Академический Документы
Профессиональный Документы
Культура Документы
Prezzo
di borsa dellEnergia
Elettrica
A cura di:
2
Pagina 2/52
I benefici riguardano tutti i consumatori finali, sia quelli abilitati ad acquistare in borsa elettrica
(grossisti e aziende, a condizione che siano utenti del dispacciamento in prelievo) sia quelli non
abilitati, ovvero i "clienti finali idonei" che non hanno concluso un contratto di dispacciamento con il
GRTN (e che acquistano tramite i grossisti), e quelli "vincolati" che acquistano indirettamente
elettricit in borsa tramite l'Acquirente Unico, soggetto istituzionale appositamente creata dal
decreto Bersani per la tutela dei clienti domestici (che non saranno pi vincolati solo a partire dal 1
Luglio 2007).
Tuttavia, dallampio dibattito in merito emergono alcuni limiti, o meglio obiezioni mosse al modello
di borsa, che riguardano i vari aspetti di seguito riportati.
Una prima obiezione riguarda la mancata copertura dei costi fissi, per cui i produttori
chiederebbero il riconoscimento di un capacity payment commisurato ai costi fissi di un
impianto turbogas. In realt, nellambito del nodal spot pricing model la copertura dei costi
fissi garantita dalla valutazione di un prezzo di riserva della domanda (voll, value of lost
load).
Una seconda obiezione, mossa invece dai consumatori, riguarda il carattere non
discriminatorio dell asta (mcp, market clearing price), che paga troppo ai produttori che
hanno i pi bassi costi marginali ed manipolabile, consentendo ampi margini di extraprofitto
ai produttori che hanno diversi impianti con diverso livello di merito. A tale riguardo
unalternativa sarebbe rappresentata da unasta discriminatoria (pab, pay as bid), in cui le
singole offerte sono remunerate al proprio prezzo di offerta.
Unultima obiezione riguarda i rischi del mercato dasta, cio:
- rischio di volatilit di prezzo,
- rischio di concorrenza,
- rischio di congestione.
Il primo interessa entrambi i contraenti, produttori e consumatori, esposti alla variabilit del
prezzo spot che si forma sul mercato. I successivi riguardano i rischi per i produttori di essere
estromessi dal mercato, ovvero non chiamati a produrre o in base allordine di merito o a causa
di congestioni di rete, nonostante la competitivit delle proprie offerte. Tali rischi giustificano il
grande interesse, sia dei produttori che dei consumatori, per i contratti bilaterali fisici, e contratti
bilaterali finanziari (o contratti per le differenze). In particolare i primi, completamente esterni al
mercato spot, sono resi possibili in strutture di borsa organizzati secondo il modello Power
Exchange.
Presenza di esternalit sulla rete, secondo i principi descritti nelle due leggi di Kirchkoff
1.4 IL DISPACCIATORE
Le funzioni principali svolte dal dispacciatore e necessarie al corretto funzionamento del mercato
elettrico sono:
Unit commitment e scheduling
Definisce e raccoglie in anticipo rispetto al tempo reale i programmi di produzione delle
diverse unit di generazione connesse in rete al fine di soddisfare il fabbisogno atteso di
energia elettrica al netto delle perdite di trasporto.
Riserve Procurement
Gestisce una quantit di riserva di potenza sufficiente ad intervenire nel tempo reale per
compensare variazioni inattese nella domanda, nella disponibilit di impianti di produzione
o per poter risolvere eventuali congestioni.
Balancing
Garantisce nel tempo reale il bilanciamento del sistema, intervenendo sulla produzione
effettiva delle unit di riserva per ristabilire lequilibrio domanda-offerta ed i livelli di tensione
e frequenza corretti entro i tempi massimi consentiti.
Queste attivit sono gestite nel sistema elettrico italiano dal GME e GRTN. Il primo gestisce le
offerte di prezzo e quantit degli operatori nelle tre fasi del mercato (MGP, MA, MSD) e il corretto
funzionamento dellalgoritmo di soluzione dellequilibrio ai nodi, il secondo comunica al GME i
vincoli di rete, necessari per individuare la soluzione corretta di equilibrio ai nodi, e il bilanciamento
della rete in tempo reale.
MAX p i (t ) * qi (t ) p j (t ) * q j (t ) + (t ) * q j (t ) q/ i +
q ( t ), p ( t )
j
i
i
~
(t ) * q (t ) q~ (t ) (t ) * [q (t ) q~ (t )]
* Z (t ) Z
~
+ k ,min * Z k (t ) Z k ,min (t )
k , max
k , max
(t ) +
In assenza di congestioni tale prezzo unico sullintera rete e pari al prezzo dellultima offerta
accettata (unconstrained market clearing price - MCPu) e lordine di merito definito sulla base dei
soli prezzi di offerta determina laccettazione delle offerte. In presenza di congestioni anche su un
solo transito, il prezzo si differenzia da nodo a nodo (mercati zonali) e lordine di merito si modifica
in modo da ridurre la produzione nei nodi saturati in export ed aumentarla in quelli saturati in
import. In particolare il prezzo di equilibrio resta uguale o aumenta nelle zone saturate in
importazione e resta uguale o si riduce nelle zone saturate in esportazione.
7
Pagina 7/52
8
Pagina 8/52
Il GME presiede allintero processo, gestendo, in qualit di controparte centrale, tutte le operazioni
di borsa e controllandone loperativit dalla sala contrattazioni centrale. Inoltre procede alla
selezione delle offerte, che avviene secondo un criterio di merito economico (ordine non
decrescente di prezzo per le offerte di vendita e ordine non crescente di prezzo per le offerte di
acquisto), quindi allacquisto di partite di energia dai produttori e alla successiva vendita ai
consumatori.
I soggetti autorizzati a operare sulla borsa elettrica sono: i produttori, gli importatori e i grossisti di
energia, ma anche i circa 7 milioni di clienti idonei (grandi, medie e piccole aziende ma anche
formazioni associative e liberi professionisti) che dal 1/01/05 possono soddisfare direttamente in
borsa i loro bisogni di elettricit.
I clienti vincolati, prevalentemente consumatori domestici, sono invece obbligati per legge ad
approvvigionarsi tramite il proprio distributore locale. In questo caso, lAcquirente Unico provvede
ad acquistare energia elettrica per loro conto e la rivende ai distributori locali.
Infine esiste un mercato non organizzato in cui gli operatori concludono contratti non standardizzati
di compravendita di energia elettrica (contratti bilaterali).
Dato il differente orizzonte temporale, le modalit di determinazione del prezzo di valorizzazione
dellenergia elettrica sono differenti. In borsa si ha una valorizzazione su base oraria, mentre nei
contratti bilaterali il prezzo di norma determinato al momento della conclusione del contratto per
tutta la durata del medesimo. Poich il bene scambiato nel mercato organizzato e con contratti
bilaterali omogeneo, i prezzi dei contratti bilaterali e quelli di borsa sono tra loro connessi.
Innanzitutto, poich i clienti possono acquistare anche nel mercato organizzato, i prezzi dei
contratti bilaterali sono determinati in funzione della curva dei prezzi attesi di borsa (cosiddetta
curva forward dei prezzi); inoltre, poich il contratto bilaterale consente al cliente di stabilizzare il
prezzo su un orizzonte temporale predefinito, la valorizzazione dellenergia elettrica nei contratti
bilaterali include anche la copertura dal rischio connesso con la volatilit del prezzo. Va tuttavia
sottolineato che anche coloro che acquistano o vendono energia elettrica nella borsa elettrica
possono stabilizzare il prezzo dellenergia elettrica ricorrendo alla stipula di appositi contratti di
copertura, tipicamente contratti alle differenze a due vie.
Riportiamo qui di seguito uno schema del mercato elettrico italiano.
9
Pagina 9/52
Nei mercati MGP e MA ,definiti anche Mercati dellEnergia, produttori, grossisti e clienti finali
idonei, nonch AU e GRTN, vendono e acquistano allingrosso partite orarie di energia elettrica per
il giorno successivo. In questi mercati, in cui il GME agisce quale controparte centrale, si
definiscono i prezzi di equilibrio ai quali viene valorizzata lenergia negoziata attraverso un
meccanismo che prevede diverse fasi.
