Diseño de un modelo estadístico para la predicción de los precios de bolsa de energía en Colombia
Design of a statistical model for the prediction of energy stock market prices in Colombia
Autor
García del Villar, Valeria
Verano Urueta, Nicolás
Ranauro Argumedo, Ramiro
Fecha
2020-11-28Resumen
Desde la apertura económica colombiana en 1994, el comportamiento del precio de la energía en el país ha sido foco de investigación debido a su importancia para las organizaciones. La oferta de generadores de energía, la demanda de esta, además de factores hidrológicos y técnicos varios, influyen de forma horaria en el precio de la energía.
Es por ello que se requiere el diseño de un modelo estadístico predictivo para el precio de bolsa de la energía en Colombia que facilite las planeaciones que penden de la variación del precio, no sólo para las empresas directamente inmersas en la cadena de suministro sino también para aquellas en las que la energía es vital para su funcionamiento.
Para lograrlo, se empleó la metodología conocida como Data Science Methodology de IBM, que mediante 5 etapas permitió llegar a un modelo viable teniendo en cuenta limitantes de tiempo por la brevedad del estudio, limitantes tecnológicas, entre otras. El primer acercamiento a la situación-problema fue determinar cuáles serían los objetivos de estudio; con ello, se estableció qué datos serían necesarios y se realizó la recopilación de estos; para luego en la tercera etapa, filtrar, preparar y estudiar las relaciones entre datos que se tenían hasta el momento y así determinar qué métodos estadísticos eran viables dada la naturaleza de los datos y las limitantes establecidas. Finalmente se dio el planteamiento de múltiples modelos (series de tiempo, regresión lineal, modelos TBATS, redes neuronales, etc.) los cuales se evaluaron respecto al cumplimiento de los supuestos del error y calidad de pronóstico.
Como resultado del análisis anterior, se obtuvo un modelo de redes neuronales artificiales que subestimó los datos reales en promedio un 19%, pronosticando el precio promedio del día siguiente y ofreciendo así la mejor calidad de pronóstico entre los modelos desarrollados. Adicionalmente, se reconocieron variables influyentes en el precio de bolsa útiles para futuras investigaciones. Since Colombia's economic opening in 1994, the behavior of energy prices in the country has been subject of research because of its importance to organizations. The supply from energy generators, the demand for energy, as well as various hydrological and technical factors, influence the energy price on an hourly basis.
For this reason, it is necessary to design a predictive statistical model for the energy stock market price in Colombia that facilitates planning that depends on price variations, not only for companies directly immersed in the supply chain but also for those in which energy is vital for their operation.
To achieve this, IBM's Data Science Methodology was used, which through 5 stages made possible to obtain a viable model taking into account time limitations due to the briefness of the study, technological limitations, among others. The first approximation to the problematic was to determine which would be the objectives of the study; with this in mind, it was established which data would be necessary and the gathering of it was carried out; then in the third stage, filtering, preparing and studying the relations between data that were available up to that moment and thus determining which statistical methods were viable given the nature of the data and the established limitations. Finally, multiple models were proposed (time series, linear regression, TBATS models, neural networks, etc.) which were evaluated based on the compliance of the error assumptions and forecast quality.
As a result of the previous analysis, an artificial neural network model was obtained, which underestimated the real data in average by 19%, predicting the average price of the following day and offering the best forecast quality among the developed models. Additionally, influential variables in the stock market price were recognized, which will be useful for future research.