机器学习在大力市场欺诈与容量压制检测中的应用

电力零售市场中的欺诈与容量压制是重要的市场操纵机制。本研究将改进后的基于机器学习的卡特尔检测算法应用于意大利电力市场的两个卡特尔案例，并评估其外样本性能。具体而言，我们考虑一种集成机器学习方法，使用由报价价格分布构建的统计屏幕作为电力供应商在特定地区发生欺诈的预测器。我们提出了与容量压制行为相关的新型屏幕，并发现将基于日前现货市场构建的此类屏幕作为预测器纳入其中可提高卡特尔检测效果。在完全卡特尔情形——即 tender 中的欺诈涉及所有供应商——该方法在我们的数据中正确分类约 95% 的 tender 为欺诈或竞争性，相较于仅使用先前可用屏幕提高了分类准确率。然而，当在包含非卡特尔成员的更大数据集上训练并针对检测不完全卡特尔设计算法时，先前存在的屏幕已足以实现 98% 的准确率，而我们新提出的容量压制屏幕的加入并未进一步提升性能。总体而言，本研究突显了基于监督机器学习技术检测和拆除电力市场卡特尔的巨大潜力。