Forecasting of volatility and risk premia in electricity markets

기술 요약: 전력 시장의 변동성 및 리스크 프리미엄 예측

문제 제기
본 논문은 유럽 발전 구역의 전력 현물 가격의 실현 공분산(Realized Covariation, RCV)을 예측하는 과제를 다룬다. 전통적인 주식이나 원자재 시장과 달리, 전력 시장은 고유한 특성을 보인다. 가격은 특정 인도 기간에 대한 평균을 나타내는 잠재적인 무한 차원 "진정한" 가격 프로세스의 적분값으로서, 매일 경매를 통해 결정된다. 이러한 구조는 드리프트 효과, 평균 회귀/전파 효과를 포함하여 변동성 추정에 특정한 편향을 유발한다. 또한, 전력 시장의 변동성 추정에 관한 기존 문헌은 부족한 실정이다. 저자들은 RCV(잠재적 공분산 연산자의 행렬 값 표현)가 단기 지평에서 예측 가능한지, 그리고 이러한 예측이 선도(forward) 시장의 리스크 프리미엄 예측을 개선할 수 있는지 확인하고자 한다.

방법론
본 연구는 $X_t(\cdot)$라는 잠재적 가격 프로세스가 힐베르트 공간 $L^2(S^1)$(하루를 나타내는 단위 원)에서 진화한다는 Kloster와 Benth(2026)의 추상적 모델링 프레임을 구축한다. 관측된 현물 가격는 특정 인도 기간 동안 이 잠재적 프로세스를 적분한 값이다.

1. 실현 공분산(RCV) 추정:

   • 저자들은 먼저 관측된 가격 시계열의 추세를 제거하여 정체 성분인 $Y_n$을 분리한다.
   • 평균 회귀 역학을 반영하기 위해 세미그룹 행렬 $\hat{S}_{\delta, N}$을 추정한다.
   • 이 세미그룹을 조정하여 잔차를 계산하며, 연율화된 RCV($RCV^w_n$)는 윈도우 $w$ 동안의 이 잔차들의 외적(outer product)의 합으로 구성된다. 이 추정치는 순수 적분 분산 연산자가 평균 회귀 메커니즘의 평활화 효과로 인해 완전히 식별될 수 없음을 인정하면서, 가격 혁신의 "유효 분산"에 대한 노이즈가 섞인 대리 변수로 기능한다.

2. 예측 프레임워크 (Matrix-HAR):

   • 예측 대상은 1주일 앞의 RCV 행렬이다.
   • 저자들은 Quiroz 등(2024)과 Corsi(2009)의 고전적인 HAR 프레임을 영감을 받아 간결한 Matrix-Heterogeneous Autoregressive (Matrix-HAR) 모델을 제안한다.
   • 분해: RCV 행렬은 $RCV^w_t = D^w_t R^w_t D^w_t$를 통해 분해된다. 여기서 $D^w_t$는 한계 실현 변동성(대각 성분)을, $R^w_t$는 조건부 횡단적 상관관계를 포함한다.
   • $D^w_t$ 모델링: 대각 성분에 대해 로그 선형 HAR 모델을 적용하며, 여기에는 일간, 주간, 월간 및 분기(91일) 지평이 포함된다. 분기 성분은 전력 시장 특유의 장기 의존성과 계절성을 포착하기 위해 포함되었다.
   • $R^w_t$ 모델링: 상관 행렬의 하프 벡터화(half-vectorization)에 스칼라 HAR 모델을 적용하여 지연된 상관관계를 균일하게 전파한다.
   • 확장: 베이스라인 모델은 다음의 공변량을 포함하여 확장된다:
     • 현재 가격 수준 (선형 및 이차항).
     • 재생 에너지 발전 비중 (풍력 및 태양광).
     • 시변 스필오버 효과 (체제 의존적 변수).
   • 추정: 독일 현물 가격 데이터(2018년 10월 – 2025년 10월)에 대해 이동 윈도우 방식을 사용하여 모델을 추정한다.

3. 리스크 프리미엄 적용:

   • 본 연구는 피크 부하(peak-load)와 기저 부하(baseload) 선도 계약 간의 스프레드 리스크 프리미엄 예측을 조사한다.
   • Bessembinder와 Lemmon(2002)의 구조적 모델에 따라, 리스크 프리미엄은 현물 가격의 조건부 분산 및 왜도(skewness)의 함수이다.
   • 저자들은 예측된 RCV를 사용하여 스프레드(피크 마이너스 기저)의 조건부 분산을 대리하며, 이를 표준적인 후행 이동 분산 추정치와 비교한다.

주요 결과

• 예측 가능성: 실현 공분산은 단기 지평에서 예측 가능하다. 단순한 Matrix-HAR 기반 모델은 전력 가격의 조건부 2차 구조를 효과적으로 포룹한다.
• 모델 성능:
  • 분기 지평을 포함하는 것은 일간, 주간, 월간 성분만 있는 모델보다 예측력을 유의미하게 향러시킨다.
  • 재생 에너지 정보(풍력/태양광 비중)와 이차 가격 통제를 포함하는 모델이 성능 지표에서 우위를 점한다.
  • 최고 성능 모델(예: DRD-HAR-P2+ren+tvSpill)은 시간당 실현 분산에 대해 40–45%의 Mincer-Zarnowitz $R^2$를 달 기록하였으며, 이는 변동성의 거의 절반이 예측에 의해 설명됨을 의미한다.
  • 모델은 넷 제로(net-zero) 포트폴리오(예: 피크 대 오프 피크, 태양광 형태)에 대한 분산 타겟팅 실험을 통해 입증된 바와 같이, 횡단적 의존 구조(비대각 성분)에 잘 보정되어 있다.
  • 알려진 한계점은 조건부 분산 분포의 두터운 우측 왜도(right-skew)로 인해 "차분한" 날에 변동성을 과다 예측하는 경향이 있다는 것이다.
• 리스크 프리미엄 예측:
  • 예측된 RCV를 리스크 프리미엄 회귀의 분산 대리 변수로 사용하는 것은 표준적인 후행 이동 방식보다 크게 우수한 성능을 보인다.
  • 스프레드 리스크 프리미엄을 예측하는 $R^2$ 통계량은 (이동 분산을 사용할 때) **24.4%**에서 (DRD-HAR-P2 RCV 예측치를 사용할 때) **47.2%**로 증가한다.
  • 분산 항의 계수는 여전히 매우 유의미한 반면, 테스트된 명세에서 왜도 항(후행 방식의 왜도로 근사됨)은 통계적으로 유의하지 않았다.

의의 및 주장
본 논문은 실현 공분산이 추상적인 무한 차원의 고려 사항에서 비롯되지만, 시장 참여자들에게 매우 유용하고 실행 가능한 정보를 제공한다고 주장한다. 주요 기여는 두 가지이다:

1. 예측 가능성 입증: 장기 지평과 재생 에너지 데이터를 통합한 단순한 Matrix-HAR 영감 모델을 사용하여 전력 가격의 RCV가 단기 지평에서 예측 가능하다는 것을 보여준다.
2. 리스크 프리미엄 예측 개선: RCV에 대한 예측이 후행 변동성에만 의존하는 표준적인 방법보다 전력 선도 시장의 스프레드 리스크 프리미엄 예측을 실질적으로 개선함을 증명한다.

저자들은 이러한 결과가 변동성의 우측 왜도라는 구조적 어려움에도 불구하고, 헤징 비율, 가격 예측의 신뢰 구간, 전력 시장의 리스크 관리와 같은 실무적 응용을 위한 RCV 프레임워크의 유용성을 검증한다고 결론짓는다.