💰 quantitative finance

The fine structure of electricity price volatility

Este artículo presenta el primer estudio riguroso de la volatilidad de los precios de la electricidad en Alemania, Noruega y España mediante el empleo de un marco de ecuaciones diferenciales parciales estocásticas para estimar la varianza integrada semanal, revelando que, aunque los impulsores de la volatilidad y los impactos de la generación varían significativamente según la zona, los efectos de apalancamiento aparentes se explican realmente al condicionar las variables de estado en lugar de representar respuestas asimétricas genuinas a los choques de precios.

Autores originales: Thomas K. Kloster, Fred Espen Benth

Publicado 2026-05-14

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Thomas K. Kloster, Fred Espen Benth

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina los precios de la electricidad no como un número único que cambia cada segundo, sino como una ola viva y que respira que se desplaza a lo largo del día. Esta ola tiene 24 (o 96) "crestas" distintas que representan cada hora del día. A veces la ola está tranquila; otras veces es una tormenta.

Este artículo es como un equipo de meteorólogos que intenta comprender la turbulencia (volatilidad) de esa ola en tres países diferentes: Alemania, Noruega y España. No se limitaron a observar la superficie; construyeron un microscopio sofisticado para ver lo que ocurre debajo.

Aquí tienes el desglose de su descubrimiento en lenguaje cotidiano:

1. El problema del "Batido": Por qué no podemos solo mirar los números

Por lo general, cuando estudiamos los precios de las acciones, observamos una sola línea. Pero la electricidad es diferente. No se puede almacenar fácilmente, por lo que el precio de las "8:00 AM" es en realidad un promedio del precio a las 8:00:01, 8:00:02, y así sucesivamente.

Los autores se dieron cuenta de que tratar cada hora como un número separado e aislado es como intentar entender un batido probando solo una uva. En su lugar, trataron el precio de todo el día como una curva continua única. Imaginaron un "precio fantasma" que existe en cada instante, y los precios que vemos en el mercado son simplemente promedios de esa curva fantasma en trozos de una hora.

2. La "Pelota que rebota" frente al "Sacudón aleatorio"

Cuando el precio salta, ¿es un choque aleatorio (como una ráfaga de viento repentina) o es simplemente el precio intentando naturalmente estabilizarse después de haber sido empujado?

La Pelota que rebota (Reversión a la media): Los precios de la electricidad tienen una fuerte tendencia a rebotar. Si el precio se dispara hacia arriba, generalmente quiere bajar; si cae muy bajo, quiere subir. Los autores descubrieron que este efecto de "rebotar" es enorme. De hecho, aproximadamente el 40% del movimiento que vemos en los precios no es un nuevo choque en absoluto; es simplemente el precio realizando su baile natural de "rebotar" desde la hora anterior.
La Corrección: Si no se tiene en cuenta este rebote, se piensa que el mercado es mucho más caótico de lo que realmente es. Una vez que filtraron el "rebote", pudieron ver los choques reales.

3. El misterio de la "Mañana vs. Noche"

Notaron algo extraño sobre las horas del día:

Horas de la madrugada: Son muy predecibles. El precio a las 6:00 AM está fuertemente influenciado por lo que sucedió a las 5:00 AM. Es como un niño soñoliento que simplemente sigue el ejemplo de sus padres.
Horas de la noche: Son mucho más caóticas. El precio a las 10:00 PM es menos predecible y reacciona más a noticias nuevas y aleatorias.

¿Por qué? Los autores sugieren que se trata del tiempo. Cuando fijas el precio para las 6:00 AM, estás mirando un momento muy cercano. Cuando fijas el precio para las 10:00 PM, estás mirando muy lejos en el futuro, donde el clima, el viento y la demanda son mucho más difíciles de predecir. Cuanto más lejos esté la hora de entrega, más "niebla" (incertidumbre) hay.

4. El factor "Clima"

Observaron qué impulsa la turbulencia en estos tres países, y los resultados fueron tan diferentes como los propios países:

Alemania: El mayor impulsor del caos fue simplemente qué tan alto estaba el precio. Cuando los precios son altos, el mercado se pone nervioso.
Noruega: Dado que dependen en gran medida de la energía hidroeléctrica, la cantidad de agua en los embalses y la velocidad de los ríos eran lo más importante.
España: Con mucha energía solar, el comportamiento del sol y qué tan bien lo predecían eran clave.

¿La lección? No se puede usar un mismo reglamento para todos los mercados eléctricos. Lo que hace que Alemania sea salvaje hace que España sea tranquila, y viceversa.

5. El mito de la "Mala Noticia" (El Efecto de Apalancamiento)

En el mercado de valores, existe una regla famosa llamada "Efecto de Apalancamiento": cuando el precio de una acción cae, la volatilidad suele aumentar (las malas noticias asustan más a la gente de lo que las buenas noticias la emocionan).

