💰 quantitative finance

Forecasting of volatility and risk premia in electricity markets

本論文は、電力市場における週次の実現共分散を予測するための簡潔な行列HARモデルを提案し、より長いタイムホライゾンと再生可能エネルギー発電データを組み込むことが、標準的な手法と比較して共分散およびスプレッド・リスク・プレミアムの予測の両方を大幅に改善することを実証する。

原著者： Thomas K. Kloster, Fred Espen Benth

公開日 2026-06-05

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Thomas K. Kloster, Fred Espen Benth

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

電力市場を、単なる一つの価格タグではなく、**「24時間の映画」**として想像してみてください。従来の株式市場では、その日の終値を眺めるだけで済むかもしれません。しかし、電力は異なります。電力は1時間ごとに、連続的に消費されるものです。したがって、「真の」価格とは、実際には1日のあらゆる秒単位で変化する、複雑で流動的な曲線なのです。

この論文の著者であるトーマス・クレスターとフレッド・エスペン・ベントは、ある特定の課題を解決しようとしています。それは、**「明日の24時間の価格という映画が、どれほど『凹凸（おうとつ）が激しく』、あるいは『荒れ狂う』ものになるかを、どうすれば予測できるか？」**という問題です。

以下に、彼らの研究内容を日常的な例えを用いて解説します。

1. 問題点：「ぼやけた」写真

私たちは電力価格を毎秒測定することはできないため、得られるのは（特定の時間の価格といった）スナップショットのみです。著者らは、これらの価格の「凹凸の激しさ」を測定するために使用する数学的ツールのことを、**実現共分散（Realized Covariation: RCV）**と呼んでいます。

RCVは、**電力価格の「天気図」**のようなものだと考えてください。それは単に風が強い（ボラティリティがある）ことを教えてくれるだけでなく、朝の風と夕方の風がどのように関係しているのかを教えてくれます。嵐のような朝は、通常、午後は穏やかになるのでしょうか？それとも、両方が同時に荒れるのでしょうか？このマップは、一日のあらゆる時間が他の時間とどのようにダンスしているかを示す巨大なグリッド（行列）なのです。

2. 解決策：「タイムトラベル」予測マシン

著者らは、Matrix-HARと呼ばれる予測モデルを構築しました。これを理解するために、来週の天気を予測しようとしている場面を想像してください。

標準的なモデルは、昨日の天気だけを見るかもしれません。
彼らのモデルは、以下を見ます：
- 昨日（日次）
- 先週（週次）
- 先月（月次）
- 前期（四半期）

彼らは、電力においては**「四半期」**のパターンを見ることが極めて重要であることを発見しました。なぜなら、電力には強い季節性（夏のエアコン使用や冬の暖房など）があるからです。この「長期的な記憶」を取り入れることで、彼らのモデルは将来の予測精度を大幅に向上させました。

3. 隠し味：風、太陽、そして価格

著者らは、モデルをより賢くするために、多くの異なるバージョンのモデルをテストしました。そして、予測を大幅に改善する2つの「隠し味」を発見しました。

再生可能エネルギー： 彼らは、どれだけの風力や太陽光発電が行われているかというデータをもモデルに投入しました。風や太陽は予測が難しいため、それらのシェアを知ることは、価格の変動がいかに激しくなるかを予測する助けとなります。
現在の価格水準： 彼らは、価格の「凹凸の激しさ」が、現在の価格がどれほど高いか、あるいは低いかに大きく依存することを発見しました。これは車の運転に似ています。時速10マイルで走っている時と、時速100マイルで走っている時では、車の挙動は異なります。

4. 結果：トレーダーのためのより優れた地図

彼らがドイツの実データ（2018年から2025年まで）を用いてモデルをテストしたところ、以下のことが分かりました。

有効であること： 彼らのモデルは、標準的な手法よりもはるかに正確に、翌週の価格の「凹凸の激しさ」を予測できました。
「スプレッド」への対応： 電力市場では、トレーダーはしばしば「ピーク時」（みんなが家にいて電力を消費している時間）と「オフピーク時」（グリッドが静かな時間）の差額に賭けます。著者らは、彼らのモデルがこれら「スプレッド」のリスクを予測するのに非常に優れていることを示しました。
「リスク・プレミアム」のボーナス： 金融市場では、リスクを避けるために追加の料金（プレミアム）が支払われます。著者らは、この新しい、より正確な「凹凸のマップ」を使用することで、業界で使用されている標準的なリスク予測式よりも、リスク・プレミアムをはるかに正確に予測できることを発見しました。事実、彼らの手法は、標準的なリスク予測の精度を倍増させました。

