Πώς μπορεί να γίνει πρόβλεψη για τις τιμές στο Χρηματιστήριο Ενέργειας

Από το ξέσπασμα της ενεργειακής κρίσης, οποία προκλήθηκε από την εισβολή της Ρωσίας στην Ουκρανία το 2022, στον απόηχο της οικονομικής ανάκαμψης και της αύξησης της διεθνούς ζήτησης μετά τον COVID-19, η Ευρωπαϊκή αγορά ηλεκτρικής ενέργειας έχει μεταμορφωθεί σε ένα περιβάλλον έντονης αβεβαιότητας, όπου η μεταβλητότητα δεν αποτελεί πια εξαίρεση, αλλά μόνιμο χαρακτηριστικό.

Η ηλεκτρική ενέργεια, ένα προϊόν που για δεκαετίες τιμολογούνταν μέσα από σταθερά και σχετικά προβλέψιμα μοτίβα, εξαρτάται πλέον από ένα σύνολο παραγόντων που αλλάζουν συνεχώς.

Στην Ελλάδα η μετάβαση αυτή είναι ακόμη πιο έντονη. Η χώρα συγκαταλέγεται πλέον ανάμεσα στις πρώτες παγκοσμίως σε διείσδυση ενέργειας από Ανανεώσιμες Πηγές Ενέργειας (ΑΠΕ), καταλαμβάνοντας την 7η θέση, ενώ από το 2020 είναι καθαρός εξαγωγέας ηλεκτρισμού.

Ταυτόχρονα η Ελλάδα αναμένεται να γίνει ενεργειακό hub, μέσω των υπό-ανάπτυξη ηλεκτρικών διασυνδέσεων με τις χώρες της Βόρειας Αφρικής και της Μέσης Ανατολής που διαθέτουν υψηλό δυναμικό σε αιολική και ηλιακή ενέργεια.

Αυτές οι ροές, σε συνδυασμό με την εγχώρια παραγωγή από ΑΠΕ και τις ηλεκτρικές διασυνδέσεις με τις γειτονικές χώρες, ενισχύουν τον ρόλο της Ελλάδας ως «πύλη» πράσινης ενέργειας προς την Ευρώπη, συμβάλλοντας στη μεσοπρόθεσμη μείωση των τιμών ηλεκτρικής ενέργειας στην Ευρώπη. Παράλληλα, η ανάπτυξη υποδομών φυσικού αερίου και αγωγών καθιστά τη χώρα σημαντικό περιφερειακό κόμβο και για το φυσικό αέριο.

Η τιμή της ηλεκτρικής ενέργειας στην Αγορά Επόμενης Ημέρας (Day-Ahead Market - DAM) στην Ελλάδα αποτελεί ένα από τα πιο ευμετάβλητα μεγέθη της οικονομίας. Η ελληνική αγορά ηλεκτρικής ενέργειας βρίσκεται σε φάση έντονης μετάβασης, καθώς η ταχεία διείσδυση των ΑΠΕ, η αυξανόμενη εξάρτηση από εισαγόμενο φυσικό αέριο και η επίδραση παραγόντων όπως οι εισαγωγές, τα δικαιώματα ρύπων, η γεωπολιτική αβεβαιότητα κτλ. διαμορφώνουν ένα σύνθετο και δυναμικό περιβάλλον.

Ο προσδιορισμός της Τιμής Εκκαθάρισης Αγοράς της DAM δεν είναι πλέον μία απλή και προβλέψιμη διαδικασία, αλλά αντανακλά συνεχείς μεταβολές στην προσφορά, στη ζήτηση και στο διεθνές ενεργειακό σκηνικό.

Σε αυτό το πλαίσιο, η ικανότητα πρόβλεψης των τιμών αποκτά κρίσιμη σημασία για όλους τους συμμετέχοντες: α) αγοραστές (προμηθευτές και καταναλωτές) β) παραγωγούς γ) έμπορους δ) τράπεζες που παρέχουν λύσεις χρηματοδότησης και ε) ρυθμιστικές αρχές.

Η πρόβλεψη δεν είναι απλώς μια τεχνική άσκηση, αλλά βασική προϋπόθεση για την αποτελεσματική διαχείριση του κινδύνου, τη στρατηγική τοποθέτηση και την ορθολογική τιμολόγηση. Παρ’ όλα αυτά, η πρόβλεψη τιμών ηλεκτρικής ενέργειας στην Ελλάδα παραμένει ιδιαίτερα απαιτητική, λόγω της υψηλής μεταβλητότητας και της συχνής αλλαγής των συνθηκών.