Il Mercato del Giorno Prima (MGP)
Come fase preliminare il GME rende disponibili agli operatori una serie di informazioni (ricevute
dal GRTN) relative al fabbisogno di energia previsto per ogni ora ed ogni zona, ai programmi di
10
Pagina 10/52
immissione di impianti sotto il controllo del GRTN (CIP 6) e ai limiti massimi di transito ammessi
tra zone limitrofe.
Sulla base di questi dati gli operatori presentano nel MGP offerte di acquisto o di vendita per ogni
ora del giorno successivo, specificando una quantit massima offerta o richiesta ed un prezzo
minimo di vendita o massimo di acquisto. Le offerte possono essere offerte semplici (una coppia
quantit-prezzo unitario), offerte multiple (massimo di quattro coppie quantit-prezzo unitario) o
offerte predefinite (offerte semplici o multiple presentate in qualsiasi momento dagli operatori e
che il GME utilizza in tutte le sessioni di mercato in cui non sono pervenute offerte correnti).
Il GME si occupa in questa fase di raccoglie tutte le offerte, quindi le sottopone a verifiche di
validit (controllo formale eseguito dal sistema informatico per verificare che le offerte siano state
presentate durante lapposita seduta di mercato e compilate correttamente) e di congruit
(controllo sostanziale volto ad accertare che le quantit specificate nelle diverse offerte riferite a
ciascun punto di offerta siano compatibili con le quantit massime acquistabili/ vendibili presso lo
stesso punto)
Si passa poi alla fase di incrocio della domanda e dellofferta, fase in cui il GME seleziona le offerte
secondo un meccanismo dasta non discriminatoria, cio seguendo un criterio di merito
economico.
Le offerte di vendita vengono selezionate in ordine crescente di prezzo e quelle di acquisto in
ordine decrescente di prezzo. Si garantisce cos il soddisfacimento della domanda espressa dai
consumatori al minimo costo ottenibile, nel rispetto dei limiti massimi di transito (vincoli fisici) tra
zone.
Le offerte accettate pagano o ricevono un prezzo di equilibrio definito attraverso un algoritmo
implementato dal GME che, a fronte di prezzi di vendita differenziati per zona e tenendo conto
anche dei risultati dei contratti bilaterali, prevede lapplicazione di un prezzo unico di acquisto su
base nazionale (PUN), pari alla media dei prezzi di vendita zonali ponderati per i consumi zonali.
Al termine di questa operazione, e come ultima fase per lMGP, il GME comunica agli operatori
lesito delle proprie offerte (in termini di quantit accettate e di prezzo di valorizzazione delle
quantit),e al GRTN ed agli utenti di dispacciamento dei diversi punti di offerta i programmi
cumulati dei rispettivi punti, ottenuti come somma algebrica di tutte le offerte accettate riferite a
quel punto di offerta.
Il Mercato di Aggiustamento (MA)
La funzione del MA risiede nella necessit dei singoli operatori di riadattare, attraverso nuove
offerte in acquisto o vendita, i programmi di immissione e prelievo tenendo conto della
compatibilit, con i vincoli fisici degli impianti di produzione.
Sul MA possono essere presentate offerte secondo tre tipologie: offerte semplici (coppie
quantit/prezzo), offerte multiple (quattro coppie quantit/ prezzo) e offerte bilanciate (insiemi di
offerte presentate da uno o pi operatori, purch riferite allo stesso periodo rilevante e a punti di
offerte appartenenti alla stessa zona geografica o virtuale, tali che le rispettive quantit si
equilibrino e siano identificate come reciprocamente bilanciate). Anche in questo caso il GME
provvede a verificare validit e congruit delle offerte, quindi a selezionarle sempre secondo il
criterio di merito economico arrivando cos alla definizione di un prezzo di equilibrio che, nel MA,
unico in tutta Italia per tutte le offerte solamente in assenza di congestioni sulla rete, mentre, in
presenza di congestioni, risulta differenziato geograficamente zona per zona.
Infine il GME provvede nuovamente a comunicare a ciascun operatore lesito delle proprie offerte e
al GRTN i nuovi risultati.
Il Mercato per il Servizio di Dispacciamento (MSD)
Anche lultimo dei tre mercati, il MSD, si chiude nel giorno precedente al giorno di consegna ma
presenta delle sostanziali differenze: su questo mercato infatti il GME raccoglie le offerte e rende
noti gli esiti, ma laccettazione delle offerte di competenza del GRTN, che svolge il ruolo di
controparte centrale. Nel MSD il GRTN sostanzialmente seleziona gli impianti per costituire la
riserva di energia necessaria a far fronte a eventuali richieste fuori programma e inoltre ha la facolt
di incrementare o ridurre la produzione dei diversi impianti al fine di tenere conto dei vincoli sulla
rete, ovvero della presenza di eventuali congestioni. Su MSD, le offerte sono selezionate dal GRTN
11
Pagina 11/52
in ordine di merito, tenendo conto anche dei vincoli fisici degli impianti di generazione e della rete
elettrica.
Il GRTN garantisce cos, attraverso la selezione di offerte di variazione dei programmi presentate
dagli operatori sul MSD, la disponibilit di unidonea quantit di riserva, che viene eventualmente
utilizzata in tempo reale, in funzione del bilanciamento.
Per quanto riguarda gli operatori, la partecipazione obbligatoria ed esclusiva per gli utenti del
dispacciamento, che sono tenuti ad offrire sul MSD tutta la potenza disponibile delle loro unit
abilitate dal GRTN alla fornitura di servizi di dispacciamento.
Sul MSD le offerte di vendita e di acquisto possono essere specificate unicamente come offerte
semplici, ovvero per ogni punto di offerta deve essere specificata sia unofferta di vendita che
unofferta di acquisto.
Nel MSD, il processo di accettazione delle offerte si svolge in due fasi:
1. immediatamente dopo la chiusura della seduta, cio a programma, quando le offerte
sono accettate per modificare i programmi di immissione e prelievo determinati in esito al
MGP ed al MA, in modo da risolvere eventuali congestioni residue non risolte su tali
mercati e costituire i margini di riserva necessari alla sicurezza del sistema;
2. continuamente durante il giorno di consegna (cio nel tempo reale), quando le offerte
sono accettate per bilanciare il sistema in tempo reale.
A seguito della determinazione degli esiti del mercato, il GME provvede nuovamente a comunicare
(agli operatori) tali esiti. Inoltre pubblica sul proprio sito gli esiti generali del mercato in termini di
quantit complessivamente acquistate e vendute in ogni zona ed in ogni ora ed il relativo prezzo di
valorizzazione
Inoltre, dal 31 dicembre 2004, operativa la PAB - Piattaforma di Aggiustamento Bilaterale per la
Domanda - una piattaforma informatica che consente la registrazione di scambi orari bilanciati di
energia elettrica tra gli operatori che gestiscono i punti di offerta in prelievo appartenenti alla stessa
zona geografica. In estrema sintesi, questa piattaforma consente a tutti i consumatori, inscritti e non
al mercato elettrico, di scambiare energia e aggiustare gli impegni derivanti da contratti bilaterali
o da acquisti sul mercato elettrico. In pratica il consumatore cosiddetto lungo, ovvero con un
eccesso di energia rispetto ai consumi effettivi, pu cedere la quantit in surplus alloperatore
corto, ovvero in deficit di energia rispetto alla quantit negoziata in borsa o attraverso i contratti
bilaterali, purch ci avvenga allinterno delle singole zone.
Al GME spetta il compito di verificare il rispetto del Regolamento e delle Disposizioni Tecniche di
Funzionamento e quindi assicurare il regolare funzionamento della PAB secondo i criteri di
neutralit, trasparenza, obiettivit e concorrenza tra gli operatori. La seduta della PAB si apre alle
ore 8.00 del trentesimo giorno precedente il giorno di consegna e si chiude alle ore 14.30 del
giorno precedente il giorno di consegna.
Gli scambi comunicati al GME tramite tale piattaforma, insieme agli impegni derivanti da contratti
bilaterali o da acquisti sul mercato elettrico, determinano il programma vincolante di ciascun punto
di offerta e di prelievo.
elettrica che transita tra le medesime zone per chi compra e per chi vende misurata dal
differenziale di prezzo tra i due mercati zonali.