5. 注意点：「右に歪んだ」現実

論文では、一つの限界についても認めています。電力価格は**「宝くじ」**のようなものです。ほとんどの時間は穏やかですが、時折、とんでもない数値（巨大なスパイク）まで跳ね上がります。
このため、モデルは少し「慎重」になる傾向があります。モデルは、実際の状況よりも市場が少し激しくなると予測してしまうことがよくあります。用心するに越したことはありませんが、これはモデルが時として混乱を過大評価してしまうことを意味します。

まとめ

要約すると、著者らは**「超スマートな、タイムトラベルができる電力価格の天気図」**を作り上げました。長期的な季節性、現在の風力・太陽光発電量、そして一日のうちのどの時間帯に価格がどのように振る舞うかを見ることで、彼らはトレーダーやアナリストが以前よりもずっと上手く電力市場のリスクを理解できるツールを作り出したのです。これにより、将来の価格に対してより賢い賭けを行い、グリッドのリスクをより効果的に管理することが可能になります。

技術要約：電力市場におけるボラティリティおよびリスク・プレミアムの予測

問題提起
本論文は、欧州の発電ゾーンにおける電力スポット価格の実現共分散（RCV）を予測するという課題に取り組んでいる。伝統的な株式や商品市場とは異なり、電力市場は特有の性質を有している。価格は特定のデリバリー期間に対するオークションを通じて日次で決定されるため、潜在的な無限次元の「真の」価格プロセスの平均値として表現される。この構造は、ドリフト効果や平均回帰・伝播効果を含む、ボラティリティ推定における特有のバイアスをもたらす。さらに、電力市場におけるボラティリティ推定に関する既存の文献は乏しい。著者らは、RCV（潜在的な共分散演算子の行列値表現）が短期的ホライゾンにおいて予測可能であるか、また、そのような予測がフォワード市場におけるリスク・プレミアムの予測を改善できるかどうかを明らかにすることを目的としている。

手法
本研究は、Kloster and Benth (2026) によって確立された抽象的なモデリング・フレームワークに基づいている。そこでは、潜在的な価格プロセス $X_t(\cdot)$ はヒルベルト空間 $L^2(S^1)$ （一日を表す単位円）内で進化する。観測されるスポット価格は、特定のデリバリー期間におけるこの潜在的プロセスの積分である。

