Vis enkel innførsel

dc.contributor.authorSolheim, John Ola
dc.contributor.authorErlandsen, Kristian Ingemann
dc.date.accessioned2012-08-06T10:39:27Z
dc.date.available2012-08-06T10:39:27Z
dc.date.issued2012-08-06
dc.identifier.urihttp://hdl.handle.net/11250/187434
dc.descriptionMasteroppgave om utfordringer for risikostyring i det nordiske kraftmarkedet.no_NO
dc.description.abstractDet nordiske kraftmarkedet er preget av svært volatile priser, som byr på mange problemer ved risikostyring for aktørene i markedet. Risiko i kraftmarkedet kan ikke uten videre analyseres og styres på samme måte som for eksempel aksjemarkedet. Dette fordi kraftmarkedet innehar større og hyppigere prissvingninger enn de fleste andre markeder. Risiko er uforutsette hendelser, mens volatilitet er mer knyttet til spredning i en fordeling. Tidssystematikk kan sies å kunne forutsees, og en risikostyrer vil altså kunne ta hensyn til denne. Vår tilnærming har vært å finne en ”normal risiko”, der risikostyrer kan tillegge denne risikoen informasjon om tidssystematikk og eksogene variabler. Vi har forsøkt å finne ”normal risiko”, ved å justere for observert tidssystematikk. Dette har vi gjort for å se om vi kan benytte tradisjonelle modeller for risikostyring for den ”normale risikoen”. Ved en slik tilnærming kan en, ut over en “normal risiko”, legge til kunnskap om tidssystematikk og eksogene faktorer som vær, temperaturer osv., for et mer komplett bilde av volatilitet. Likeså ved en alternativ tilnærming, med alternative modeller, ønsket vi å se om vi fant indikasjoner på om det var mer fornuftig å benytte ulike modeller for å modellere og predikere risiko for ulike tidsrom. Vi benyttet til et slikt formål ARMA-GARCH varianter på justerte og ujusterte serier. Vi fant klar tidssystematikk i systemprisen og NO1 ved å undersøke standardavvik og frekvens av hopp knyttet til intradag, ukedag, og måned. Ved forskjellige justeringer for tidssystematikk i volatilitet fant vi at det er lettere å finne en dataserie for ”normal risiko” for NO1 enn systemprisen. Dette antar vi har en sammenheng med at systemprisen er et snitt av ulike geografiske områder og ulike typer kraftproduksjon. Likevel finner vi for systemprisen og NO1 at risikoen for å benytte standardavvik som risikomål i de respektive periodene som dataseriene gjelder for, synker i forhold til den ujusterte serien. Dette kan vi si da avstanden fra minimum og maksimum til standardavviket synker. Slik sett er vi nærmere å kunne benytte tradisjonell tilnærming til risiko i disse periodene. Modelleringen med ARMA-GARCH varianter ble også lettere ved justerte serier, da vi lettere fikk fjernet blant annet seriekorrelasjon. Samtidig ser vi at vi bedrer prediksjonene våre ved å benytte dataserier justert for tidssystematikk. Vi finner også at de ulike dataseriene virker å trenge noe forskjellige modeller. Samlet gir dette en indikasjon på at det kan være naturlig å benytte flere enn en modell for å predikere volatiliteten til systemprisen og NO1. A highly volatile power market makes risk management difficult. Risk management and analysis cannot be done in the same manner as in for example the stock market. This is due to the fact that the prices in the power market seem to fluctuate more frequently and with higher degree, than prices in other financial markets. Risk is unknown events, while volatility is related to spread in a density. Seasonality can be said to be predictable, and a risk manager can account for these fluctuations. Our approach has been to find a “normal risk”, where a risk manager can add information of seasonality and exogenous variables. We have tried to find “normal risk” by adjusting for observed seasonality fluctuations. This is done to see whether we can use more traditional models for risk management. By an approach like this, we can add information about seasonality fluctuations, and other exogenous variables such as weather and temperature etc., for a more complete picture of volatility. In the same way, with alternative models, we have tried to find whether we can approve our models and volatility predications by using more than one model. In this approach we used different ARMA-GARCH models. We found clear evidence of seasonality in the system price and NO1. When adjusting for this time dependent volatility, it was easier to find a dataset for “normal risk” for NO1 than the system price. We think this is caused by the fact that the system price is an average of different geographical zones, and has different kind of power production. We did though find that the risk of using the standard deviation as a measurement of risk for the system price and NO1 is reduced. This is due to the fact that the spread from minimum and maximum to the new standard deviation got smaller. So we can conclude that we are closer to be able to use more traditional models of estimating and forecasting the risk. Modeling risk with different ARMA-GARCH models was easier for the adjusted data series. It was for example easier to remove autocorrelation. We can also see that we are improving forecasts of volatility when the adjusted data series are used. We have found indications of improvements when different models for different data series. All together we can say that this indicates that it might be reasonable to use more than one model to estimate and forecast risk for the system price and NO1.no_NO
dc.language.isonobno_NO
dc.publisherNorwegian University of Life Sciences, Ås
dc.subjectARMA-GARCHno_NO
dc.subjectfinansno_NO
dc.subjectNord Poolno_NO
dc.subjectrisikostyringno_NO
dc.subjectkraftno_NO
dc.subjectfordelingno_NO
dc.subjectsesongvariasjonerno_NO
dc.subjectvolatilitetno_NO
dc.subjectrisk managementno_NO
dc.subjectvolatilityno_NO
dc.subjectfinanceno_NO
dc.subjectmarket pricesno_NO
dc.subjectelectricityno_NO
dc.subjectpowerno_NO
dc.titleRisiko i det nordiske kraftmarkedet : utfordringer for risikostyringno_NO
dc.title.alternativeRisk in the Nordic power market : challenges of risk managementno_NO
dc.typeMaster thesisno_NO
dc.subject.nsiVDP::Social science: 200::Economics: 210::Business: 213no_NO
dc.source.pagenumber75no_NO


Tilhørende fil(er)

Thumbnail

Denne innførselen finnes i følgende samling(er)

Vis enkel innførsel