En la electricidad, la gente pensaba que veían un "Efecto de Apalancamiento Inverso": cuando los precios suben, la volatilidad aumenta. Parecía que un pico de precios siempre causaba más caos.

La Gran Revelación del Artículo:
Los autores demostraron que esto es un truco de la luz.

La Ilusión: Sí, cuando los precios son altos, la volatilidad es alta. Pero eso es simplemente porque los precios altos tienen naturalmente oscilaciones más grandes (como un péndulo que oscila desde un punto más alto).
La Verdad: Una vez que se tiene en cuenta el nivel actual del precio y el efecto de "rebotar", el vínculo especial entre "que el precio suba" y "que el caos aumente" desaparece. No hay un "miedo" especial a los precios altos. El mercado reacciona simétricamente; es solo que los precios altos son naturalmente más volátiles, independientemente de si acaban de subir o bajar.

Resumen

Este artículo es una guía para ver los precios de la electricidad con claridad. Nos dice:

No mires las horas de forma aislada; mira la curva de todo el día.
No entres en pánico ante cada salto de precio; gran parte de ello es simplemente el mercado estabilizándose naturalmente.
El "miedo" de que los precios altos causen caos extra es en gran parte una ilusión causada por el hecho de que los precios altos son naturalmente más inestables.
El mercado eléctrico de cada país tiene su propia personalidad única, impulsada por su mezcla específica de viento, agua, sol y carbón.

Construyeron una nueva herramienta para medir esta "turbulencia" con precisión, eliminando el ruido para que podamos ver los verdaderos impulsores del mercado.

Resumen Técnico: La Estructura Fina de la Volatilidad de los Precios de la Electricidad

Enunciado del Problema
Los mercados eléctricos exhiben características únicas que los distinguen de los mercados de acciones clásicos, incluyendo precios negativos, reversión a la media, picos de corta duración y dependencias transversales complejas (patrones diurnos y ciclicidad). Si bien existe una literatura extensa sobre la previsión de niveles de precios al contado y hechos estilizados, hay una escasez de estudios rigurosos centrados en la volatilidad del panel completo de precios de la electricidad a lo largo de los periodos de entrega. Los métodos tradicionales de estimación de volatilidad, que a menudo se basan en suposiciones de semimartingalas de dimensión finita y en asintóticas de relleno de alta frecuencia, son inadecuados para los mercados eléctricos, donde los precios se observan con una frecuencia diaria (24 o 96 periodos) y deben tener en cuenta la naturaleza de dimensión infinita de la curva de precios subyacente. Además, los enfoques existentes a menudo no logran desentrañar los "efectos de propagación" (reversión a la media) de la verdadera "innovación" (choques estocásticos) que impulsan la volatilidad.

Metodología
Los autores proponen un marco que interpreta los precios observados de electricidad al día siguiente como promedios locales de un proceso de precios latente, con valor funcional $X_t(\cdot)$ , que evoluciona en el espacio de Hilbert separable $L^2(S^1)$ (funciones de cuadrado integrable en el círculo unitario). Esta perspectiva funcional captura de manera natural la ciclicidad de los patrones de precios diarios.

Formulación del Modelo: El proceso latente $X_t$ se modela como la solución suave de una Ecuación Diferencial Parcial Estocástica (EDPE):
$dX_t = \mu_t dt + AX_t dt + \sigma_t dW_t$
donde $A$ genera un semigrupo $C_0$ $S$ , $\mu_t$ es una deriva, $\sigma_t$ es el operador de volatilidad y $W_t$ es un proceso de Wiener cilíndrico. El vector de precios observado $\tilde{X}_t$ consiste en promedios locales de $X_t$ sobre intervalos de entrega.
Construcción del Estimador: Los autores desarrollan un estimador de Covariación Realizada (RCV) para la varianza integrada semanal. A diferencia de los entornos de alta frecuencia donde los errores de discretización desaparecen, este escenario de largo alcance requiere un manejo explícito de los términos de sesgo que surgen del semigrupo $S$ (propagación) y de la deriva.
- RCV Crudo: Un estimador estándar de variación cuadrática basado en las diferencias de precios.
- RCV Ajustado por Semigrupo: Para aislar el término de innovación (choques de volatilidad reales) de la propagación determinista causada por la reversión a la media, los autores introducen un estimador de inserción directa. Esto implica estimar la matriz efectiva del semigrupo de un paso $\hat{S}_\delta$ a partir de los datos y construir residuos $\hat{\varepsilon}^{pl}_n = \tilde{X}_n - \hat{S}_\delta \tilde{X}_{n-1}$ . La RCV ajustada se calcula entonces a partir de estos residuos.
Descomposición: El estudio emplea un Análisis de Componentes Principales (PCA) sobre la matriz de covariación realizada estimada para identificar los factores dominantes que impulsan la estructura de la volatilidad. También utiliza análisis de regresión para vincular los factores de volatilidad con variables fundamentales (mix de generación, niveles de precios) y para probar efectos de apalancamiento.

