面对结构性中断的气价区间预测：统计模型与神经网络的比较
机器学习
2024-07-25 v1
摘要
可靠的气价预测是天然气和能源交易商、风险经理以及经济学家的重要信息。然而，在乌克兰战争前，欧洲开始遭受显著增加且波动性大的气价，最终在北线号1号爆炸之后达到高峰。这种冲击改变了价格的趋势和波动性结构，对预测模型产生深远影响。本研究检讨了现代机器学习方法（如神经网络）是否比统计模型（如带条件异方差的自回归移动平均（ARMA）模型或 copula-based 时间序列模型）更能抵抗此类变化。其中，重点在于区间预测及其应用的相应评估措施。作为数据，采用荷兰标题转让设施（Title Transfer Facility）的前月价，目前是欧洲主要交易所。我们发现，在冲击期间，大多数模型在估计方差方面低估，而在冲击后期则高估。此外，我们认识到，在冲击期间，较简单的模型，即带条件异方差的ARMA模型和多层感知器（一种神经网络），在预测区间覆盖方面表现最佳。有趣的是，广泛使用的长短期记忆神经网络（long-short term neural network）被其它竞争模型所超越。
引用
@article{arxiv.2407.16723,
title = {Interval Forecasts for Gas Prices in the Face of Structural Breaks -- Statistical Models vs. Neural Networks},
author = {Stephan Schlüter and Sven Pappert and Martin Neumann},
journal= {arXiv preprint arXiv:2407.16723},
year = {2024}
}