Predicción del precio de la energía eléctrica en Colombia mediante un enfoque de machine learning

Vista sencilla de ítem
dc.contributor.advisorAlmonacid Hurtado, Paula María
dc.contributor.authorVillarreal Marimon, Yeison José
dc.contributor.authorFlores San Martín, Luis Armando
dc.coverage.spatialMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degreeseng
dc.creator.degreeMagíster en Administración Financieraspa
dc.creator.emailluis.flores@glf.com.cospa
dc.creator.emailyeison.villarreal@glf.com.cospa
dc.date.accessioned2024-02-05T23:25:55Z
dc.date.available2024-02-05T23:25:55Z
dc.date.issued2023
dc.descriptionEn esta investigación se desarrollan diferentes modelos de predicción basados en regresión, modelo VAR, modelo ARIMA, modelo ARIMAX y modelo SARIMAX, que fueron usados para estimar y predecir los precios de la energía en bolsa, y así obtener un valor aproximado de venta del kilovatio-hora, un insumo clave para calcular los ingresos en los modelos de valoración de proyectos de generación de energía eléctrica en Colombia. Lo anterior se realizó apoyado en los registros históricos de las bases de datos de XM, el análisis de la relación del precio histórico de la energía en bolsa para el período comprendido entre enero de 2000 y julio 2023, utilizando también las variables de aportes hídricos, vertimientos y reservas hídricas expresados en términos de energía y los posibles efectos de fenómenos climatológicos como El Niño Southern Oscillation (ENSO) que se presenta en el país. En la investigación se obtuvo como resultado que los valores del kilovatio se ven afectados por las temporadas de lluvias y en especial en la ocurrencia del Fenómeno de El Niño, durante el cual los precios aumentan incluso activando los precios de escasez del sistema, lo cual se ve marcado en los años 2015 y 2016. Finalmente, como resultado de la predicción, se encontró que todos los modelos siguen las tendencias de los comportamientos de los precios. A los modelos se le hicieron pruebas con diferentes horizontes, encontrando que el modelo para utilizar depende del horizonte de tiempo que necesite analizar el inversionista: corto plazo VAR, mediano plazo SARIMAX y largo plazo regresión múltiple.spa
dc.description.abstractIn this research, numerous predictive models are developed, including regression models, VAR models, ARIMA models, ARIMAX models and SARIMAX models, which were further used to estimate and predict the electricity spot price, and therefore obtaining an approximate value for the sale of a kilowatt-hour, a critical input for calculating the revenues in the valuation models of electric power generations projects in Colombia. This was accomplished using the historical records from XM’s databases, analyzing the relationship between the historical spot price for electricity in the frame of time from January 2000 to July 2023, other input variables were also considered such as hydrological contributions, hydrological discharges and hydrological reserves expressed in terms of energy, as well as the potential effects of climatological phenomena like the El Niño Southern Oscillation (ENSO) that occurs in the country. The results of the research indicate that the prices of the kilowatt-hour are affected by the rainy season and specially by the occurrence of the El Niño phenomena, during which prices increase triggering the scarcity price of the system, which can be observed in the years 2015 and 2016. Finally, as a result, all models follow the price behavior trends. The models were subjected to different time horizon tests, finding that the model to be used depends on the time horizon that the investor needs to analyze: VAR models for the short-term, SARIMAX models for the medium-term and multiple regression models for the long-term.spa
dc.formatapplication/pdfeng
dc.identifier.ddc333.7932 V722
dc.identifier.urihttps://hdl.handle.net/10784/33253
dc.language.isospaspa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentEscuela de Finanzas, Economía y Gobierno. Departamento de Finanzasspa
dc.publisher.placeMedellínspa
dc.publisher.programMaestría en Administración Financieraspa
dc.rightsTodos los derechos reservadosspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccesseng
dc.rights.localAcceso abiertospa
dc.subjectPrecio energía en bolsa
dc.subjectENSO
dc.subjectMEM
dc.subjectModelos de regresión
dc.subjectVAR
dc.subject.keywordElectricity spot price
dc.subject.keywordRegression models
dc.subject.keywordVAR models
dc.subject.lembADMINISTRACIÓN FINANCIERA
dc.subject.lembECONOMÍA DE LA ENERGÍA
dc.subject.lembPRECIOS DE LA ENERGÍA
dc.subject.lembDEMANDA DE ENERGÍA
dc.titlePredicción del precio de la energía eléctrica en Colombia mediante un enfoque de machine learningspa
dc.typemasterThesiseng
dc.typeinfo:eu-repo/semantics/masterThesiseng
dc.type.hasVersionacceptedVersioneng
dc.type.localTesis de Maestríaspa
dc.type.spaInformespa

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
Predicción de Precio de Bolsa del Mercado de la Energía .pdf
Tamaño:
1.33 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
No hay miniatura disponible
Nombre:
Carta_aprobacion_Yeison_LuisArmando.pdf
Tamaño:
186.08 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de aprobación de tesis de grado
Descargar
No hay miniatura disponible
Nombre:
formulario_autorizacion_publicacion_obras.pdf
Tamaño:
573.73 KB
Formato:
Adobe Portable Document Format
Descripción:
Formulario de autorización de publicación de obras
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.5 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría en Administración Financiera (tesis)