Η μελέτη που πραγματοποιήθηκε στο πλαίσιο διπλωματικής εργασίας του Προγράμματος Μεταπτυχιακών Σπουδών «Εσωτερικός Έλεγχος, Διαχείριση Κινδύνων και Κανονιστική Συμμόρφωση», του Τμήματος Οικονομικών Επιστημών του Εθνικού και Καποδιστριακού Πανεπιστημίου Αθηνών εξετάζει κατά πόσο σύγχρονες προσεγγίσεις πρόβλεψης μπορούν να προσφέρουν αξιόπιστες εκτιμήσεις για την τιμή της DAM στο Ελληνικό Χρηματιστήριο Ενέργειας.

Η ανάλυση βασίζεται σε ωριαία δεδομένα της περιόδου 2021-2024 και αξιοποιεί ιστορικές τιμές, μεταβλητές παραγωγής από διαφορετικές τεχνολογίες, εισαγωγές, δείκτες διεθνών τιμών καυσίμων και χρονικούς δείκτες.

Για την εκτίμηση της προβλεπτικής ικανότητας των μοντέλων χρησιμοποιήθηκαν τρεις βασικές κατηγορίες προσεγγίσεων:

• Απλή γραμμή αναφοράς (Naïve Benchmark) που συγκρίνει την ωριαία τιμή της DAM σε σχέση με την προηγούμενη ημέρα.
• Στατιστικό υπόδειγμα γραμμικής παλινδρόμησης (OLS), το οποίο προσφέρει καθαρή ερμηνεία του τρόπου με τον οποίο οι μεταβλητές επηρεάζουν την τιμή.
• Μοντέλα μηχανικής μάθησης (Random Forest και Extreme Gradient Boosting) σχεδιασμένα να αποτυπώνουν μη γραμμικές σχέσεις και σύνθετες αλληλεπιδράσεις μεταξύ παραγόντων.

Όλα τα μοντέλα εκπαιδεύτηκαν σε δεδομένα της περιόδου 2021-2023 και δοκιμάστηκαν αποκλειστικά σε δεδομένα του 2024, ώστε η αξιολόγηση να είναι ρεαλιστική και εκτός δείγματος. Η απόδοση μετρήθηκε με πέντε δείκτες σφάλματος (MAE, RMSE, MAPE, wMAPE, sMAPE) προκειμένου να αποτυπωθούν τόσο η ακρίβεια όσο και η σταθερότητα των προβλέψεων.

Οι μεταβλητές που χρησιμοποιήθηκαν οργανώθηκαν σε τέσσερις βασικές ομάδες:

• Δυναμική ιστορικών τιμών: ωριαίες και ημερήσιες υστερήσεις τιμών που αποτυπώνουν τη χρονική συνέχεια της αγοράς.
• Δείκτες βραχυχρόνιας τάσης και μεταβλητότητας: κυλιόμενοι μέσοι όροι και δείκτες διακύμανσης που καταγράφουν την πρόσφατη πορεία και την ένταση των μεταβολών.
• Θεμελιώδεις μεταβλητές: παραγωγή (ΜWh) από διαφορετικές τεχνολογίες (λιγνίτης, φυσικό αέριο, ΑΠΕ), εισαγωγές και δείκτες τιμών φυσικού αερίου (TTF).
• Χρονικοί κυκλικοί δείκτες: ώρα της ημέρας, ημέρα της εβδομάδας, μήνας, καθώς και τριγωνομετρικοί μετασχηματισμοί που περιγράφουν επαναλαμβανόμενα ημερήσια και εβδομαδιαία μοτίβα.

