Quasi-Bayesian Local Projection Instrumental-Variables Method: Application to Renewable Energy and Electricity Prices

Technische Samenvatting: Quasi-Bayesiaanse Lokale Projectie Instrumentvariabelen-methode

Probleemstelling
Het schatten van dynamische causale effecten met behulp van Lokale Projecties (LP) is een standaardaanpak in toegepaste econometrie. Wanneer de behandelingsvariabele endogeen is, combineren onderzoekers LP met Instrumentvariabelen (IV) om LP–IV-schatters te vormen. Een aanzienlijke beperking van standaard LP–IV is echter dat schattingen op verschillende horizonten onafhankelijk van elkaar worden berekend. In eindige steekproeven, met name bij data met hoge frequentie en een laag signaal-ruisverhouding, leidt deze onafhankelijkheid tot steekproefruis die onregelmatige, moeilijk te interpreteren impulsresponsfuncties (IRF's) creëert. Bovendien vertrouwt standaard inferentie vaak op puntgewijze betrouwbaarheidsintervallen, die geen rekening houden met de correlatie tussen horizonten die inherent is aan een respons-traject, wat potentieel kan leiden tot misleidende conclusies over de algehele vorm van het dynamische effect.

Methodologie
Het artikel stelt een Quasi-Bayesiaanse LP–IV-kader voor dat impulsresponsen over horizonten regulariseert, terwijl de identificatie-eigenschappen van IV-schatting behouden blijven. De methodologie integreert drie kerncomponenten:

1. Momentgebaseerde Quasi-posterior: In navolging van Chernozhukov & Hong (2003) construeert de aanpak een quasi-posteriorverdeling met behulp van de Generalized Method of Moments (GMM)-doelfunctie die is afgeleid uit IV-momentvoorwaarden. Dit omzeilt de noodzaak van een volledige likelihood-specificatie, waardoor de robuustheid van IV-identificatie tegen likelihood-misspecificatie behouden blijft.

   • De quasi-posterior wordt gedefinieerd als:
     $$\pi(\theta) \propto \exp\left\{ -\frac{T}{2} \bar{m}(\theta)^\top W \bar{m}(\theta) \right\} p(\theta)$$
     waarbij $\bar{m}(\theta)$ de steekproefmomentvoorwaarden vertegenwoordigt, $W$ een wegingsmatrix is en $p(\theta)$ een prior.

2. Ruwe-penalty Prior: Om de ruis in horizont-specifieke schattingen aan te pakken, introduceert het artikel een geschikte Gaussische Markov-randomveld-prior met een ruwheidspenalty.

   • Voor een coëfficiëntpad $\theta_j$ over horizonten is de prior $\theta_j | \tau_j \sim N(0, \tau_j^2 Q^{-1})$.
   • De precisiematrix $Q = D^\top D + \frac{8}{\rho^2}I$ straft aangrenzende verschillen af (via de eerste-orde differentiematrix $D$) en het algehele niveau (via de ridge-term).
   • De schaalparameter $\tau_j$ volgt een hiërarchische half-Cauchy-prior, waardoor de data het mate van inkrimping kunnen bepalen. Dit stelt de schatter in staat informatie te lenen van naburige horizonten, waardoor het IRF-pad wordt gladgestreken zonder rigide parametrische restricties op te leggen.

3. Inferentie en Berekening:

   • Berekening: De quasi-posterior wordt bemonsterd met behulp van een Gibbs-sampler. De conditionele verdeling van coëfficiënten gegeven de schaalparameters is Gaussisch, waarbij gebruik wordt gemaakt van de schaarse structuur van de precisiematrix voor efficiëntie. Schaalparameters worden bijgewerkt via een schaal-mixtuur van inverse-gamma-verdelingen.
   • Inferentie: Hoewel de punt-schattingen zijn afgeleid van het gemiddelde van de quasi-posterior, blijft de onzekerheidskwantificering frequentistisch. Het artikel construeert puntgewijze betrouwbaarheidsintervallen en gelijktijdige betrouwbaarheidsbanden met behulp van een sandwich-covariantiematrix gebaseerd op de gestapelde momentvoorwaarden. Dit zorgt ervoor dat de onzekerheidsmaten de steekproefvariabiliteit van de momentgebaseerde schatter weerspiegelen in plaats van posterior-onzekerheid over de gladmakende parameters.

