평일 계통한계가격의 변동성 예측 – 다중주기(multi-frequency) 모형을 중심으로
Forecasting Volatility of Weekday System Marginal Prices : A Multi-frequency Approach
0
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
본 연구는 적은 수의 파라미터에도 불구하고 변동성 집중현상, 국면전환, 장기기억성, 간헐적인 이상치의 존재 등 시간가변 변동성과정의 특징을 다중주기적 관점에서 포괄적으로 설명하는 것으로 알려진 마코프전환 멀티프랙탈(Markov Switching Multifractal; MSM) 모형을 이용하여 우리나라 전력도매시장의 계통한계가격(System Marginal Price; SMP)의 단기 및 중·장기 변동성을 예측한 후 그 성과를 기존모형과 비교하였다. 구조모형의 잔차항을 대상으로 2003년부터 2015년까지의 평일 자료를 이용하여 실증 분석한 결과는 다음과 같다. 첫째 내표본 적합도 측면에서 MSM 모형이 비교모형에 비해 대폭 개선된 결과를 가져왔다. 둘째 외표본 예측성과 측면에서 QLIKE를 제외하고 예측기간(1,5,20,60일)에 관계없이 MSM 모형이 비교모형보다 대체로 높은 성과를 나타냈다. 셋째 전체 외표본 기간을 3개의 하위표본으로 구분한 결과, 첫 번째 하위표본을 제외한 나머지 두 개의 하위표본에서 전체 외표본 예측성과의 결과가 대체로 유지되었다. 따라서 본 연구 결과는 다양한 특징을 포함하고 있는 SMP 변동성을 모형화하는 경우 다중 주기 또는 국면전환을 고려하는 것이 예측성과를 향상시키는데 매우 중요한 역할을 수행함을 시사한다.
Abstract
This paper uses a Markov Switching Multifractal (MSM) volatility model to forecast short-, medium-, and long-term volatilities of system marginal price (SMP) and compares forecasting performances with several competing models. MSM model is known to describe well- known stylized facts of the volatility process such as volatility clustering, regime change, long memory, and substantial outlier with relatively small number of parameters within a multi-frequency framework. Using the weekday sample covering from 2003 to 2015 this paper finds empirical evidence that, in terms of the in-sample goodness of fit, MSM model shows a substantial improvement compared to competing models and that, except for QLIKE, MSM model improves significantly the out-of-sample forecasting performance. This result can be confirmed from the formal test such as the Diebold-Mariano test. We also find that main conclusion holds for 2nd and 3rd sub out-of-samples except 1st. As such the results strongly suggest that considering both multi-frequency factors and Markov regime switching in modeling a rather complex process of the SMP volatility make a critical contribution towards improving the forecasting performance.
참고문헌 (29)
- 김명직, "금융시계열분석" (2002), 경문사
- 김대용, "자기회귀누적이동평균을 이용한 전일 계통한계가격의 예측", 대한전기학회 하계학술대회 논문집, pp.18~20 (2005)
- 김대용, "ARIMA 모형을 이용한 계통한계가격 예측방법론 개발", 전기학회논문지 A권, 55(2(A)), pp.85~93 (2006), 대한전기학회
- 김완수, "현행 전력시장에서의 한계가격과 예비율의 상관관계 분석", 대한전기학회 하계학술대회 논문집, pp.554~555 (2008)
- 에너지소비에 대한 기온변화의 영향 분석, "박광수", 에너지경제연구원, ~, pp.연구보고서 12-12 (2012)
- 백문영, "Forecasting Hourly Electricity Loads of South Korea: Innovations State Space Modeling Approach", 한국경제학보(구 연세경제연구), 17(2), pp.301~317 (2010), 경제연구소
- 신동현, "전력 발전시장의 충격식별과 계통한계가격 변동성 분석: 전력수요 예측오차 충격을 중심으로", 응용경제, 17(2), pp.121~166 (2015), 한국응용경제학회
- 심재성, "연료가격을 고려한 단기 전력 계통한계가격예측 연구", 대한전기학회 전력기술부문회 추계학술대회 논문집, pp.23~24 (2009)
- 안일환, "한국 전력도매시장(CBP) 계통한계가격(SMP) 변동성 실증분석", 에너지경제연구, 13(2), pp.103~129 (2014), 재단법인 에너지경제연구원