In assenza di congestioni lequilibrio del mercato si sposterebbe, consentendo la realizzazione di
tutte le transazioni fino al punto in cui il prezzo che il consumatore disposto a pagare uguaglia il
prezzo che il produttore chiede per una determinata quantit. Conseguentemente il prezzo di
prelievo (pagato dalla domanda) e il prezzo di immissione (ricevuto dallofferta) coinciderebbero, in
tutti i punti della rete. Il differenziale di prezzo tra due zone sulla rete di trasmissione rappresenta
anche una misura del beneficio associato ad un incremento della capacit di trasporto tra zone
medesime. Dal punto di vista della eseguibilit dei contratti di compravendita di energia elettrica va
inoltre osservato che i vincoli di trasporto possono rendere lesecuzione fisica di tali contratti
incompatibile con la garanzia di sicurezza del sistema. Al fine di garantire un uso efficiente delle
risorse, quindi necessario che la selezione dei programmi di immissione e di prelievo di energia
elettrica accettati dal sistema in esecuzione dei contratti di compravendita avvenga attraverso un
meccanismo centralizzato, che tenga conto quantomeno dei vincoli di trasporto strutturali e,
pertanto, prevedibili.
Nel sistema italiano tale centralizzazione comporta che il Grtn ha il compito di individuare i vincoli
di trasporto strutturali della rete di trasmissione nazionale che il complesso dei programmi di
prelievo e di immissione presentati dagli operatori devono rispettare. A tal fine, il Grtn ha
identificato delle zone che rappresentano delle porzioni di rete di trasmissione per le quali:
a) la capacit di trasporto tra le zone risulta inadeguata allesecuzione dei programmi di
immissione e di prelievo di energia corrispondenti alle situazioni di funzionamento ritenute pi
frequenti;
b) lesecuzione dei programmi di immissione e di prelievo non d luogo a congestioni allinterno di
ciascuna zona nelle prevedibili situazioni di funzionamento;
c) la dislocazione delle immissioni e dei prelievi, anche potenziali, allinterno di ciascuna zona non
hanno significativa influenza sulla capacit di trasporto tra le zone.
13
Pagina 13/52
Per consentire la verifica di compatibilit dei programmi di immissione e di prelievo con i vincoli di
trasporto strutturali, le offerte di acquisto e di vendita presentate nel MGP e nel MA, cos come i
programmi di immissione e di prelievo in esecuzione di contratti bilaterali, devono indicare la zona
in cui localizzato il punto di prelievo e quello di immissione sulla rete. La soluzione del mercato
dellenergia viene determinata tenendo conto dei vincoli di trasporto strutturali che
caratterizzano le interconnessioni tra queste zone. Qualora i vincoli di trasporto tra zone non
consentano di effettuare tutte le transazioni economicamente efficienti (cio utilizzando gli impianti
di generazione a minor costo) che si potrebbero realizzare in assenza dei suddetti vincoli, il
mercato si separa in sotto mercati (zone di mercato), e si ottengono prezzi di equilibrio diversi, che
variano in funzione dellimpatto economico dei vincoli di trasporto sulla zona interessata. Dal punto
di vista economico, lequilibrio tra domanda ed offerta di energia in ogni singola zona vede,
implicitamente, la domanda della zona esportatrice aumentata per un ammontare non superiore ai
flussi massimi consentiti dalla capacit di trasporto; corrispondentemente la domanda zonale
espressa nella zona importatrice viene ridotta per un uguale ammontare. La scarsit della risorsa
capacit di trasporto impedisce tuttavia che lo spostamento della domanda tra le zone sia
tale da portare ad un identico prezzo di equilibrio nelle zone interessate. I programmi di
immissione e di prelievo di energia elettrica definiti in esecuzione di contratti di compravendita
conclusi al di fuori del MGP, ossia i contratti bilaterali, sono assimilati, rispettivamente, a offerte di
vendita sul MGP a prezzo zero o offerte di acquisto sul MGP formulate senza indicazione di
prezzo. Ci assicura, dal punto di vista fisico, la compatibilit dellinsieme degli impegni di
immissione e prelievo rispetto ai vincoli di trasporto strutturali tra le zone.
Le offerte di acquisto accettate invece sono valorizzate indipendentemente dalla zona ove i prelievi
avvengono, ad un prezzo unico nazionale, PUN, determinato come media dei prezzi zonali,
ponderata sulla base dei consumi.
Un disegno di mercato zonale permette di ridurre i costi sostenuti dal Grtn nel MSD per
approvvigionare le risorse necessarie a garantire la compatibilit dei flussi di energia programmati
e dei diritti negoziati con gli effettivi vincoli di sistema. Si tratta di un elemento rilevante, in
particolare alla luce delle assai critiche condizioni concorrenziali prevalenti sul MSD.
In primo luogo, un disegno di mercato non zonale, a prezzo unico, produrrebbe una
soluzione del MGP (e del MA) che non tiene conto delle congestioni di rete; sulla base
dei programmi definiti dal MGP e dal MA, gli operatori di mercato immetterebbero o
preleverebbero quantit di energia non compatibili con i vincoli di rete (dunque non
eseguibili fisicamente). La riconciliazione dei flussi di energia con i vincoli di rete
rilevanti si svolgerebbe interamente sul MSD. Laggravio dei costi per la gestione di tale
mercato sarebbe non irrilevante per il Grtn (costi che verrebbero scaricato sui cdoneri
di riserva e di bilanciamento e dunque sul prezzo finale dellenergia elettrica a carico
dei consumatori).
In secondo luogo, un disegno di mercato zonale, ancorch misto come nel caso
italiano esclusivamente dal lato del prezzo di offerta, porta ad una maggiore
corrispondenza tra prezzo riconosciuto nel MGP ai produttori e valore dellenergia
elettrica da questi prodotta. Ci permette di inviare ai produttori corretti segnali di
prezzo incentivando, nel lungo periodo, la localizzazione efficiente delle unit di
produzione.
In terzo luogo, un disegno di mercato zonale rende esplicito il valore economico della
capacit di trasmissione (scarsa) tra le zone, pari alla differenza tra i prezzi zonali di
equilibrio delle zone considerate. Si tratta di un elemento molto importante ai fini di una
valutazione quantitativa dei benefici economici di lungo periodo legati allo sviluppo
della rete di trasmissione nazionale.
Infine, in assenza di un disegno di mercato zonale, sarebbe forte il rischio di allineamento del
prezzo uniforme nazionale verso i valori di prezzo attesi nella zona con prezzi pi alti, con
conseguente effetto negativo sui prezzi pagati dai consumatori finali. Infatti, i generatori localizzati
nelle zone importatrici di energia (cio quelle che avrebbero prezzi zonali pi alti in caso di
meccanismo zonale) sarebbero consapevoli che il Grtn, per garantire la stabilit del sistema,
dovrebbe acquistare energia nel MSD per aumentare il livello di produzione netta nella loro zona
fino ad un livello equivalente a quello che risulterebbe nel MGP dalla applicazione di un disegno di
14
Pagina 14/52
mercato zonale; pertanto, questi generatori presenterebbero offerte nel MGP tenendo conto delle
attese di valorizzazione della loro energia sul MSD; tali attese rifletterebbero il prezzo zonale che si
avrebbe nel MGP nella zona importatrice in caso di disegno di mercato zonale. Tutto ci
porterebbe ad un aumento del costo dellenergia complessivamente pagato dai consumatori.
In sintesi, la separazione del mercato dellenergia in zone consente di risolvere i rischi di
congestione strutturali gi in base ai flussi programmati nel mercato centralizzato, e quindi di
focalizzare lattivit del Grtn nel mercato del dispacciamento alla acquisizione delle risorse
necessarie a garantire la sicurezza e lequilibrio del sistema, piuttosto che a rendere i programmi di
immissione e prelievo compatibili con i vincoli di trasporto attesi.
