optimización de la curva forward de precios y análisis de su

OPTIMIZACIÓN DE LA CURVA FORWARD DE PRECIOS Y
ANÁLISIS DE SU IMPACTO EN EL PRICING DE ELECTRICIDAD
AUTOR: Medina López, Eduardo.
Director: Pérez Sánchez, Daniel.
Entidad Colaboradora: Endesa Energía (ENDESA.S.A.).
RESUMEN DEL PROYECTO
El presente proyecto ha sido desarrollado en Endesa Energía, subgrupo de la
empresa Endesa S.A. destinado a la comercialización energética, concretamente en el
departamento de Análisis de Demanda y Precios.
En el marco de una actividad liberalizada, la comercializadora se centra
exclusivamente en la compra/venta energética (gas, electricidad y derivados),
aprovechando su presencia internacional y situándose de forma independiente a la
generación, transporte y distribución.
A diferencia del Pool clásico (participación obligatoria en la compra/venta), se
entiende el Pool actual como un mercado de ajustes, que proporciona diferentes
variantes en función del horizonte temporal considerado: mercado de futuros, mensual y
semanal, mercado diario (“Spot”), intra-diario y desvíos (cobertura de imprevistos).
Entre las principales estrategias utilizadas está el establecimiento de los llamados
“contratos futuros”, tema principal de este proyecto. Se trata de la compra de energía a
plazo, mediante la cual la fecha, lugar y cantidad de la misma quedan determinados.
En cuanto a los márgenes de beneficio, hay que indicar que en este sector son
muy reducidos, dependiendo en gran medida del resto de componentes del precio de
venta final: tarifa de acceso y pérdidas en la red, energía expuesta al mercado Spot
(riesgo comercial) y precio de compra de bloques futuros de energía.
Y es precisamente en la determinación exacta de estas dos últimas componentes
donde la curva Forward de precios juega un papel fundamental: estimar correctamente
el coste de la energía adquirida en los mercados de futuros o Spot incrementa la
probabilidad de acertar con la rentabilidad esperada y reduce el riesgo de precio
asumido por comercializadora y clientes.
A los efectos anteriormente indicados, es importante mencionar la relevancia
que tienen las nuevas formas de cotización vigentes desde Marzo de 2010: PEAK y
OFFPEAK. Las mismas serán consideradas en el cálculo desde un principio, en
detrimento de la cotización BASE que se venía aplicando anteriormente.
Tras exponer el contexto actual de la actividad comercial, cabe presentar el
objetivo principal de este proyecto: la obtención y optimización de curvas Forward de
precios de electricidad, a partir de datos históricos del mercado diario y de las
cotizaciones de los mercados a plazo, para obtener un comportamiento estimado del
mercado diario en un periodo futuro determinado.
Fundamentalmente se tratará de obtener modelos matemáticos robustos que
minimicen la diferencia entre los valores medios mensuales de los precios modelados y
sus respectivas cotizaciones en el mercado de futuros. Para ello se han desarrollado dos
metodologías diferentes de tratamiento de precios históricos: la “estocástica” y la
“clusterizada”.
En la primera de ellas, el valor del precio a cada hora está incluido en un
intervalo determinado por una distribución normal, con media y desviación típica
basadas en los datos históricos del mercado diario. Este modelo se encuentra sujeto a
restricciones de continuidad entre precios de horas consecutivas, programadas mediante
el lenguaje de optimización GAMS. Especial dificultad se encontró en la estimación de
cotizaciones mensuales para períodos futuros de oferta, ya que los operadores de
mercado suelen publicar las mismas englobadas en trimestres, para lo cual hubo que
programar un “submodelo estocástico de cotizaciones” que calculase el peso de cada
mes sobre el del trimestre en función de los datos históricos disponibles.
Para el modelo clusterizado, se estudiaron diferentes hipótesis de agrupamiento
de precios, investigando para ello sobre posibles patrones cíclicos de repetición en los
precios históricos del mercado Spot alemán (operador EEX). Finalmente, se traslada la
hipótesis considerada al mercado español, para la obtener la curva de precios
correspondiente al año 2011. Este modelo, obtenido mediante programación de macros
en Visual Basic, asigna mayor probabilidad a los datos más actuales.
Una vez realizadas sucesivas optimizaciones sobre los modelos, se seleccionaron
los de mayor coeficiente de correlación con las cotizaciones reales, procediéndose a
realizar un estudio de su impacto sobre el mercado eléctrico español. Para ello se
cruzaron las curvas de precios de ambos modelos con 592 curvas de carga (consumo) de
diferentes clientes industriales nacionales. De la comparación uno a uno, se puede
determinar que metodología de cálculo conviene usar más para cada tipología de
cliente, atendiendo a una serie de factores de consumo como son los picos de demanda,
consumo total en horas valle, punta o fin de semana, horas mínimas equivalentes para
satisfacer las necesidades energéticas anuales, etc.