- 이상헌, "마코프전환 멀티프랙탈(Markov Switching Multifractal) 모형을 이용한 KOSPI200 수익률의 장기변동성 예측성과 비교", 한국증권학회지, 45(4), pp.773~810 (2016), 한국증권학회
- 이정규, "시간축 및 요일축 정보를 이용한 신경회로망 기반의 계통한계가격 예측", 전기학회논문지 A권, 54(3(A)), pp.144~151 (2005), 대한전기학회
- 정상윤, "하이브리드 신경회로망을 이용한 한시간전 계통한계가격 예측", 대학전기학회 추계학술대회 논문집, pp.162~164 (2005)
- Modelling Electricity Prices with an Autoregressive Markov Switching Multifractal Model, "Alausa, W., B.", ~ (2014)
- Bollerslev, T., "Handbook of Econometrics 4", pp.2959~3038 (1994), North Holland
- Baillie, R., "Fractionally Integrated Generalized Autoregressive Conditional Heteroskedasticity", Journal of Econometrics, 74, pp.3~30 (1996)
- Calvet, L.E., "How to forecast long-run volatility: Regime-switching and the estimation of multifractal processes", Journal of Financial Econometrics, 2, pp.49~83 (2004)
- Chuang, W., "Predicting Volatility Using the Markov Switching Multifractal Model : Evidence from S&P 100 Index and Equity Options", The North American Journal of Economics and Finance, 25, pp.168~187 (2013)
- Diebold, F.X., "Comparing Predictive Accuracy", Journal of Business and Economic Statistics, 13(3), pp.253~263 (1995)
- A Permanent and Transitory Component Model of Stock Return Volatility, "Engle, R.", University of California San Diego, ~, pp.Working Paper No. 92-44R (1993)
- Hamilton, J. D., "A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle", Econometrica, 57, pp.357~384 (1989)
- Lux, T., "The Markov Switching Multifractal Model of Asset Returns : GMM Estimation and Lienar Forecasting of Volatility", Journal of Business and Economic Statistics, 26, pp.194~210 (2008)
- Lux, T., "Forecasting Volatility and Volume in the Tokyo Stock Market : Long Memory, Fractality and Regime Switching", Journal of Economic Dynamics and Control, 31, pp.1808~1843 (2007)
- Lux, T., "Relative Forecasting Performance of Volatility Models : Monte Carlo Evidence", Quantitative Finance, 13(9), pp.1375~1394 (2013)
- Modeling and Forecasting Crude Oil Price Volatility:Evidence from Historical and Recent Data, "Lux, T.", University of Kiel, ~ (2015)
- Forecasting the Volatility of the Dow Jones Islamic Stock Market Index : Long-Memory vs. Regime-Switching, "Nasr, A. B.", University of Pretoria, ~ (2014)
- Pagan, A.R., "Alternative Models for Conditional Stock Volatility", Journal of Econometrics, 50, pp.267~290 (1990)
- Modeling and Forecasting Carbon Dioxide Emission Allowance Spot Price Volatility:Multifractal vs. GARCH-type Volatility Models, "Segnon, M.", ~, pp.FinMap-Working Paper No. 46 (2015)
- Taylor, J. W., "Short-term Electricity Demand for Forecasting using Double Seasonal Exponential Smoothing", Journal of Operational Research Society, 54(8), pp.799~805 (2003)
- Wang, Y., "Forecasting Crude Oil Market Volatility : A Markov Switching Multifractal Volatility Approach", International Journal of Forecasting, 32, pp.1~9 (2016)