Ένα από τα πιο ουσιαστικά ευρήματα της ανάλυσης αφορά τη σχετική βαρύτητα των επεξηγηματικών παραγόντων. Παρά την πολυπλοκότητα της αγοράς, προκύπτουν καθαρά και σταθερά μοτίβα:

• Η ωριαία τιμή DAM της προηγούμενης μέρας εμφανίζεται ως ο σημαντικότερος παράγοντας σε όλα τα μοντέλα. Η αγορά παρουσιάζει έντονη βραχυχρόνια συνέχεια και η DAM αντιδρά σε πολύ μικρές χρονικές κλίμακες.
• H ωριαία τιμή DAM της προηγούμενης μέρας επιβεβαιώνει την ύπαρξη έντονης ημερήσιας επαναληψιμότητας, η οποία αποτελεί μορφή βραχυχρόνιας εποχικότητας. Οι συνθήκες ζήτησης και παραγωγής επαναλαμβάνονται με παρόμοιο μοτίβο από ανά περιόδους, όπως παρατηρείται και σε άλλες ευρωπαϊκές αγορές.
• Η παραγωγή από μονάδες φυσικού αερίου αναδεικνύεται ως ο πιο κρίσιμος θεμελιώδης παράγοντας. Η Ελλάδα εξακολουθεί να καλύπτει σημαντικό μέρος της απογευματινής και βραδινής ζήτησης με φυσικό αέριο, γεγονός που εξηγεί την ισχυρή αυτή σύνδεση και οι τιμές του φυσικού αερίου επηρεάζουν σημαντικά τις τιμές της DAM, ειδικά σε περιόδους που δεν υπάρχει μεγάλη παραγωγή των ΑΠΕ.
• Οι ΑΠΕ μειώνουν τις τιμές αλλά ενισχύουν τη μεταβλητότητα. Υψηλά επίπεδα παραγωγής από φωτοβολταϊκά και αιολικά συνδέονται με χαμηλότερες τιμές κυρίως τις μεσημεριανές ώρες. Η στοχαστική φύση αυτής της παραγωγής όμως αυξάνει την αβεβαιότητα και οδηγεί σε απότομες μεταβολές.
• Η ώρα της ημέρας αποτυπώνει τη δομή της ελληνικής αγοράς. Οι χρονικοί δείκτες δείχνουν ένα ξεκάθαρο ημερήσιο μοτίβο. Έντονη πτώση τιμών το μεσημέρι λόγω υψηλής παραγωγής ΑΠΕ και απότομη άνοδο το απόγευμα όταν επανέρχονται στο σύστημα οι θερμικές μονάδες και αυξάνεται η ζήτηση για ηλεκτρική ενέργεια.

Η σύγκριση των μοντέλων καταλήγει σε ένα ξεκάθαρο συμπέρασμα: η μεγαλύτερη μεθοδολογική πολυπλοκότητα συνοδεύεται από καλύτερη προβλεπτική επίδοση.

• Το Naïve Benchmark λειτουργεί αποκλειστικά ως σημείο αναφοράς.
• Η μεθοδολογία OLS προσφέρει καθαρή εικόνα για την επίδραση και τη στατιστική σημαντικότητα κάθε μεταβλητής και μειώνει σημαντικά το σφάλμα σε σχέση με τη γραμμή αναφοράς, χωρίς όμως να μπορεί να αποτυπώσει τη μη γραμμική συμπεριφορά της αγοράς.
• Ο αλγόριθμος Random Forest (δημιουργεί πολλαπλά δέντρα αποφάσεων χρησιμοποιώντας τυχαία υποσύνολα των δεδομένων και των χαρακτηριστικών με κάθε δέντρο να εκπαιδεύεται ανεξάρτητα και η τελική πρόβλεψη προκύπτει από τη συνάθροιση των επιμέρους δέντρων) βελτιώνει περαιτέρω την απόδοση και περιορίζει τα μεγάλα σφάλματα, καθώς προσαρμόζεται καλύτερα σε σύνθετες σχέσεις.
• Ο αλγόριθμος Το XGBoost (κατασκευάζει ένα προσθετικό μοντέλο από διαδοχικά δέντρα αποφάσεων με κάθε νέο δέντρο να εκπαιδεύεται με τρόπο ώστε να διορθώνει τα σφάλματα των προηγούμενων, βελτιώνοντας σταδιακά την προσαρμογή του συνολικού μοντέλου) παρουσιάζει την καλύτερη συνολική επίδοση σχεδόν σε όλους τους δείκτες σφάλματος.

