[论文解读] Measuring long-range dependence in electricity prices

Rafał Weron|ArXiv.org|Mar 30, 2001

Complex Systems and Time Series Analysis被引用 12

一句话总结

本文使用R/S分析、去趋势波动分析（DFA）和周期图回归研究了电力价格收益率中的长程依赖性。研究发现，美国和英国电力市场均存在强烈的均值回归特征——赫斯特指数显著低于0.5，表明价格偏离会迅速得到纠正，这使电力市场与大多数金融资产区分开来。

ABSTRACT

The price of electricity is far more volatile than that of other commodities normally noted for extreme volatility. The possibility of extreme price movements increases the risk of trading in electricity markets. However, underlying the process of price returns is a strong mean-reverting mechanism. We study this feature of electricity returns by means of Hurst R/S analysis, Detrended Fluctuation Analysis and periodogram regression.

研究动机与目标

• 调查电力价格收益率中是否存在长程依赖性，挑战金融资产遵循随机游走的假设。
• 确定电力价格的均值回归行为是否为周/年周期等季节性模式的产物，或其本身为结构性特征。
• 比较多种长记忆估计方法——R/S分析、DFA和GPH周期图回归——在真实电力价格数据上的表现。
• 评估电力市场与其它金融资产相比，表现出持久性或反持久性动态的特征。
• 为使用均值回归过程而非标准随机游走模型来建模电力价格动态提供实证依据。

提出的方法

• 通过将对数（重标极差）对对数（时间跨度）进行回归，应用R/S分析估计赫斯特指数H，使用不同长度的子序列。
• 采用去趋势波动分析（DFA）通过分析去趋势时间序列段的波动函数来量化长程依赖性。
• 使用周期图回归（GPH估计器）从收益率的谱密度中估计H，重点关注低频分量。
• 通过去除CalPX和Nord Pool数据中的周和年季节性周期，实施数据预处理，以检验结果的稳健性。
• 使用蒙特卡洛模拟和渐近分布，评估H估计在90%、95%和99%置信水平下的统计显著性。
• 在某些情况下缩短数据长度，以最大化子序列的因数数量，确保所有方法的估计结果均可靠。

实验结果

研究问题

• RQ1 电力价格收益率是否表现出长程依赖性？若是，其为持久性还是反持久性？
• RQ2 观察到的电力价格均值回归行为是否为周或年周期等季节性模式的产物？
• RQ3 不同长记忆估计方法（R/S、DFA、GPH）在电力收益率的赫斯特指数估计上表现如何比较？
• RQ4 估计的赫斯特指数是否具有统计显著性？其在主要电力市场之间是否存在差异？
• RQ5 鉴于数据长度较短，英国日前电力市场是否表现出长程依赖性？

主要发现

• CalPX市场通过R/S分析显示强烈的均值回归，赫斯特指数为0.3473（p < 0.10），表明存在反持久性行为。
• Entergy市场在R/S分析中显示显著的均值回归，H = 0.2995（p < 0.05），证实收益率具有反持久性。
• DFA对CalPX和Entergy的估计值更低（分别为H = 0.2529和H = 0.3651），进一步支持均值回归的存在。
• Nord Pool市场在R/S和DFA中H ≈ 0.5，表明行为接近随机游走，尽管GPH估计显示存在一定程度的长程依赖性。
• 去季节化后，CalPX的赫斯特指数几乎不变（H = 0.3259），证明均值回归并非由季节性效应驱动。
• 由于数据长度仅294天，英国现货市场的估计不可靠（DFA估计H = 0.1330），但极低的数值仍表明其具有反持久性，尽管统计功效有限。