientes obvios con los grados de libertad. La estructura de autocorrelación tiende a generar multicolineaidad y overfitting. Para enfrentar esto, autores como Litterman (1984, 1986), Doan, Litterman y Sims (1984) y Todd (1988) proponen introducir una serie de restricciones probabilísticas orientadas a mejorar las estimaciones y proyecciones. Con esto se da origen a los modelos VAR Bayesianos (BVAR). Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales VAR Bayesianos Sims (1980) En los modelos VAR el número de parámetros tiende a ser elevado, generando inconvenientes obvios con los grados de libertad. La estructura de autocorrelación tiende a generar multicolineaidad y overfitting. Para enfrentar esto, autores como Litterman (1984, 1986), Doan, Litterman y Sims (1984) y Todd (1988) proponen introducir una serie de restricciones probabilísticas orientadas a mejorar las estimaciones y proyecciones. Con esto se da origen a los modelos VAR Bayesianos (BVAR). Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales VAR Bayesianos Sims (1980) En los modelos VAR el número de parámetros tiende a ser elevado, generando inconvenientes obvios con los grados de libertad. La estructura de autocorrelación tiende a generar multicolineaidad y overfitting. Para enfrentar esto, autores como Litterman (1984, 1986), Doan, Litterman y Sims (1984) y Todd (1988) proponen introducir una serie de restricciones probabilísticas orientadas a mejorar las estimaciones y proyecciones. Con esto se da origen a los modelos VAR Bayesianos (BVAR). Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales VAR Bayesianos Sims (1980) En los modelos VAR el número de parámetros tiende a ser elevado, generando inconvenientes obvios con los grados de libertad. La estructura de autocorrelación tiende a generar multicolineaidad y overfitting. Para enfrentar esto, autores como Litterman (1984, 1986), Doan, Litterman y Sims (1984) y Todd (1988) proponen introducir una serie de restricciones probabilísticas orientadas a mejorar las estimaciones y proyecciones. Con esto se da origen a los modelos VAR Bayesianos (BVAR). Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales VAR Bayesianos Si definimos un vector o matriz de datos Y y θ como un vector (o matriz) que contiene los parámetros del modelo, su representación bayesiana es: p (Y |θ) p (θ) p (θ|Y) = (1) p (Y) Donde θ simboliza una variable aleatoria expresándose bajo la misma regla de probabilidades (dados los datos Y, que sabemos de θ), por lo que el término p (Y) se puede obviar. El término p (θ|Y) hace referencia a la función de densidad a posteriori; p (Y |θ) es la función de densidad de las variables dados los parámetros (función de verosimilitud); y p (θ) se conoce como la función de densidad a priori, independiente de los datos. Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales VAR Bayesianos Si definimos un vector o matriz de datos Y y θ como un vector (o matriz) que contiene los parámetros del modelo, su representación bayesiana es: p (Y |θ) p (θ) p (θ|Y) = (1) p (Y) Donde θ simboliza una variable aleatoria expresándose bajo la misma regla de probabilidades (dados los datos Y, que sabemos de θ), por lo que el término p (Y) se puede obviar. El término p (θ|Y) hace referencia a la función de densidad a posteriori; p (Y |θ) es la función de densidad de las variables dados los parámetros (función de verosimilitud); y p (θ) se conoce como la función de densidad a priori, independiente de los datos. Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales VAR Bayesianos Si definimos un vector o matriz de datos Y y θ como un vector (o matriz) que contiene los parámetros del modelo, su representación bayesiana es: p (Y |θ) p (θ) p (θ|Y) = (1) p (Y) Donde θ simboliza una variable aleatoria expresándose bajo la misma regla de probabilidades (dados los datos Y, que sabemos de θ), por lo que el término p (Y) se puede obviar. El término p (θ|Y) hace referencia a la función de densidad a posteriori; p (Y |θ) es la función de densidad de las variables dados los parámetros (función de verosimilitud); y p (θ) se conoce como la función de densidad a priori, independiente de los datos. Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales VAR Bayesianos De esta manera, la técnica bayesiana permite incorporar conjuntamente la información que está inherente en los datos como aquella que no lo está, permitiendo internalizar el conocimiento del investigador en la forma de la función prior. Aplicando el principio anterior a una representación VAR tradicional de orden-p obtenemos: Yt = δ + Φ1 Yt−1 + +Φp Yt−p + t (2) Y = (X ⊗ Ik ) θ + e (3) La especificación Bayesiana de un modelo VAR tradicional como el presentado, considera que los parámetros θ son variables aleatorias caracterizadas por una distribución normal multivariada con media conocida (θ∗ ) y matriz de covarianzas dada por Vθ . Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales VAR Bayesianos De esta manera, la técnica bayesiana permite incorporar conjuntamente la información que está inherente en los datos como aquella que no lo está, permitiendo internalizar el conocimiento del investigador en la forma de la función prior. Aplicando el principio anterior a una representación VAR tradicional de orden-p obtenemos: Yt = δ + Φ1 Yt−1 + +Φp Yt−p + t (2) Y = (X ⊗ Ik ) θ + e (3) La especificación Bayesiana de un modelo VAR tradicional como el presentado, considera que los parámetros θ son variables aleatorias caracterizadas por una distribución normal multivariada con media conocida (θ∗ ) y matriz de covarianzas dada por Vθ . Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales VAR Bayesianos De esta manera, la técnica bayesiana permite incorporar conjuntamente la información que está inherente en los datos como aquella que no lo está, permitiendo internalizar el conocimiento del investigador en la forma de la función prior. Aplicando el principio anterior a una representación VAR tradicional de orden-p obtenemos: Yt = δ + Φ1 Yt−1 + +Φp Yt−p + t (2) Y = (X ⊗ Ik ) θ + e (3) La especificación Bayesiana de un modelo VAR tradicional como el presentado, considera que los parámetros θ son variables aleatorias caracterizadas por una distribución normal multivariada con media conocida (θ∗ ) y matriz de covarianzas dada por Vθ . Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales VAR Bayesianos De esta manera, la técnica bayesiana permite incorporar conjuntamente la información que está inherente en los datos como aquella que no lo está, permitiendo internalizar el conocimiento del investigador en la forma de la función prior. Aplicando el principio anterior a una representación VAR tradicional de orden-p obtenemos: Yt = δ + Φ1 Yt−1 + +Φp Yt−p + t (2) Y = (X ⊗ Ik ) θ + e (3) La especificación Bayesiana de un modelo VAR tradicional como el presentado, considera que los parámetros θ son variables aleatorias caracterizadas por una distribución normal multivariada con media conocida (θ∗ ) y matriz de covarianzas dada por Vθ . Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales VAR Bayesianos Así la densidad prior puede ser reexpresada como: f (θ) = 1 2φ k2 p 2 1 1 |Vθ |− 2 exp − (θ − θ∗ ) Vθ−1 (θ − θ∗ ) 2 (4) Donde la función de verosimilitud para el proceso gaussiano viene dada por: L (Y|θ) = 1 2φ kT 2 1 1 |IT ⊗ Σ|− 2 exp − (Y − (X ⊗ Ik ) θ)0 IT ⊗ Σ−1 (Y − (X ⊗ Ik ) θ) 2 (5) Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales VAR Bayesianos Así la densidad prior puede ser reexpresada como: f (θ) = 1 2φ k2 p 2 1 1 |Vθ |− 2 exp − (θ − θ∗ ) Vθ−1 (θ − θ∗ ) 2 (4) Donde la función de verosimilitud para el proceso gaussiano viene dada por: L (Y|θ) = 1 2φ kT 2 1 1 |IT ⊗ Σ|− 2 exp − (Y − (X ⊗ Ik ) θ)0 IT ⊗ Σ−1 (Y − (X ⊗ Ik ) θ) 2 (5) Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales VAR Bayesianos Así la densidad prior puede ser reexpresada como: f (θ) = 1 2φ k2 p 2 1 1 |Vθ |− 2 exp − (θ − θ∗ ) Vθ−1 (θ − θ∗ ) 2 (4) Donde la función de verosimilitud para el proceso gaussiano viene dada por: L (Y|θ) = 1 2φ kT 2 1 1 |IT ⊗ Σ|− 2 exp − (Y − (X ⊗ Ik ) θ)0 IT ⊗ Σ−1 (Y − (X ⊗ Ik ) θ) 2 (5) Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales VAR Bayesianos Así la densidad prior puede ser reexpresada como: f (θ) = 1 2φ k2 p 2 1 1 |Vθ |− 2 exp − (θ − θ∗ ) Vθ−1 (θ − θ∗ ) 2 (4) Donde la función de verosimilitud para el proceso gaussiano viene dada por: L (Y|θ) = 1 2φ kT 2 1 1 |IT ⊗ Σ|− 2 exp − (Y − (X ⊗ Ik ) θ)0 IT ⊗ Σ−1 (Y − (X ⊗ Ik ) θ) 2 (5) Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales VAR Bayesianos Y la posterior se deriva como: −1 1 f (θ|Y) ∝ exp − θ − θ Σθ θ − θ 2 Donde el promedio θ de la posterior está dada por: −1 −1 ∗ θ = Vθ−1 + X 0 X ⊗ Σ−1 Vθ θ + X 0 ⊗ Σ−1 Y y la matriz de covarianzas Σθ de la posterior −1 Σθ = Vθ−1 + X 0 X ⊗ Σ−1 Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio (6) (7) (8) Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales VAR Bayesianos Y la posterior se deriva como: −1 1 f (θ|Y) ∝ exp − θ − θ Σθ θ − θ 2 Donde el promedio θ de la posterior está dada por: −1 −1 ∗ θ = Vθ−1 + X 0 X ⊗ Σ−1 Vθ θ + X 0 ⊗ Σ−1 Y y la matriz de covarianzas Σθ de la posterior −1 Σθ = Vθ−1 + X 0 X ⊗ Σ−1 Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio (6) (7) (8) Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales VAR Bayesianos Y la posterior se deriva como: −1 1 f (θ|Y) ∝ exp − θ − θ Σθ θ − θ 2 Donde el promedio θ de la posterior está dada por: −1 −1 ∗ θ = Vθ−1 + X 0 X ⊗ Σ−1 Vθ θ + X 0 ⊗ Σ−1 Y y la matriz de covarianzas Σθ de la posterior −1 Σθ = Vθ−1 + X 0 X ⊗ Σ−1 Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio (6) (7) (8) Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales VAR Bayesianos Y la posterior se deriva como: −1 1 f (θ|Y) ∝ exp − θ − θ Σθ θ − θ 2 Donde el promedio θ de la posterior está dada por: −1 −1 ∗ θ = Vθ−1 + X 0 X ⊗ Σ−1 Vθ θ + X 0 ⊗ Σ−1 Y y la matriz de covarianzas Σθ de la posterior −1 Σθ = Vθ−1 + X 0 X ⊗ Σ−1 Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio (6) (7) (8) Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales VAR Bayesianos priors Desde este enfoque de análisis, la información a priori tiene como fundamentos básicos que: i) los rezagos más recientes contienen mayor información sobre la evolución futura de la serie; ii) los rezagos de una serie contienen más información sobre su comportamiento que los rezagos de otras variables; y iii) la mejor predicción de una serie es su valor presente; teniendo así por objetivo final, reducir el riesgo de sobreajuste sin reducir la generalidad de la representación del modelo (Ballabriga et al. (1998); Sims y Zha (1998)). Para este escrito se tomará la aproximación a priori de Sims y Zha (1998). Luego, hecho el análisis de la información, al realizar el ejercicio de calibración y basándose en estudios para la economía colombiana como el de Zárate et al. (2012), en la estimación del modelo se usaron los siguientes valores: λ0 = 0, 5, λ1 = 1, λ3 = 1, λ4 = 2, λ5 = 2, 5 = 0, 6 = 0, v = 4. Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales VAR Bayesianos priors Desde este enfoque de análisis, la información a priori tiene como fundamentos básicos que: i) los rezagos más recientes contienen mayor información sobre la evolución futura de la serie; ii) los rezagos de una serie contienen más información sobre su comportamiento que los rezagos de otras variables; y iii) la mejor predicción de una serie es su valor presente; teniendo así por objetivo final, reducir el riesgo de sobreajuste sin reducir la generalidad de la representación del modelo (Ballabriga et al. (1998); Sims y Zha (1998)). Para este escrito se tomará la aproximación a priori de Sims y Zha (1998). Luego, hecho el análisis de la información, al realizar el ejercicio de calibración y basándose en estudios para la economía colombiana como el de Zárate et al. (2012), en la estimación del modelo se usaron los siguientes valores: λ0 = 0, 5, λ1 = 1, λ3 = 1, λ4 = 2, λ5 = 2, 5 = 0, 6 = 0, v = 4. Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción al., 1998; Sims y Zha, 1998); teniendo así por objetivo final, reducir el riesgo de sobreajuste sin Revisión de Literatura Metodología y Datos reducir la generalidad de la representación del modelo. Estimaciones y Resultados Para este escrito se tomará la aproximación a priori de Sims y Zha (1998), que “utiliza Consideraciones finales ponderadores a la información prior que es gobernada por siete hiper-parámetros para la matriz VAR Bayesianos de varianzas y covarianzas de priors , que se asume diagonal (…)” (Jaramillo, 2009, p. 109). Estos hiper-parámetros que dependen del primer y segundo momento a priori de los coeficientes del modelo, son definidos en la Tabla 2. Luego, hecho el análisis de la información, al realizar el ejercicio de calibración y basándose en estudios para la economía colombiana como el de Zárate et al. (2012), en la estimación del modelo se usaron los siguientes valores: 2, 2, 0, 0, 0,5, 1, 1 4. Tabla 1. Interpretación de los hiper-parámetros de la prior - Sims y Zha Tabla 2. Interpretación de los hiper-parámetros de la priori de Sims y Zha Parámetros Interpretación Estrechez (tightness) global de (descuento de la escala a priori). Valores la prior 0,1 Desviación estándar de la prior alrededor de los parámetros AR(1). 