Anbieterbeschreibung…

Zur Simulation und Prognose von Preisen und anderen dem Zufall unterliegenden Größen ist eine statistische Modellierung Voraussetzung. Saisonalitäten, Mean-Reversion, GARCH-Effekte usw. werden modelliert und unter Verwendung von Excels Solver für verschiedene Zeitreihen geschätzt.

Seminar-Inhalte

Ziel des Seminars ist die Modellierung von verschiedenen Energie Datenreihen. Den Schwerpunkt bilden dabei Strom- und Gas-Spotpreise. Methoden aus Statistik und Ökonometrie werden angewendet, um ausgehend von einem Datensatz des vergangenen Jahres brauchbare Modelle zu entwickeln. Zunächst modellieren wir die Saisonalitäten. Für viele Fragestellungen ist aber die mögliche Schwankung um die Mittelwerte von Interesse. Das dazu erforderliche komplexere Modell kann verwendet werden, um im Rahmen einer Monte-Carlo-Simulation Szenarien für zukünftige Spotpreisentwicklungen für Profit-at-Risk oder Pricing zu generieren. Bevor wir Spotpreise modellieren, wenden wir das Schätzverfahren (Maximum Likelihood) auf andere Datenreihen an (z. B. EEX Futures, EUAs). Die Methodik wird ausführlich vorgestellt, in Excel implementiert und schließlich zum Gestalten, Schätzen und Beurteilen unterschiedlicher Modelle eingesetzt.

Lernziele

• Formulierung und Parametrisierung eines Modells
• Schätzverfahren: Maximum Likelihood (MLE)
• MLE mit Maximierung durch Excels Solver
• Mean-Reversion
• stochastische Volatility und GARCH
• kleinere Beispiele: EEX Futures, EUAs
• Gas Spotpreise
• Strom Spotpreise (Stundendaten)
• Saisonalitäten modellieren: Tag/Woche/Jahr
• Einflussgrößen berücksichtigen
• Residualanalyse
• Autokorrelation
• Likelihood-Ratio Tests

Zielgruppen

• Risikomanagement, Handel, Analyse, Portfoliomanagement, Beschaffung, Vertrieb oder andere Interessierte aus dem Bereich der Energiewirtschaft
• gute Excel-Fertigkeiten werden vorausgesetzt.