Ένα κρίσιμο στοιχείο της ανάλυσης είναι ο τρόπος με τον οποίο συμπεριφέρθηκαν τα υποδείγματα μέσα στο 2024. Η συγκεκριμένη χρονιά χαρακτηρίστηκε από αυξημένη ζήτηση κατά 5,5% σε σχέση με το 2023, έπειτα από 2 συναπτά έτη μείωσης, υψηλή μεταβλητότητα στην παραγωγή από ΑΠΕ, αιφνίδιες διακυμάνσεις στις τιμές φυσικού αερίου, λόγω γεωπολιτικών αναταραχών, καταγραφή μηδενικών τιμών και έντονης μεταβλητότητας κατά την διάρκεια της ημέρας στις τιμές της αγοράς.

Τα μοντέλα απέδωσαν αρκετά ικανοποιητικά σε περιόδους ομαλής συμπεριφοράς της αγοράς όμως δυσκολεύτηκαν σημαντικά κατά την καλοκαιρινή περίοδο όπου παρατηρήθηκαν επαναλαμβανόμενες έντονες διακυμάνσεις τιμών. Το γεγονός αυτό δείχνει ότι η πρόβλεψη σε συνθήκες αλλαγής «καθεστώτος» της αγοράς, όταν δηλαδή τα πρόσφατα δεδομένα δεν αντικατοπτρίζουν πλήρως τις νέες συνθήκες, αποτελεί έναν από τους πιο δύσκολους τομείς στην ανάλυση τιμών ηλεκτρικής ενέργειας.

Συμπερασματικά, η εμπειρική ανάλυση προσφέρει μια πιο καθαρή εικόνα για τον τρόπο λειτουργίας της ελληνικής DAM και για το πώς ανταποκρίνονται οι διαφορετικές μεθοδολογίες πρόβλεψης:

1. Η αγορά ηλεκτρικής ενέργειας παραμένει σε μεγάλο βαθμό εξαρτημένη από το φυσικό αέριο, παρά τη σημαντική άνοδο της παραγωγής από ΑΠΕ.
2. Η παραγωγή από ΑΠΕ ασκεί πτωτική πίεση στις τιμές, κυρίως τις μεσημεριανές ώρες, όμως ταυτόχρονα ενισχύει τη μεταβλητότητα.
3. Τα σύγχρονα μοντέλα μηχανικής μάθησης υπερτερούν των παραδοσιακών στατιστικών προσεγγίσεων. Προσαρμόζονται καλύτερα στις διακυμάνσεις, συλλαμβάνουν μη γραμμικά μοτίβα και περιορίζουν τα μεγάλα σφάλματα.
4. Η πρόβλεψη τιμών στην DAM παραμένει μια απαιτητική διαδικασία. Η εμπειρία του 2024 δείχνει ότι απρόβλεπτα γεγονότα και δομικές αλλαγές μπορούν εύκολα να μειώσουν την αποτελεσματικότητα ακόμη και των πιο προηγμένων μοντέλων.

Η συγκεκριμένη έρευνα αναδεικνύει ότι όσο η αγορά εξελίσσεται τόσο αυξάνεται η ανάγκη για πιο προηγμένα εργαλεία, πιο πλούσια και ποιοτικά δεδομένα και βαθύτερη κατανόηση των μηχανισμών που διαμορφώνουν τη χονδρεμπορική τιμή ηλεκτρικής ενέργειας, και ανοίγει τον δρόμο για ακόμη πιο στοχευμένες και αποτελεσματικές προσεγγίσεις τα επόμενα χρόνια.

* Ο Οδυσσέας Φωτόπουλος (φωτό δεξιά) είναι Senior Business Consultant και απόφοιτος του Προγράμματος Μεταπτυχιακών Σπουδών «Εσωτερικός Έλεγχος, Διαχείριση Κινδύνων & Κανονιστική Συμμόρφωση».

** Ο Αθανάσιος Κατεβάτης (φωτό αριστερά) είναι Senior Derivatives Trader σε συστημική τράπεζα, υποψήφιος διδάκτωρ του ΕΚΠΑ, και σύμβουλος σε ενεργειακά θέματα.

*** Ο Δημήτριος Καινούργιος (φωτό στη μέση) είναι Καθηγητής Χρηματοοικονομικής, Μέλος του Συμβουλίου Διοίκησης του ΕΚΠΑ, Διευθυντής του Προγράμματος Μεταπτυχιακών Σπουδών «Εσωτερικός Έλεγχος, Διαχείριση Κινδύνων & Κανονιστική Συμμόρφωση», του University of Athens MBA, και του Κέντρου Μελετών & Εκπαίδευσης Χρηματοοικονομικής.