Belangrijkste Bijdragen

1. Methodologische Integratie: Het artikel introduceert de eerste momentgebaseerde quasi-Bayesiaanse formulatie specifiek voor LP–IV. In tegenstelling tot bestaande Bayesiaanse LP-methoden (bijv. Tanaka, 2020; Ferreira et al., 2025) die vertrouwen op narratieve restricties of VAR's, integreert deze aanpak IV-momentrestricties direct in de quasi-posterior.
2. Regularisatie zonder Likelihood: Het biedt een manier om impulsresponsen over horizonten glad te strekken met behulp van een ruwheidspenalty-prior zonder een volledige structurele likelihood te vereisen, waardoor de flexibiliteit en identificatievoordelen van het LP–IV-kader behouden blijven.
3. Gelijktijdige Inferentie: Door de volledige reeks coëfficiënten te schatten als een gecombineerde parameter-vector, faciliteert het kader gelijktijdige inferentie (gelijktijdige banden) die rekening houdt met afhankelijkheid tussen horizonten, waarmee een bekende beperking van puntgewijze inferentie wordt aangepakt.
4. Asymptotische Equivalentie: Het artikel stelt vast dat onder standaard regulariteitsvoorwaarden het gemiddelde van de quasi-posterior asymptotisch equivalent is aan de standaard GMM-schatter, waardoor wordt gegarandeerd dat de regularisatie de eigenschappen van de IV-schatter in grote steekproeven niet in gevaar brengt.

Empirische Resultaten
De methode wordt toegepast op dagelijkse data uit de Deense groothandelsmarkt voor elektriciteit (DK1 en DK2) om het dynamische causale effect van wind- en zonne-energieproductie op elektriciteitsprijzen te schatten.

• Instrumentatie: Door het weer gedreven potentieel voor hernieuwbare energie (afgeleid van ERA5-reanalyse-data) wordt gebruikt als instrument voor de waargenomen hernieuwbare productie om endogeniteit aan te pakken.
• Vondsten:
  • Wind: Een toename van één standaardafwijking in windproductie leidt tot een significante, directe daling van de groothandelsprijzen voor elektriciteit (ongeveer 8 EUR/MWh in DK1 en 4 EUR/MWh in DK2). Dit effect neemt af over 3–4 dagen, in overeenstemming met het merit-order-effect.
  • Zonne-energie: Het effect van zonne-energieproductie is kleiner en minder nauwkeurig geschat in dagelijkse data, waarbij betrouwbaarheidsintervallen vaak nul omvatten.
  • Methodologische Prestatie: De quasi-Bayesiaanse schatter met de ruwheidspenalty-prior produceert gladde, beter interpreteerbare IRF-paden in vergelijking met de onbeperkte GMM-schatter. Simulatiestudies bevestigen dat deze regularisatie de Root Mean Squared Error (RMSE) verlaagt, met name op medium en langere horizonten, door steekproefruis te mitigeren.

Betekenis en Claims
Het artikel claimt het veld van impulsrespons-schatting te bevorderen door een hulpmiddel te bieden dat de flexibiliteit van niet-parametrische LP balanceert met de stabiliteit van regularisatie.

• Econometrische Betekenis: Het demonstreert dat quasi-Bayesiaanse regularisatie effectief is voor parameters die zijn geïndexeerd door een horizont (paden) in plaats van scalaire coëfficiënten. Het verbetert de prestaties in eindige steekproeven (lagere RMSE) en faciliteert gelijktijdige inferentie zonder de identificatiegaranties van IV-methoden op te offeren.
• Beleidsmatige Betekenis: De empirische toepassing benadrukt dat integratie van hernieuwbare energie niet alleen directe prijzen beïnvloedt, maar ook kortetermijndynamiek van prijzen. De bevindingen suggereren dat het merit-order-effect het meest relevant is op korte horizonten, met implicaties voor balanceringsmarkten, stimulansen voor opslag en risicomanagementstrategieën in elektriciteitssystemen met een hoge penetratie van hernieuwbare energie.

De auteurs handhaven een bescheiden houding, waarbij zij opmerken dat de methode een regularisatiehulpmiddel is voor punt-schatting, terwijl de identificatie berust op de IV-momentvoorwaarden. Zij erkennen dat de instrumenten fungeren als "weers-toestand"-instrumenten in plaats van pure "weers-innovatie"-instrumenten, en dat de resultaten worden geïnterpreteerd onder een conditionele uitsluitingsrestrictie. Toekomstige onderzoeksrichtingen die worden gesuggereerd, omvatten het uitbreiden van het kader naar overgeïdentificeerde systemen en het ontwikkelen van procedures voor zwakke instrumenten.