Punti di offerta
Ogni zona geografica o virtuale un insieme di punti di offerta. I punti di offerta sono le unit
minime rispetto alle quali devono essere definiti i programmi orari di immissione e di prelievo, siano
essi definiti in esecuzione di contratti bilaterali o a seguito dellaccettazione di offerte di vendita o
acquisto sul Mercato Elettrico.
Nel caso dei programmi di immissione, i punti di offerta in immissione coincidono di norma con i
singoli punti di immissione, cio con le singole unit di produzione. Ci dipende dal fatto che le
unit di produzione, essendo in grado di controllare le proprie immissioni istante per istante,
vengono dispacciate dal GRTN direttamente ed individualmente per garantire il bilanciamento del
sistema; e poich le diverse unit presentano propriet fisiche e dinamiche differenti, i programmi
di immissione devono essere definiti per singole unit, in modo da consentire al GRTN di
selezionare le unit da cui approvvigionare le risorse per i servizi di dispacciamento.
Nel caso dei programmi di prelievo, invece, i punti di offerta in prelievo possono corrispondere sia
a singoli punti di prelievo, cio a singole unit di consumo, sia ad aggregati di punti di prelievo.
Laggregazione dei punti di prelievo afferenti a un punto di offerta funzionale allapplicazione
della disciplina degli sbilanciamenti e per questo deve soddisfare condizioni ben precise. Possono
infatti essere aggregati in un unico punto di offerta in prelievo tutti i punti di prelievo nella
disponibilit di un operatore purch:
a) siano siti in una stessa zona geografica, per consentire il controllo dei transiti tra una zona e
laltra
b) siano caratterizzati dallo stesso regime IVA (aliquota 20%, 10%, esenti), per una corretta
fatturazione delle partite economiche.
15
Pagina 15/52
16
Pagina 16/52
Data
Dimensione
apertura mercato(TWh)
totale
2001
55
2007
60
2003
33
1997
80
275
Austria
Belgio
Danimarca
Finlandia
Francia
100%
90%
100%
100%
70%
Germania
Grecia
100%
62%
1999
-
500
29
Irlanda
Italia
56%
79%
2007
12
225
Lussemburgo
Norvegia
Olanda
Portogallo
Regno Unito
Spagna
Svezia
57%
100%
100%
100%
100%
100%
100%
2003
1998
2003
1998
3
110
100
42
335
210
135
Soglia
di Unbundling
ammissione TSO
Non
Vincolati
Non
Vincolati
1GWh
Non
Vincolati
20GWh
-
Unbundling
DSO
Legale
Legale
Legale
Proprietaria
Legale
Legale
Legale
Legale
Contabile
Gestionale
Legale
Legale
Contabile
Nessuna
Legale
Proprietaria
Gestionale
Legale
Gestionale
Proprietaria
Proprietaria
Proprietaria
Proprietaria
Proprietaria
Proprietaria
Gestionale
Legale
Legale
Contabile
Legale
Legale
Legale
Come si vede dai dati in tabella, la situazione dei mercati nazionali ancora molto differenziata. A
fronte di mercati che hanno gi raggiunto unapertura pressoch totale (ad es. UK, Nord Pool e
Germania), vi sono ancora mercati di dimensione notevole che rimangono pi chiusi (ad esempio
la Francia).
Anche per quanto riguarda la tipologia di unbundling imposto al TSO e al DSO dai Decreti
Nazionali c disparit tra i Paesi: la D.E. 2003/54/CE impone lunbundling legale, ma auspica
quello (pi stringente) proprietario. Attualmente le norme pi rigorose in materia di unbundling
contenute nelle nuove direttive non sono ancora pienamente applicate nella pratica. In molti casi il
processo di unbundling non ancora stato finalizzato dagli operatori di rete, in parte a motivo del
ritardo con il quale molti Stati membri hanno recepito le direttive stesse. Daltra parte, per quanto
riguarda gli operatori dei sistemi di trasmissione un numero crescente di Stati membri si spinto al
di l del disposto delle direttive ed passato allunbundling proprietario ( il caso di UK, dei paesi
del Nord Pool e dellItalia).
La soglia di ammissione, laddove presente, pone poi un vincolo allaccesso al mercato, ed i Paesi
che non prevedono tale vincolo hanno unentrata al mercato pi efficiente.
Per valutare alcune delle differenze esistenti tra i mercati europei analizziamo le caratteristiche dei
diversi mercati per il servizio del dispacciamento. La gestione efficiente degli squilibri momentanei,
e sempre possibili, tra domanda e offerta, rappresenta infatti il vero banco di prova per il libero
mercato rispetto al monopolio. Rispetto ad una realt monopolistica, in cui la mansione del
dispacciamento automaticamente gestita in modo efficiente dal monopolista stesso, in presenza
17
Pagina 17/52
di concorrenza sar necessario un coordinatore unico e capace di risolvere gli squilibri in tempo
reale, ma che continui a garantire lordine di merito come criterio nella scelta dei produttori.
Austria
Belgio
Danimarca
Finlandia
Francia
Germania
Grecia
Irlanda
Italia
Lussemburgo
Norvegia
Olanda
Portogallo
Regno Unito
Spagna
Svezia
Chiusura del
Modello
di Periodo
di Single Mercato:
mercato
bilanciamento bilanciamento Price Zonale(Z)
Nazionale(N)
(minuti)
o
Sovranazionale(S)
Dual
Price
Net Pool
15
Z
giorno prima
Net Pool
Net Pool
Net Pool
Net Pool
Net Pool
Net Pool
Net Pool
Net Pool
Net Pool
Net Pool
Net Pool
Net Pool
Mandatory
Pool
Net Pool
15
60
60
30
15
60
30
60
60
15
60
30
60
D
D
D
D
S
S
D
D
S
D
D
D
S
N
S
S
N
Z
N
N
Z
S
N
N
N
N
ex post
ora
ora
6 al giorno
3 al giorno
giorno prima
giorno prima
giorno prima
1 ora
1 ora
2 al giorno
ora
2-3
60
1 ora
Il Servizio del Bilanciamento fornito dal TSO, che istantaneamente provvede a reperire il
quantitativo di energia in difetto o in eccesso sulla rete comprandola da altri operatori sul mercato,
e assicurando quindi lequilibrio sulla rete.
I due modelli possibili per il Bilanciamento, e che portano quindi a stabilire il prezzo di questo
servizio, sono il Net Pool ed il Mandatory Pool.
La maggior parte degli Stati ha adottato un modello Net Pool, in cui un produttore sbilanciato, che
non sia cio in grado di immettere nella rete un quantitativo di energia pari a quella a lui richiesta
(dai clienti con un contratto bilaterale o dal GME a chiusura del MGP), deve pagare un prezzo
perch il TSO assolva a questa sua mancanza reperendo per lui lenergia necessaria. Il TSO, a
sua volta, reperir lenergia necessaria contrattandola nel mercato attraverso un processo detto
appunto net pool. Il prezzo pagato dal produttore sbilanciato determinato sulla base del prezzo
al quale il TSO compra lenergia di bilanciamento sul mercato.
Unulteriore differenza poi la presenza di un sistema di Single Price o Dual Price. Nei Paesi che
hanno adottato un sistema Dual Price il prezzo pagato dai produttori corti di energia diverso e
superiore a quello ricevuto dai produttori lunghi, con un meccanismo che assicura un ritorno per il
TSO (e che quindi prevede un ruolo determinante di questo operatore centralizzato) e soprattutto
che risulta incentivare attivamente tutti i produttori a mantenere il bilanciamento.
Laltro modello per il Bilanciamento, utilizzato principalmente dalla Spagna, prevede che tutte le
quantit di energia vengano scambiate nel mercato Mandatory Pool, anche quelle necessarie a
riequilibrare sbilanciamenti nella fornitura, con prezzi che internalizzino questo extra-servizio.
Questo approccio pu ridurre il rischio di entrata di nuovi produttori che operino prevalentemente
nel pi redditizio mercato del bilanciamento, ma anche produrre dei costi totali maggiori rispetto al
net pool, perch non incentiva a minimizzare gli sbilanciamenti della rete.
