4. www.enersinc.com
Sesión 1: Capacitación en Implementación de Modelos de análisis en Matlaby/o Excel:
Sesión 1: Capacitación en Implementación de Modelos de análisis en Matlaby/o Excel:
–Unificar y consolidar conceptos sobre modelación econométrica, financiera y energética.
–Implementar modelos para variables de demanda, hidrología, precios de combustibles, precios de bolsa, entre otros.
–Reducir tiempos de carga de información accediendo automáticamente a las bases de datos del mercado.
Modelos a Implementar
•Modelos de Series de Tiempo, estructurales y financieros.
•Econométricos con Variables fundamentales.
•Modelos despacho energético con Teoría de juegos.
•Validación estadística de modelos.
6. www.enersinc.com
Paso 1: Instalar Open Solver
1. Descargar Open Solver: http://opensolver.org/installing-opensolver/
2. Extraerarchivosen carpetalocal3. Dar dobleclick sobreOpenSolver.xlam4. Si se le pide, darle permisos de Excel para ejecutar OpenSolver
5. Los comandos OpenSolveraparecerán entonces en la ficha de datos de Excel.
Se deben tener permisos en
C:/Documents and Settings/nombre de usuario/Datos de programa/Microsoft/Addins
7. www.enersinc.com
Instalar Google Drive
Usuario : gecelca@enersinc.com
Password: gecelca123
La carpeta de la web se debe seleccionar en la parte superior del icono y luego se debe seleccionar añadir a mi unidad.
8. www.enersinc.com
Paso 2: Acceder a la Base de datos o al archivo de datos
Conectarse al archivo: Base de Datos/basededatos
9. www.enersinc.com
Conexión ODBC
Primero se debe acceder al panel de control, con lo cual se podrá visualizar la siguiente ventana.
Herramientas administrativas
10. www.enersinc.com
Conexión ODBC
De acuerdo al sistema operativo instalado se debe acceder a:
-Orígenes de datos ODBC (32 bits)
-Orígenes de datos ODBC (64 bits)
13. www.enersinc.com
Conceptos de modelación
•Cuando uno estima un modelo esta haciendo una prueba de hipótesis:
–“La demanda aumenta linealmente mes a mes”
–“´La demanda se comporta como un modelo lineal con pendiente positiva”
16. www.enersinc.com
Paso 3: Explicación de modelos financieros
•Modelos de reversiona la media (mean reversion)
•Modelos con saltos (jumps)
•Modelos con Estacionalidad (Seasionality)
18. www.enersinc.com
Mean Reversion: Simulation
•Discrete version
•Issue of step size
–Drift term function of log of price
x ()x12 2dtt
19. www.enersinc.com
Paso 3: Explicación de modelos de Series de Tiempo
•Modelos Autoregresivos
•Modelos con variables explicativas
–(Pruebas de Causalidad)
•Modelos con cambio de régimen
20. www.enersinc.com
Paso 4: Validación estadística de modelos
•Validación de supuestos de error con residuales
–Normalidad
–Estacionariedad
•Pruebas de Bondad de ajuste
–Sesgo de nivel
–Sesgo de Varianza
–Sesgo de Covarianza
21. www.enersinc.com
Paso 4: Explicación modelos de despacho con Teoría de Juegos
•Creación de modelo centralizado
–Función Objetivo
–Restricciones
•Creación de modelo descentralizado
–Función objetivo por agente
–Restricciones
–Convergencia al equilibrio
22. www.enersinc.com
Procedimiento de pronóstico
•Relación empírica y teórica de las variables que afectan el precio
•Características de la serie de precios de electricidad
•Explicación de Construcción de las variables fundamentales
•Revisión empírica de las variables del sistema
•Especificación de grupo de modelos
•Diagnóstico del modelo en capacidad de pronóstico
•Validación de variables explicativas
•Revisión de los residuales del modelo
•Competencia con otras metodologías de pronóstico
•Supuestos utilizados para el pronóstico
•Pronóstico, revisión y validación teórica y empírica
22
23. www.enersinc.com
Relación de dependencia entre variables
Deloitte 2
3
Costo de oportunidad Hidráulicas
Vientos Alicios
T°Oceano
ZCI
ENSO
ONI
MEI
Aportes hídricos
Precio de combustibles
Precios de oferta
Costos variables térmicas
NYHRFO
Platts
% Embalse inicial
Demanda de combustibles
Proceso de Despacho
Demanda de energía
Precio de bolsa
Gen térmica
Gen hidráulica
Nivel Embalse final
Independientes
2 grado
Dependientes
Proceso
24. www.enersinc.com
Características de la serie de precios de electricidad
24 Deloitte
Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
40
60
80
100
120
140
160
180
200
220
Meses
$/kWh (Abril 2012)
Tendencia o
cambios de nivel
Cambios de
varianza
Estacionalidad
multianual
Intervenciones y
saltos PS = + + + + Ɛ
Variables fundamentales
Concentración de precios
en Percentiles 25 y 75.
Mediana
atípico
mín.
+
máx.
25. www.enersinc.com
Características de la serie de precios de electricidad
25
Tendencia o cambios de nivel
Cambios de varianza
Estacionalidad multianual
Intervenciones y saltos
PS =
+
+
+
+
Ɛ
Variables fundamentales Inicia Evento Fecha Inicial Periodo afectado Niveles MCO Mediana STD Precio No eventos Ene-2000 1-12 3.795 3.775 0.157 CREG -034-2001 Feb-2001 13-16 4.306 4.275 0.112 No eventos Abr-2001 17-33 3.778 3.767 0.141 El Niño 2002-2003 Oct-2002 34-80 4.197 4.221 0.145 Amenaza El Niño-2006 Oct-2006 81-83 4.626 4.629 0.234 CREG 071-2006 Dic-2006 84-107 4.426 4.434 0.150 CREG 006-2009 Dic-2008 108-116 4.763 4.818 0.127 El Niño 2009-2010 Sep-2009 117-125 5.190 5.253 0.120 La Niña 2010-2011 Jun-2010 126-131 4.592 4.522 0.192
30. www.enersinc.com
Características de la serie de precios de electricidad
30
Tendencia o cambios de nivel
Cambios de varianza
Estacionalidad multianual
Intervenciones y saltos
PS =
+
+
+
+
Ɛ
Variables fundamentales
cv
cv
Correlación positiva del 98% sobre los saltos (+) superiores a 10% contemporáneos y rezagados
Correlación positiva del 98% sobre los saltos (-) superiores a 10% contemporáneos y rezagados 1 periodo
35. www.enersinc.com
Conclusiones del pronóstico de precios
•El modelo de pronóstico utilizado relaciona tres variables energéticas fundamentales de formación del precio de bolsa, como son los aportes hídricos, la demanda y la curva de oferta. Sus alcances son de corto, mediano y largo plazo.
•El modelo de pronóstico al ser no lineal puede representar de manera apropiada los cambios de nivel que se han presentado en el precio de bolsa a lo largo de la historia
•La estacionalidad es propia de las variables de demanda y oferta, se hizo evidente que en los meses de baja hidrología y alta demanda se impacta el precio de manera positiva.
•La capacidad de pronóstico del modelo fue superior a otros modelos que utilizan otras variables y otras metodologías para precios en Colombia.
•El modelo tiene la ventaja de ser interpretable en sus variables y comportamiento, es decir un experto en el mercado puede fácilmente aportar conocimiento a priori sobre los resultados antes cambios de los supuestos. No es caja negra.
35