Trading mercato elettrico

Il cliente è una società di trading di energia elettrica  prodotta da impianti alimentati da fonti rinnovabili e  cogenerative.

Prevedere l’intervallo nel quale effettuare le puntate nelle aste CCC tenendo conto del prezzo atteso all’asta e del prezzo del future per il mese successivo.

L’utilizzo del tool in fase d’asta ha portato a un sensibile incremento dei ricavi rispetto ai bid precedenti effettuati  dall’azienda nel passato.

Feature engineering con utilizzo di quattro tipi di features: calendario  (mese, stagione, weekend, festivi), variabili storiche dei valori di spread  (medie, medie di calendario, lag, rolling mean), variabili statistiche dei  valori di spread (entropia di Shannon, stability, lumpiness, crossing-point, flat-spot, parametro di Hurst, non linearità, parametro di Arch), temperature medie per le diverse zone d’Italia.

Feature selection effettuata con tecniche Boruta, RFE (Recursive Feature Elimination) e LeapForward:

Individuazione dei modelli migliori, creazione di un ensemble model e backtest sui dati del passato.