18
Pagina 18/52
Domande individuali
19
Pagina 19/52
Domande individuali
Capacit di
importazione
(GW)
Italia
Portogallo
80
12
6.0
0.8
% di
importazione
su capacit
installata
8%
8%
Spagna
UK
Irlanda
56
80
5
2.2
2.3
0.3
4%
3%
6%
0%
Stati Baltici
Progetti di
potenziamento interconnessione
(stato corrente)
San Fiorano-Robbia (completo)
Balboa-Sines (completo)
Duroro Internacional (in progress)
Minho (proposto)
Balboa-Sines (completo)
UK-NL DC link (proposto)
second ROI-NI (accettato)
GB-ROI DC link (proposto)
Est link (in progress)
Poland-Lituania (no progress)
Quando gli scambi sono facili in un mercato integrato, la concorrenza a livello comunitario che ne
risulta mantiene i prezzi a livelli simili in tutta l'UE, o per lo meno fra Stati membri o regioni
adiacenti. Questo fenomeno non ancora una realt come mostrano le differenze nei prezzi
dellelettricit nei Paesi dellUE. I prezzi allingrosso hanno per iniziato a mostrare una
convergenza in alcuni paesi limitrofi. Si tratta di primi passi promettenti, ma lo sviluppo dei mercati
regionali, in quanto tappa intermedia prima dellintegrazione definitiva a livello UE, ancora agli
inizi, con l'eccezione costituita dal mercato allingrosso dellelettricit dei Paesi Nordici che risulta
relativamente pi sviluppato.
20
Pagina 20/52
Domande individuali
Gli scambi transfrontalieri dovrebbero naturalmente far aumentare la pressione competitiva nei
mercati nazionali, portando ad un abbassamento dei prezzi, ma attualmente nel mercato interno
dellenergia gli scambi non sono ancora sufficientemente sviluppati. Ad esempio nel 2004 i flussi
transfrontalieri di elettricit si trovavano ad un livello pari al 10,7% circa del consumo totale,
percentuale che rappresenta un aumento di appena 2 punti percentuali circa rispetto al 2000 (89%).
Possiamo quindi concludere che la mancata integrazione dovuta in gran parte al fatto che per
molti Stati membri la capacit di interconnessione disponibile al mercato ancora sostanzialmente
insufficiente a consentire ladeguata integrazione dei mercati nazionali e a permettere alle
importazioni di esercitare una vera pressione competitiva. Su molte frontiere dellUE frequente la
congestione. Va ricordato che gi nel 2002 il Consiglio Europeo di Barcellona aveva adottato
lobiettivo, non ancora realizzato, di una capacit di interconnessione equivalente al 10% almeno
del consumo nazionale per tutti gli Stati membri.
Le strozzature ancora rilevabili nellinfrastruttura elettrica devono essere eliminate e le autorit di
regolamentazione dovranno svolgere in questo senso un ruolo fondamentale affinch ci sia un
quadro normativo stabile che incoraggi gli investimenti.
Un aspetto altrettanto importante rappresentato dalle procedure di pianificazione. A tale
proposito gli Stati membri devono pervenire ad un equilibrio ragionevole, poich nellinteresse
generale assicurare un approvvigionamento energetico sicuro e competitivo ai cittadini europei.
La costruzione di uninfrastruttura prioritaria per lelettricit stata appoggiata nel quadro del nuovo
programma TEN-Energia (TEN-E), e la Commissione ha proposto un aumento significativo del
bilancio ad esso destinato nellambito della nuova prospettiva finanziaria (2007-2013).
Un ultimo aspetto importante rappresentato dalla riserva di capacit a favore dei contratti storici
a lungo termine. In una recente sentenza su un caso riguardante la riserva di capacit nel settore
dellelettricit, la Corte Europea di Giustizia, pur senza mettere in discussione i contratti a lungo
termine, ha comunque dichiarato incompatibile con il principio di non discriminazione un sistema
nel quale ai contratti storici in quanto tali viene conferita la priorit rispetto ad altre richieste di
capacit di interconnessione. Alla luce di questa sentenza necessario che le autorit di
regolamentazione e gli operatori del sistema di trasmissione riconsiderino, in consultazione con le
societ che beneficiano delle riserve, la legalit della prassi corrente in fatto di riserve di capacit
per lelettricit.
21
Pagina 21/52
Domande individuali
Quota
N di
N di
mercato
compagnie
compagnie
cumulata trasmissione distribuzione
dei
3
maggiori
produttori
54%
95%
40%
40%
96%
72%
97%
93%
65%
88%
40%
69%
76%
39%
69%
40%
3
1
2
1
1
4
1
1
1
2
1
1
1
2
1
1
133
27
125
104
166
950
1
1
170
11
150
20
11
15
308
180
Liquidit trading a
Liquidit
trading
scadenza/consumo
spot/consumo totale
totale
3%
42%
42%
3%
11%
21%
4%
42%
12%
6%
92%
42%
450%
450%
64%
43%
450%
37%
16%
210%
450%
Si riscontra inoltre una liquidit relativamente bassa sul mercato, soprattutto nei Mercati spot, a
conferma dellancora predominante ruolo svolto dai contratti bilaterali stipulati con i fornitori storici.
Riportiamo infine una tabella che mostra la presenza incrociata dei maggiori operatori Nazionali
nei Mercati Esteri, come ad esempio E-BEL, EDF e ENDESA, presenza che evidenzia la
possibilit dellinstaurarsi di un oligopolio internazionale
22
Pagina 22/52
Domande individuali
23
Pagina 23/52
Domande individuali
Medie Industrie
29%
20%
>50%
>50%
15%
41%
2%
56%
60%
25%
>50%
16%
>50%
25%
>50%
29%
10%
15%
82%
15%
7%
0%
15%
60%
3%
>50%
16%
>50%
22%
-
Piccole Industrie
Clienti Vincolati
4%
10%
15%
30%
0%
5%
0%
9%
0%
44%
11%
16%
48
19%
29%
In conclusione, con ladozione della seconda direttiva europea sullelettricit ormai dapplicazione
linquadramento di base per lo sviluppo di un vero mercato interno. Spetta ora agli Stati membri
recepire efficacemente la direttiva e far s che il mercato funzioni nella pratica, nello spirito
dellobiettivo comunitario di creare un mercato interno dellenergia funzionante.
Alcuni Stati membri hanno adottato misure complementari per migliorare il funzionamento del
mercato alla luce di particolari condizioni nazionali o regionali,come lunbundling della propriet per
le reti di trasporto, la dismissione di imprese dominanti o la creazione di un mercato regionale
allingrosso. In generale, tuttavia, gli Stati membri tendono ad adottare unimpostazione minimalista
in sede di recepimento delle direttive e a risultare effettivamente liberalizzati sono solo il mercato
UK e il Nord Pool.
24
Pagina 24/52
3. I MODELLI ECONOMETRICI
3.1
Proviamo a modellare la serie dei prezzi medi giornalieri osservati sul Mercato del Giorno Prima
(MGP): i dati sono relativi allintero periodo di funzionamento della Borsa Elettrica, dal 1/04/2004 al
31/03/2006: essi costituiscono dunque un campione di 730 osservazioni.
100
80
60
40
20
0
100
200
300
400
500
600
700
PREZZI
Tale serie dei prezzi medi giornalieri MGP, che la nostra variabile dipendente e che chiameremo
da ora in poi semplicemente PREZZI, mostra qualitativamente un comportamento non stazionario,
non essendo oscillante intorno ad un valor medio costante. Si evidenzia invece la presenza di un
TREND: da chiarire se esso sia di natura deterministica o stocastica (random walk con drift).
Sempre restando ad un livello di analisi qualitativa riportiamo la serie dei pezzi del BRENT (olio di
riferimento del Mare del Nord): anche tale serie mostra carattere di non stazionariet. Esso di
interesse come regressore in quanto potrebbe rappresentare un trend, eventualmente stocastico,
da usare come variabile dipendente al posto di un TREND determinismo puro. Andiamo a valutare
se il carattere di non stazionariet della serie dei prezzi del BRENT imputabile a presenza di
radice unitaria (random walk con drift), come accade per molte serie di dati economici-finanziari.
25
Pagina 25/52
100
80
60
40
20
0
100
200
300
PREZZI
400
500
600
700
BRENT
Effettuando un test Dichey-Fuller si conferma la presenza di radice unitaria per la serie del
BRENT.