実現共分散（RCV）の推定:
- 著者らはまず、観測された価格シリーズのトレンドを除去し、定常成分 $Y_n$ を孤立させる。
- 平均回帰ダイナミクスを考慮するために、セミグループ行列 $\hat{S}_{\delta, N}$ を推定する。
- 残差は、このセミグループを調整することで算出され、年率換算された RCV ( $RCV^w_n$ ) は、ウィンドウ $w$ にわたるこれらの残差の外積の和として構成される。この推定量は、平均回帰メカニズムによる平滑化効果により純粋な積分分散演算子が完全に特定できないことを認めつつ、「有効分散」のノイズを含むプロキシとして機能する。
予測フレームワーク (Matrix-HAR):
- 予測対象は、1週間先の RCV 行列である。
- 著者らは、Quiroz et al. (2024) および Corsi (2009) による古典的な HAR フレームワークに着想を得た、簡潔な Matrix-Heterogeneous Autoregressive (Matrix-HAR) モデルを提案する。
- 分解: RCV 行列は、 $RCV^w_t = D^w_t R^w_t D^w_t$ によって分解される。ここで $D^w_t$ は周辺実現ボラティリティ（対角要素）を含み、 $R^w_t$ は条件付きクロスセクショナル相関を含む。
- $D^w_t$ のモデリング: 対角要素に対して、日次、週次、月次、および 四半期（91日）のホライゾンを組み込んだ対数線形 HAR モデルを適用する。四半期コンポーネントは、電力市場特有の長期依存性と季節性を捉えるために含まれている。
- $R^w_t$ のモデリング: 相関行列のハーフ・ベクタリゼーションに対してスカラー HAR モデルを適用し、ラグ付き相関を一様に伝播させる。
- 拡張: ベースライン・モデルは、以下の共変量を用いて拡張される：
  - 現在の価格水準（線形および二次形式）。
  - 再生可能エネルギーの発電シェア（風力および太陽光）。
  - 時変のスプリオーバー効果（レジーム依存変数）。
- 推定: ドイツのスポット価格データ（2018年10月～2025年10月）を用い、ローリング・ウィンドウ方式でモデルを推定する。
リスク・プレミアムへの適用:
- 本研究は、ピークロードとベースロードのフォワード契約間のスプレッド・リスク・プレミアムの予測を調査する。
- Bessembinder and Lemmon (2002) の構造モデルに従い、リスク・プレミアムはスポット価格の条件付き分散および歪度（スキューネス）の関数である。
- 著者らは、予測された RCV を用いてスプレッド（ピーク minus ベースロード）の条件付き分散のプロキシとし、これを標準的な後方視的なローリング分散推定と比較する。

主な結果

予測可能性: 実現共分散は短期的ホライゾンにおいて予測可能である。単純な Matrix-HAR 型モデルは、電力価格の条件付き二次構造を効果的に捉える。
モデルのパフォーマンス:
- 四半期ホライゾンの導入は、日次、週次、月次のみのモデルと比較して、予測を大幅に改善する。
- 再生可能エネルギーの情報（風力／太陽光シェア）および二次価格制御を組み込んだモデルが、パフォーマンス指標において優位に立つ。
- 最良のモデル（例：DRD-HAR-P2+ren+tvSpill）は、1時間ごとの実現分散に対して 40–45% の Mincer-Zarnowitz $R^2$ を達成しており、これは変動のほぼ半分が予測によって説明できることを示している。
- これらのモデルは、ネットゼロ・ポートフォリオ（例：ピーク対オフピーク、太陽光の形状）の分散ターゲティング演習によって示されるように、クロスセクショナルな依存構造（非対角要素）に対して適切に較正されている。
- 既知の限界として、条件付き分散分布の右裾が重いため、モデルは「穏やかな」日の実現ボラティリティを過大予測する傾向がある。
リスク・プレミアムの予測:
- 予測された RCV を分散プロキシとしてリスク・プレミアムの回帰に使用することは、標準的な後方視的手法よりも大幅に優れた結果をもたらす。
- スプレッド・リスク・プレミアムを予測するための $R^2$ 統計量は、ローリング分散を使用した場合の 24.4% から、DRD-HAR-P2 RCV 予測を使用した場合の 47.2% へと上昇する。
- 分散項の係数は依然として高い有意性を保っている一方で、テストされた仕様において歪度項（後方視的な歪度で近似）は統計的に有意ではなかった。

意義および主張
本論文は、実現共分散が抽象的な無限次元の検討事項から生じるものである一方で、市場参加者にとって極めて有用で実行可能な情報を含んでいると主張している。主な貢献は以下の2点である。

予測可能性の立証: 長期ホライゾンと再生可能エネルギー・データを取り入れた単純な Matrix-HAR 型モデルを用いることで、電力価格の実現共分散が短期的ホライゾンにおいて予測可能であることを示すこと。
リスク・プレミアム予測の改善: 実現共分散の予測が、後方視的なボラティリティのみに依存する標準的な手法と比較して、電力フォワード市場におけるスプレッド・リスク・プレミアムの予測を大幅に改善することを証明すること。

著者らは、これらの知見が、右裾の歪んだボラティリティという構造的な課題があるにもかかわらず、ヘッジ比率、価格予測の信頼区間、および電力市場におけるリスク管理といった実務的な応用に対する RCV フレームワークの有用性を裏付けるものであると結論付けている。