基于增强时间序列结构因果模型的能源市场因果制度检测
计算金融
2026-03-12 v2 机器学习
统计方法学
其他统计学
摘要
能源市场表现出复杂的因果关系，涉及天气模式、发电技术与价格形成之间的相互作用，制度变化持续发生而非在离散断点处出现。当前方法在能源价格建模中缺乏显式的因果解释或反事实推理能力。我们引入增强时间序列结构因果模型(ATSCM)用于能源市场，将反事实推理框架扩展到带有学习因果结构的多变量时序数据。我们的模型通过可解释因子(天气、发电组合、需求模式)、丰富的电网动力学以及可观测市场变量来建模能源系统。我们集成神经网络因果发现方法，以无需真实DAG的前提学习时变因果图。应用于真实世界的电价数据，ATSCM enables novel counterfactual queries such as "What would prices be under different renewable generation scenarios?"。
引用
@article{arxiv.2511.04361,
title = {Causal Regime Detection in Energy Markets With Augmented Time Series Structural Causal Models},
author = {Dennis Thumm},
journal= {arXiv preprint arXiv:2511.04361},
year = {2026}
}
备注
EurIPS 2025 Workshop Causality for Impact: Practical challenges for real-world applications of causal methods