Tale risultato anche confermato dal test di cointegrazione realizzato sulle serie PREZZI e
BRENT: esse dunque sono integrate di ordine 1 (I(d), con d=1) ed ammettono una combinazione
lineare stazionaria; il risultato del test robusto per diverse specifiche del modello.
None
Intercept
No Trend
1
1
Linear
Intercept
No Trend
1
1
Linear
Intercept
Trend
1
1
Quadratic
Intercept
Trend
2
2
Tuttavia oltre al BRENT esistono altri possibili regressori di interesse per il nostro modello. Si pu
pensare di utilizzare le serie dei prezzi di altri oli di riferimento, con diverse propriet in quanto a
pesantezza, ovvero densit, e contenuto di zolfo. Abbiamo effettuato un confronto tra il BRENT ed
altri tre tagli petroliferi di riferimento, high sulfur (HSO), low sulfur (LSO) e gasolio, calcolando la
matrice dei coefficienti di correlazione tra tali serie (simmetrica). Lelevato valore dei coefficienti di
correlazione tra prezzi BRENT e le osservazione di tali potenziali regressori giustificano la scelta
di utilizzare solo la serie dei prezzi BRENT.
26
Pagina 26/52
BRENT
HSO
LSO
GASOIL
1.000.000 0.931761 0.932128 0.969414
0.931761 1.000.000 0.974136 0.890414
0.932128 0.974136 1.000.000 0.904032
0.969414 0.890414 0.904032 1.000.000
BRENT
HSO
LSO
GASOIL
Ritornando allanalisi della serie dei prezzi da modellare ne riportiamo di seguito listogramma: il
test Jacque-Bera mostra la normalit di tale serie, con una elevata volatilit (alto valore di
deviazione standard).
80
Series: PREZZI
Sample 1 730
Observations 730
70
60
50
40
30
20
10
0
0.0
12.5
25.0
37.5
50.0
62.5
75.0
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
58.30249
56.21500
96.97000
1.210000
15.34568
-0.016074
2.887330
Jarque-Bera
Probability
0.417557
0.811575
87.5
Per completare una prima analisi della serie da modellare riportiamo anche un grafico delle
funzioni di autocerrelazione (ACF) ed autocorrelazione parziale (PACF). Lanalisi delle ACF e
PACF mostra un carattere autoregressivo, sia per effetto della stagionalit di periodo 7, ovvero
periodicit settimanale, sia per effetto di un carattere autoregressivo puro, come confermato anche
dal test F congiunto Q-stat che evidenzia un ordine minimo di AR pari a 1.
27
Pagina 27/52
Il risultato riportato sopra, di non stazionariet per radice unitaria sulla serie PREZZI cos come
sulla serie BRENT, in realt poco robusto. Unattenta analisi mostra che il carattere di non
stazionariet potrebbe anche essere imputato ad trend deterministico; il test Dichey-Fuller riportato
di seguito porta a concludere il rifiuto dellipotesi nulla di presenza di radice unitaria sulla serie in
livelli (I(0)).
28
Pagina 28/52
t-Statistic
Prob.*
-4.131796
-3.970994
-3.416141
-3.130360
0.0059
Se indichiamo con un coefficiente numerico progressivo i diversi modelli che andremo a costruire
in maniera incrementale possiamo scegliere un parametro, il cui valore osservato e confrontato per
i successivi step di miglioramento del modello sia indicativo della qualit del relativo modello.
Scegliamo di usare come parametro di qualit la radice dellerrore quadratico medio RMSE (Root
Mean Square Error) la cui espressione la seguente:
RMSE =
ut2 =
t =1
(y
t =1
y t ) .
2
Gli errori di previsione presenti in tale espressione ( u t ) sono stati calcolati rispetto a previsioni
statiche effettuate divedendo il campione di 730 dati medi giornalieri in due sottocampioni cos
costruiti:
Le previsioni dunque ed i relativi errori sono stimati su un orizzonte di due mesi circa. In particolare
riportiamo sia un valore di errore (RMSE) per previsioni statiche che dinamiche. Le previsioni
dinamiche mostrano in genere un RMSE maggiore, in quanto non aggiornano linformation set che
resta bloccato sempre allultimo dato del campione di stima; esso invece si aggiusta
progressivamente nelle previsioni statiche, includendo i successivi valori osservati, che ovviamente
sono di volta in volta noti solo laddove effettuiamo come nel nostro caso previsioni in sample. In
ogni caso infatti noi abbiamo effettuato solo previsioni in sample, che sono solo indicative della
performance del modello, e richiedendo una suddivisione del campione presuppongono che non vi
sia a cavallo di tale taglio un regime switching.
Riportiamo dunque un primo modello che presenta una variabile TREND deterministica, indicata
semplicemente con t, di cui si osserva la significativit del relativo coefficiente. Tuttavia, il basso
valore del coefficiente di determinazione della regressione (R2) indica la scarsa capacit di tale
unico regressore di modellare i dati.
29
Pagina 29/52
Mod.1)
PREZZI t = + t + u t
t-Statistic
Prob.
C
@TREND
46.15549
0.033325
45.72197
13.89917
0.0000
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.209715
0.208630
13.65136
135669.8
-2942.926
0.887315
1.009482
0.002398
58.30249
15.34568
8.068291
8.080875
193.1869
0.000000
40
20
-20
-40
-60
100
200
300
400
500
600
700
Mod.2)
PREZZI t = + BRENTt + u t
Con RMSEstatico=22.03.
Unalternativa a considerare i prezzi BRENT, che mostrano anche non stazionariet per radice
unitaria, data dalla possibilit di considerare un regressore rappresentato dal CT. Esso un
parametro costruito tenendo conto delle diverse fonti di energia primarie usate per la generazione
di energia elettrica.
Riportiamo in grafico landamento del CT insieme alla serie PREZZI: esso caratterizza una sorta di
trend a gradini, che proviamo ad usare in alternativa alla serie BRENT anche in virt dellalta
correlazione tra tali due serie.
BRENT
CT
BRENT
1
0.79
CT
0.79
1
300
400
500
100
80
60
40
20
0
100
200
PREZZI
600
700
C T*1 0
31
Pagina 31/52
Mod. 3)
PREZZI t = + CTt + u t
Con RMSEstatico=15.83.
Notiamo a conclusione di tale prima parte di analisi che i tre modelli alternativi finora proposti
mostrano RMSE progressivamente decrescente, ad indicare la crescente performance del
modello.
Sceglieremo dunque il regressore CT per modellare la componente deterministica di trend e
passiamo dunque a considerare gli ulteriori fattori-causa che caratterizzano la dispersione dei dati
in esame.
Una prima ulteriore variabile da introdurre una variabile di tipo Dummy per modellare il diverso
comportamento che i prezzi MGP del mercato elettrico hanno nei giorni infrasettimanali e nei
week-end. Tale variabile la chiamiamo WEEK e la poniamo pari ad 1 nei giorni dei week-end,
ovvero:
week
1
WEEK t = se
0 not week
Mod. 4)
t=1,,T
Con RMSEstatico=11.49.
Di seguito riportiamo il correlogramma dei residui, ovvero della serie detrendizzata con CT ed in
cui il comportamento nei week-end catturato dalla relativa Dummy: in esso osserviamo un
carattere di autocorrelazione che va opportunamente trattato.
32
Pagina 32/52
In particolare si nota una periodicit settimanale, con dei picchi ogni 7 dati, sovrapposta ad un
carattere autoregressivo puro AR(1) con parametro <1 che tende a smorzare i picchi settimanali
nel tempo.
Per isolare il solo carattere AR(1) possiamo eliminare la componente autoregressiva periodica e
mostrare il correlogramma dei residui e un grafico di dispersione.
33
Pagina 33/52
100
90
PREZZI(-1)
80
70
60
50
40
30
20
20
30
40
50
60
70
80
90
100
P R E ZZI
34
Pagina 34/52
Passiamo dunque a modellare tali due comportameti autoregressivi introducendo nel modello una
componente AR(1) ed una componente autoregressiva periodica SAR(7) (SAR = Seasonal Auto
Regressive).
Da tale punto in poi riportiamo per lindicatore di performance RMSE sia il valore calcolato da
previsioni statiche che da previsioni dinamiche.