Contribuciones Clave

Estimación de Volatilidad de Dimensión Infinita: El artículo proporciona el primer estudio riguroso de la volatilidad de los precios de la electricidad para un panel completo de precios en múltiples zonas europeas utilizando un enfoque de análisis de datos funcionales. Aborda explícitamente las complicaciones de los entornos de dimensión infinita, específicamente la necesidad de ajustar por el suavizado del semigrupo y el sesgo de propagación.
Descomposición de la Varianza: Los autores demuestran que una parte significativa (aproximadamente el 40%) de la variación de precios observada es atribuible a la propagación determinista (reversión a la media) en lugar de choques estocásticos. Proporcionan un método robusto para filtrar estos efectos y estimar la varianza de la verdadera "innovación".
Descomposición Empírica de los Impulsores: Mediante PCA y regresión, el artículo descompone la volatilidad en un "factor de nivel" (que explica más del 60% de la varianza) y factores de orden superior (por ejemplo, formas de "curva de pato"). Cuantifica el impacto de las variables de generación (eólica, solar, hidroeléctrica, térmica) sobre la volatilidad, mostrando que estos impactos son altamente específicos del mercado.
Reevaluación del Efecto de Apalancamiento: El estudio prueba rigurosamente el "efecto de apalancamiento inverso" (correlación positiva entre choques de precios y volatilidad) en los mercados eléctricos. Al condicionar sobre los niveles de precios y la reversión a la media, los autores muestran que las asimetrías aparentes son en gran medida artefactos espurios de la dependencia del estado.

Resultados

Efectos de Propagación: En Alemania, Noruega y España, la cuota de propagación (varianza debida a la reversión a la media) es aproximadamente del 40%. Esta cuota es mayor para las primeras horas de entrega y disminuye a lo largo del día, lo que sugiere que las primeras horas son más predecibles basándose en los niveles de precios actuales, mientras que las horas posteriores exhiben más incertidumbre debido a la brecha temporal hasta la entrega.
Impulsores de la Volatilidad:
- Nivel de Precio: La volatilidad está fuertemente y positivamente correlacionada con el propio nivel de precio al contado (escalado por nivel de precios).
- Mix de Generación: El impacto de la generación renovable sobre la volatilidad varía según la zona. Por ejemplo, una alta producción eólica realizada generalmente reduce la volatilidad en Alemania, mientras que la generación hidroeléctrica es un impulsor significativo en Noruega.
- Estructura de Factores: El primer componente principal actúa como un "factor de nivel" con forma de joroba (con un pico por la tarde), lo que indica que las horas del mediodía y de la tarde exhiben generalmente una mayor volatilidad.
Efecto de Apalancamiento:
- Incondicional: Parece estar presente un efecto de apalancamiento inverso; los aumentos de precios parecen correlacionarse con aumentos de volatilidad.
- Condicional: Una vez que el análisis se condiciona al nivel de precio actual (escalado) y a la reversión a la media de la volatilidad, la asimetría desaparece. Las pruebas de Wald no logran rechazar la simetría, lo que indica que la volatilidad de los precios de la electricidad no exhibe generalmente respuestas asimétricas a los choques de precios una vez que se tienen en cuenta las variables de estado.

Significado y Afirmaciones
El artículo afirma que la "estructura fina" de la volatilidad de los precios de la electricidad está gobernada por mecanismos distintos en comparación con los activos tradicionales. El significado principal radica en demostrar que:

La reversión a la media es una fuente dominante de variación: Ignorar los efectos de propagación conduce a una interpretación errónea de los impulsores de la volatilidad.
Especificidad del Mercado: No existe un modelo "talla única"; los impulsores de la volatilidad (por ejemplo, el papel de la hidroeléctrica frente a la solar) difieren sustancialmente entre las zonas de generación (Alemania, Noruega, España).
Asimetría Espuria: El efecto de apalancamiento inverso ampliamente citado en los mercados eléctricos es en gran parte el resultado de la fuerte dependencia del estado entre los niveles de precios y la volatilidad, en lugar de una respuesta asimétrica intrínseca a los choques.

Los autores concluyen que modelar los promedios de precios de la electricidad y su volatilidad requiere tener en cuenta la dependencia del estado en los niveles de precios y volatilidad, en lugar de centrarse únicamente en la correlación de las innovaciones. Los estimadores propuestos y los métodos de descomposición proporcionan un conjunto de herramientas robusto para comprender estas dinámicas complejas.