日内电价贝叶斯分层概率预测

针对连续日内市场电价存在巨大不确定性的问题，本研究提出了一种结合参数不确定性并利用广泛协变量的预测方法。本文首次对德国日内市场交易电价进行了贝叶斯预测。通过正交匹配追踪（OMP）和正则化先验处理内生和外生协变量。目标变量为 IDFull 价格指数，预测结果以后验预测分布形式给出。验证工作使用了极少被研究的、具有高波动性的 2022 年电价数据。作为基准，我们利用预测时刻的所有日内交易计算实时 IDFull 值。根据市场有效性理论，理论上不应可能改进这一最后价格基准。然而，我们在点度量和概率评分方面观察到了显著改进，包括绝对误差平均减少 $5.9\,\%$，以及在预测 IDFull 是否超过日前价格时准确率平均提高 $1.7\,\%$。最后，我们对 LASSO 在电价预测中的应用提出挑战，表明 OMP 能产生更优越的性能，具体表现为绝对误差平均减少 $22.7\,\%$，连续排序概率评分平均减少 $20.2\,\%$。