Mod. 5)
RMSEstatico=6.46
RMSEdinamico=11.71
Mod. 6)
RMSEstatico=4.53
RMSEdinamico=11.24
A tal punto per spiegare lautocorrelazione residua possiamo proporre tre possibili modelli
alternativi:
modello Dummy mensili (Mod. 7)
modello DOMANDA (Mod. 8)
modello FASCE (Mod. 9)
Il modello Dummy mensili (Mod. 7) presenta come regressori una serie di Dummy
che attivano i mesi, a partire dal secondo mese.
Mod. 7)
12
RMSEstatico=4.60
RMSEdinamico=10.21
35
Pagina 35/52
Tuttavia dallestimation output di EViews notiamo che le variabili Dummy sui mesi sono non
significative.
t-Statistic
Prob.
C
@TREND
WEEK
FEBB
MAR
APR
MAG
52.57795
0.033825
-18.59662
0.177994
-1.041753
-2.247210
-2.676383
10.54070
3.877452
-21.59135
0.062899
-0.290942
-0.522340
-0.615865
0.0000
0.0001
0.0000
0.9499
0.7712
0.6016
0.5382
4.988089
0.008723
0.861299
2.829863
3.580621
4.302196
4.345726
36
Pagina 36/52
GIU
LUG
AGO
SET
OTT
NOV
DIC
2.062340
4.053771
-4.465874
-2.573988
0.703085
-6.655660
-5.689063
4.409454
4.314709
4.239154
4.103760
3.890630
3.540966
2.800563
0.467709
0.939524
-1.053482
-0.627227
0.180712
-1.879617
-2.031400
0.6401
0.3478
0.2925
0.5307
0.8566
0.0606
0.0426
Mod. 8)
Coefficient
Std. Error
t-Statistic
Prob.
C
@TREND
DOMANDA
AR(1)
SAR(7)
-23.42646
0.017434
0.001733
0.598141
0.288649
4.163239
0.008465
4.54E-05
0.027645
0.027648
-5.626978
2.059575
38.17367
21.63666
10.44019
0.0000
0.0398
0.0000
0.0000
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.877939
0.877259
5.370503
20708.77
-2238.690
1.957996
58.40131
15.32921
6.206612
6.238309
1291.074
0.000000
37
Pagina 37/52
1
1.5
2.5
4
Mod. 9)
DOM_MEDIA
DOM_VAR
PREZZI
FASCE
WEEK
CT
DOM
1.000
0.982
0.899
0.781
0.735
-0.711
0.283
DOM_MEDIA
0.982
1.000
0.827
0.796
0.749
-0.703
0.262
DOM_VAR
0.899
0.827
1.000
0.681
0.684
-0.743
0.266
PREZZI
0.781
0.796
0.681
1.000
0.595
-0.584
0.515
FASCE
0.735
0.749
0.684
0.595
1.000
-0.717
-0.047
WEEK
-0.711
-0.703
-0.743
-0.584
-0.717
1.000
-0.001
CT
0.283
0.262
0.266
0.515
-0.047
-0.001
1.000
Riportiamo dunque una tabella riassuntiva includente tutti i modelli presi progressivamente in
considerazione, con lindicazione del parametro di qualit RMSE: assumendo tale parametro
valore decrescente indica il progressivo miglioramento di qualit dei modelli.
MODELLO
REGRESSORI
RMSEstatico
RMSEdinamico
Mod.1
TREND
19.75
Mod.2
BRENT
22.03
38
Pagina 38/52
Mod.3
CT
15.83
Mod.4
CT, WEEK
11.49
Mod.5
6.46
11.71
Mod.6
4.53
11.24
Mod.7
4.60
10.21
Mod.8
4.33
11.65
Mod.9
4.91
12.03
Il modello migliore risulta essere il Mod.8, che presenta i pi bassi valori di RMSE. Dunque
riportiamo di seguito le stime dei parametri per tale modello, evidenziandone la significativit.
Dependent Variable: PREZZI
Method: Least Squares
Variable
Coefficient
C
CT
WEEK
DOMANDA
AR(1)
SAR(7)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
Inverted AR Roots
-30.35056
6.254098
-4.913679
0.001434
0.644379
0.344272
0.881585
0.880758
5.296505
20085.92
-2225.069
2.091314
.86
-.19 -.84i
Std. Error
t-Statistic
Prob.
5.297261
1.021024
0.939108
7.05E-05
0.029291
0.035668
-5.729481
6.125317
-5.232283
20.33639
21.99901
9.652112
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
.54 -.67i
-.77 -.37i
58.40960
15.33822
6.180247
6.218325
1066.106
0.000000
.54+.67i
-.77+.37i
Sul tale modello (Mod.8) effettuiamo un Arch test per modellare eventualmente la varianza non
costante della serie.
ARCH Test:
F-statistic
Obs*R-squared
39.19174
37.26926
Probability
Probability
0.000000
0.000000
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/01/06 Time: 10:35
Sample(adjusted): 10 730
Included observations: 721 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
21.53200
2.556215
8.423394
0.0000
39
Pagina 39/52
RESID^2(-1)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.227331
0.051691
0.050372
63.05152
2858381.
-4009.843
2.001834
0.036313
6.260330
0.0000
27.85578
64.70217
11.12855
11.14126
39.19174
0.000000
24
20
16
12
8
4
0
100
200
300
400
500
600
700
Proponiamo dunque il modello aggiornato per laggiunta di un modello per la varianza condizionata
della serie PREZZI, che indichiamo con ht.
Mod. 8bis)
Ristimiamo il modello con varianza non costante modellata secondo un ARCH(1). Effettuando sul
nuovo modello stimato con componente ARCH e GARCH un Arch test si conclude il non rifiuto
dellipotesi nulla di assenza di eteroschedasticit: dunque la varianza non costante stata ben
modellata. In particolare dai risultati dinferenza ottenuti possiamo concludere che il modello pi
esatto per spiegare la varianza non costante della serie PREZZI un modello GARCH(1,1), data
la significativit di entrambi i rispettivi regressori. Non risulta invece significativa la componente
TARCH, che dovrebbe modellare uneventuale asimmetria degli shock.
40
Pagina 40/52
Std. Error
z-Statistic
Prob.
-38.97688
7.775533
-3.792004
0.001422
0.658061
0.399985
4.147752
0.799970
0.624957
4.05E-05
0.029393
0.033231
-9.397110
9.719786
-6.067625
35.13603
22.38828
12.03649
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
4.085949
4.496262
-0.726202
34.97973
0.0000
0.0000
0.4677
0.0000
C
CT
WEEK
DOMANDA
AR(1)
SAR(7)
Variance Equation
C
ARCH(1)
(RESID<0)*ARCH(1)
GARCH(1)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
Inverted AR Roots
1.116392
0.168465
-0.035226
0.811026
0.879463
0.877940
5.358733
20445.81
-2144.624
2.123915
.88
-.20 -.86i
0.273227
0.037468
0.048507
0.023186
.55 -.69i
-.79+.38i
58.40960
15.33822
5.968487
6.031950
577.2130
0.000000
.55+.69i
-.79 -.38i
Il coefficiente della componente ARCH () pari a 0.168: tale valore sufficientemente basso, oltre
che minore di uno, indica la bassa persistenza nel tempo di eventuali shock nei prezzi (short run
persistence).
Il coefficiente della componente GARCH pari a 0.811. La somma + pari a 0.979: esso
indica la persistenza delleffetto di uno shock nel lungo periodo (long run persistence) ed minore
di uno, come deve essere per la condizione di stabilit.
Di seguito riportiamo in grafico le stime effettuate, prima con il modello senza GARCH, poi con
quello aggiornato.
Il primo grafico, effettuato con stime dinamiche, mostra che il modello per le previsioni sottostima i
massimi dei prezzi. Tuttavia le stime sono per lo pi comprese nella banda di previsione costruita
per un livello di fiducia del 5%.