Adicionalmente, se realizó un análisis de sensibilidad ejecutando los modelos
estocástico y clusterizado para el mercado francés durante el año 2009 (operador
Powernext), para lo cual hubo que modificar los parámetros de entrada referentes a
relaciones horarias, precios históricos y cotizaciones. Se compararon los resultados
obtenidos con los del caso español en 2011, estudiando la aplicabilidad o no de los
modelos a mercados diferentes del nacional.
Por último, indicar que se encontraron futuras fuentes de mejora de los modelos,
principalmente en el caso del estocástico, a pesar de que el grado de rendimiento y
automatización de los mismos llegó a superar satisfactoriamente las expectativas.
OPTIMIZATION OF THE FORWARD PRICE CURVE AND
ANALYSIS OF ITS IMPACT ON THE ELECTRICAL PRICING
This project has been developed at Endesa Energía, internal division of the
company Endesa S.A. responsible for the energy trading, specifically at the Department
of Analysis of Demand and Prices. Under a liberalized activity, the trader lends itself
solely to the purchase / wholesale of energy (gas, power and derivatives), taking
advantage of its international presence and standing independently to the generation,
transport and distribution.
In contrast to the classic Pool (mandatory participation in the purchase /
wholesale), the current Pool is understood as a balancing market, providing different
alternatives depending on the projection horizon: Futures market, monthly & weekly,
daily (“Spot”) market, Intraday and Deviations (coverage contingencies). Among the
main strategies used, is the establishment of the so called "future contracts", the prime
focus of this project. In this term power purchase, date, place and amount of energy are
established. With regard to the profit margins, it should be noticed how low they tend to
be in this industry, depending heavily on the other components of the final sale price:
access tariff and transportation losses, energy exposed to the spot market (commercial
risk) and the purchase price of future energy blocks.
And it is precisely in the accurate determination of these two last components
where the Forward price curve plays a fundamental role: the correctly cost estimation of
the power purchased in the Futures or Spot markets, increases the probability of
matching the expected return and reduces the price risk undertaken by traders and
customers.
It is also important to mention the relevance that the new trading indexes (into
effect since March 2010) will have in this document: PEAK and OFFPEAK. These will
be considered in the calculation from the very beginning, in detriment of the BASE
quote that was being previously implemented.
After outlining the current context of the trading activity, it’s time to present the
main objective of this project: obtaining and optimizing Forward price curves of power,
based on historical daily-market data and quotes of the Futures market, to obtain an
estimated daily-market behavior in a particular future period.
Primarily, it will be aimed at obtaining robust mathematical models that
minimize the difference between the monthly mean of the modeled prices and their
respective quotation in the Futures market. In order to do this, two different
methodologies of price-processing will be developed: the stochastic and the clustered.
In the first one, the value of the hourly price is included in an interval
determined by a normal distribution, with mean and standard deviation based on
historical daily-market prices. This model is subjected to continuity restrictions between
consecutive hours, programmed with the GAMS optimization software. Special
difficulty was found in the estimation of monthly quotes for future periods of supply, as
market operators usually publish them in quarters. Thus, it was necessary to set a
"stochastic submodel of quotation" to calculate the weight of every month over its
quarter, using historical data available.
For the clustered model, different assumptions of price clustering were studied,
by looking for possible cyclical patterns of repetition among historical prices in the
German Spot market (EEX operator). Finally, the hypothesis considered is transferred
to the Spanish market, in order to obtain the price curve for 2011. This model is based
on macro-programming in Visual Basic, and is more likely to assign higher probability
to the most current data.
After successive optimizations performed, those models with highest correlation
coefficient were selected, enabling a study of its impact on the Spanish electricity
market to be carried out. The price curves of both models were crossed with 592 load
curves of different national industrial customers. By comparing them one by one, it can
be determined which methodology should be used for each type of customer, attending
a set of factors such as consumer demand peaks, total consumption in peak-, off-peakor weekend hours, minimum equivalent number of hours to meet the annual energy
needs, etc.
Additionally, a sensitivity analysis was conducted by running the stochastic and
clustered models for the French market in 2009 (Powernext operator). For this purpose,
it was necessary to modify the input parameters concerning time relations, historical
prices and quotes. Results were compared with those for the Spanish market in 2011,
exploring the applicability or not of the models in different international markets.
Finally, future sources of model improvement were found, especially in the case
of the stochastic, although the overall performance and level of automation exceed the
expectations satisfactorily.