0,1 Decaimiento de rezagos. 0 Desviación estándar o estrechez del intercepto, controlando el ajuste de la prior a las constantes. 0 Desviación estándar o estrechez alrededor de los coeficientes de las variables exógenas. 0 Suma ponderada a priori de los coeficientes, controlando a prior raíz unitaria. 0 Observaciones dummy iniciales o desfase a priori, controlando a prior cointegración. 0 Grados de libertad a priori. 0 Fuente: elaboración propia a partir de Zárate et al. (2012) y Jaramillo (2009). 5. DATOS Pulido y Campo (2014). Determinantes de de precios depara energía eléctrica de Indrustria y Comercio La periodicidad análisis las dos ecuaciones Superintendencia de demanda es mensual y para los modelos Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Datos Datos mensuales: Desde Enero 2009 a Octubre 2013 Variables: Promedio precio de bolsa (hora 20) Cantidad Promedio de Energía (hora 20) Índice de Producción Manufacturera Precio del gas regulado Niveles de embalse Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Datos Datos mensuales: Desde Enero 2009 a Octubre 2013 Variables: Promedio precio de bolsa (hora 20) Cantidad Promedio de Energía (hora 20) Índice de Producción Manufacturera Precio del gas regulado Niveles de embalse Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Datos Datos mensuales: Desde Enero 2009 a Octubre 2013 Variables: Promedio precio de bolsa (hora 20) Cantidad Promedio de Energía (hora 20) Índice de Producción Manufacturera Precio del gas regulado Niveles de embalse Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Datos Datos mensuales: Desde Enero 2009 a Octubre 2013 Variables: Promedio precio de bolsa (hora 20) Cantidad Promedio de Energía (hora 20) Índice de Producción Manufacturera Precio del gas regulado Niveles de embalse Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Datos Datos mensuales: Desde Enero 2009 a Octubre 2013 Variables: Promedio precio de bolsa (hora 20) Cantidad Promedio de Energía (hora 20) Índice de Producción Manufacturera Precio del gas regulado Niveles de embalse Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Datos Datos mensuales: Desde Enero 2009 a Octubre 2013 Variables: Promedio precio de bolsa (hora 20) Cantidad Promedio de Energía (hora 20) Índice de Producción Manufacturera Precio del gas regulado Niveles de embalse Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Datos Datos mensuales: Desde Enero 2009 a Octubre 2013 Variables: Promedio precio de bolsa (hora 20) Cantidad Promedio de Energía (hora 20) Índice de Producción Manufacturera Precio del gas regulado Niveles de embalse Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Las series están en logaritmos. Inicialmente se determina que las series son estacionarias. Se identifica el orden óptimo del modelo VAR a través del criterio de información BIC. Se estima el modelo VAR y el modelo BVAR. Se construyen las funciones impulso respuesta. Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Las series están en logaritmos. Inicialmente se determina que las series son estacionarias. Se identifica el orden óptimo del modelo VAR a través del criterio de información BIC. Se estima el modelo VAR y el modelo BVAR. Se construyen las funciones impulso respuesta. Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Las series están en logaritmos. Inicialmente se determina que las series son estacionarias. Se identifica el orden óptimo del modelo VAR a través del criterio de información BIC. Se estima el modelo VAR y el modelo BVAR. Se construyen las funciones impulso respuesta. Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Las series están en logaritmos. Inicialmente se determina que las series son estacionarias. Se identifica el orden óptimo del modelo VAR a través del criterio de información BIC. Se estima el modelo VAR y el modelo BVAR. Se construyen las funciones impulso respuesta. Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Las series están en logaritmos. Inicialmente se determina que las series son estacionarias. Se identifica el orden óptimo del modelo VAR a través del criterio de información BIC. Se estima el modelo VAR y el modelo BVAR. Se construyen las funciones impulso respuesta. Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Las series están en logaritmos. Inicialmente se determina que las series son estacionarias. Se identifica el orden óptimo del modelo VAR a través del criterio de información BIC. Se estima el modelo VAR y el modelo BVAR. Se construyen las funciones impulso respuesta. Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Estimaciones y Resultados Causalidad de Granger Tabla 2. Prueba de Causalidad de Granger - Precio de Energía Excluida Chi-sq df Probabilidad LOG(Q_H20) LOG(P_GAS) LOG(PROD_MANUFACTUR) LOG(N_EMBALSE) 8.09763 9.650061 11.12637 19.27544 2 2 2 2 0.044 0.0218 0.0111 0.0002 Todas 22.91466 8 0.0064 Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Estimaciones y Resultados Figura 1. Función Impulso - Respuesta: Respuesta del Precio de la energía ante un choque en la demanda Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Estimaciones y Resultados Figura 2. Función Impulso - Respuesta: Respuesta del Precio de la energía ante un choque en la actividad económica Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Estimaciones y Resultados Figura 3. Función Impulso - Respuesta: Respuesta del Precio de la energía ante un choque en el precio promedio del gas regulado Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Estimaciones y Resultados Figura 4. Función Impulso - Respuesta: Respuesta del Precio de la energía ante un choque en el nivel de embalse Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Consideraciones finales Teniendo en cuenta los resultados obtenidos bajo ambos modelos VAR, el VAR bayesiano concuerda más con la teoría económica. La funciones de impulso respuesta del BVAR representa mejor la duración de los choques en el tiempo. Una ampliación del analisis presentado podría considerar la inclusión de mas observaciones para las variables utilizadas y evaluar los choques en un mayor periodo de tiempo. El modelo podría calibrarse con otras posteriors Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Consideraciones finales Teniendo en cuenta los resultados obtenidos bajo ambos modelos VAR, el VAR bayesiano concuerda más con la teoría económica. La funciones de impulso respuesta del BVAR representa mejor la duración de los choques en el tiempo. Una ampliación del analisis presentado podría considerar la inclusión de mas observaciones para las variables utilizadas y evaluar los choques en un mayor periodo de tiempo. El modelo podría calibrarse con otras posteriors Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Consideraciones finales Teniendo en cuenta los resultados obtenidos bajo ambos modelos VAR, el VAR bayesiano concuerda más con la teoría económica. La funciones de impulso respuesta del BVAR representa mejor la duración de los choques en el tiempo. Una ampliación del analisis presentado podría considerar la inclusión de mas observaciones para las variables utilizadas y evaluar los choques en un mayor periodo de tiempo. El modelo podría calibrarse con otras posteriors Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales Consideraciones finales Teniendo en cuenta los resultados obtenidos bajo ambos modelos VAR, el VAR bayesiano concuerda más con la teoría económica. La funciones de impulso respuesta del BVAR representa mejor la duración de los choques en el tiempo. Una ampliación del analisis presentado podría considerar la inclusión de mas observaciones para las variables utilizadas y evaluar los choques en un mayor periodo de tiempo. El modelo podría calibrarse con otras posteriors Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio Introducción Revisión de Literatura Metodología y Datos Estimaciones y Resultados Consideraciones finales GRACIAS...! Pulido y Campo (2014). Determinantes de precios de energía eléctrica Superintendencia de Indrustria y Comercio