41
Pagina 41/52
100
90
80
70
60
50
40
30
670
690
680
700
710
720
730
DOWN
PREZZIFFINALI
PREZZI
UP
110
100
90
80
70
60
50
40
670
680
690
PREZZI
UP
700
710
720
730
DOWN
PREZZIFFINALISTAT
42
Pagina 42/52
Gli errori di previsione si riducono se si considera un modello con varianza condizionata di tipo
ARCH.
100
90
80
70
60
50
40
30
670
680
690
700
710
720
730
DOWN
PREZZIFARCH
PREZZI
UP
140
120
100
80
60
40
20
670
680
690
PREZZI
UP
700
710
720
730
DOWN
PREZZIFARCHSTAT
43
Pagina 43/52
3.2
Proviamo a modellare la serie dei prezzi orari osservati sul Mercato del Giorno Prima (MGP): i dati
sono relativi allintero periodo di funzionamento della Borsa Elettrica, dal 1/04/2004 al 31/03/2006.
240
200
160
120
80
40
0
5000
10000
15000
P R E ZZI
Tale serie dei prezzi MGP, che la nostra variabile dipendente e che chiameremo da ora in poi
semplicemente PREZZI, mostra qualitativamente un comportamento non stazionario, non essendo
oscillante intorno ad un valor medio costante. Si evidenzia invece la presenza di un TREND: da
chiarire se esso sia di natura deterministica o stocastica (random walk con drift).
Sempre restando ad un livello di analisi qualitativa riportiamo la serie dei pezzi del BRENT (olio di
riferimento del Mare del Nord): anche tale serie mostra carattere di non stazionariet. Esso di
interesse come regressore in quanto potrebbe rappresentare un trend, eventualmente stocastico,
da usare come variabile dipendente al posto di un TREND determinismo puro. Andiamo a valutare
se il carattere di non stazionariet della serie dei prezzi del BRENT imputabile a presenza di
radice unitaria (random walk con drift), come accade per molte serie di dati economici-finanziari.
44
Pagina 44/52
70
60
50
40
30
20
2500
5000
CT
Effettuando un test Dichey-Fuller si conferma la presenza di radice unitaria per la serie del
BRENT.
Tale risultato anche confermato dal test di cointegrazione realizzato sulle serie PREZZI e
BRENT: esse dunque sono integrate di ordine 1 (I(d), con d=1) ed ammettono una combinazione
lineare stazionaria; il risultato del test robusto per diverse specifiche del modello.
Sample: 1 17520
Included observations: 17515
Series: BRENT PREZZI
Lags interval: 1 to 4
Data Trend:
Test Type
Trace
Max-Eig
None
No Intercept
No Trend
1
1
None
Intercept
No Trend
1
1
Linear
Intercept
No Trend
1
1
Linear
Intercept
Trend
1
1
Quadratic
Intercept
Trend
2
2
Ritornando allanalisi della serie dei prezzi da modellare ne riportiamo di seguito listogramma: il
test Jacque-Bera mostra la NON normalit di tale serie, con una elevata volatilit (alto valore di
deviazione std).
45
Pagina 45/52
2000
Series: PREZZI
Sample 1 17520
Observations 17520
1600
1200
800
400
0
20
40
60
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
58.30197
51.66952
199.2685
1.097669
29.22408
1.029133
4.002970
Jarque-Bera
Probability
3826.957
0.000000
La NON simmetria facilmente spiegabile. Infatti come microeconomia insegna nessun produttore
sar disposto a produrre sotto il proprio costo variabile e quindi la serie dei prezzi presenta una
soglia al livello inferiore dipendente proprio dal costo variabile. Dal grafico si evince che il costo
variabile di produzione del parco elettrico italiano intorno ai 30 /MWh. I valori al di sotto di tale
soglia sono imputabili alla gestione dei bilaterali in Regime di Scambio in vigore nel 2004. In
questo periodo la remunerazione dei bilaterali si basava sulle medie dei prezzi nelle fasce e non
sul prezzo orario di borsa. I produttori quindi avevano tutto linteresse di eccedere (essere lunghi)
o di deficere (essere corti) nei bilaterali per ricevere il conguaglio a fine mese. Il prezzo di borsa
veniva per questo meccanismo distorto. Come vedremo in seguito nel nostro modello i dati sono
stati esclusi inserendo una dummy che si attiva per prezzi sotto i 20 . Dal 2005 in poi con la
partenza della domanda attiva questo meccanismo e la conseguente distorsione cessata.
Oltre alla distribuzione dei prezzi, riportiamo nel seguente grafico la serie dei prezzi in relazione
alla serie dei prezzi ritardati (esclusi i week-end). Questo grafico utile per visualizzare i valori
outlier e la grandezza di dispersione dei dati. Come si vede nel nostro caso abbiamo una serie
storica con una dispersione elevata.
46
Pagina 46/52
240
PREZZI_NO_WEEK(-1)
200
160
120
80
40
0
0
40
80
120
160
200
240
PREZZI_NO_WEEK
Lanalisi in frequenza dei prezzi mostra che non ci sono periodicit superiori alla settimana. Oltre il
valore 168 (1 settimana) non ci sono picchi significativi. Lanalisi delle componenti autoregressive
conferma questa conclusione.
Per completare una prima analisi della serie da modellare riportiamo anche un grafico con la
funzione di autocerrelazione (ACF) ed autocorrelazione parziale (PACF). Lanalisi delle ACF e
PACF mostra un carattere autoregressivo, sia per effetto della stagionalit di periodo 1 giorno,
ovvero periodicit settimanale, sia per effetto di un carattere autoregressivo puro, come
confermato anche dal test F congiunto Q-stat che evidenzia un ordine minimo di AR pari a 1.
47
Pagina 47/52
VALUTAZIONE PERFORMANCE
Se indichiamo con un coefficiente numerico progressivo i diversi modelli che andremo a costruire
in maniera incrementale possiamo scegliere un parametro, il cui valore osservato e confrontato per
i successivi step di miglioramento del modello sia indicativo della qualit del relativo modello.
Scegliamo di usare come parametro di qualit la radice dellerrore quadratico medio RMSE (Root
Mean Square Error) la cui espressione la seguente:
48
Pagina 48/52
RMSE =
ut2 =
t =1
(y
t =1
y t ) .
2
Gli errori di previsione presenti in tale espressione ( u t ) sono stati calcolati rispetto a previsioni
statiche effettuate divedendo il campione di 17520 dati orari in due sottocampioni cos costruiti:
1-17000
: campione di stima del modello;
17001-17520
: orizzonte di previsione.
Le previsioni dunque ed i relativi errori sono stimati su un orizzonte di 22 giorni. In particolare
riportiamo sia un valore di errore (RMSE) per previsioni statiche che dinamiche. In ogni caso si
tratta di previsioni in sample, che sono solo indicative della performance del modello, e richiedendo
una suddivisione del campione presuppongono che non vi sia a cavallo di tale taglio un regime
switching.
Il modello di riferimento il seguente
PREZZI t = + dummy _ outlier + AR(1) + u t
Partendo da questo modello di base abbiamo testato i modelli successivi aggiungendo e
arricchendo di volta in volta il modello di base con i regressori indicati in tabella, fino ad arrivare al
seguente modello completo.
dum_outlier
brent
domanda
f1,f2
f1*domanda,f2*domanda
dum_ore_nott
dum_ore_semi
dum_luned
expnet
AR(1), SAR(24), SAR(168)
Di seguito riportiamo una tabella con la sintesi dei modelli e delle performance realizzate sia nel
caso di previsioni Statiche e Dinamiche.
MODELLI
: sigla identificativa del modello
REGRESSORI
: Indica i repressori deterministici del modello in oggetto
COMPONENTI
AUTOREGRESSIVE: Componenti AR e SAR utilizzate
RMSE
: Parametro di valutazione utilizzato
49
Pagina 49/52
MODELLO
DUMMY
REGRESS
ORI
COMPONENTI
AUTOREGRESSIVE
M1
Dummy_out
AR(1)
19,49
34,9
M2
Dummy_out
brent
AR(1)
19,39
31,8
M3
Dummy_out
ct
AR(1)
19,32
30,05
M4
Dummy_out
AR(1)
15,92
18,90
M5
Dummy_out f1 f2
AR(1)
15,90
18,87
ct
domanda
AR(1)
15,77
18,68
ct
domanda
AR(1)
15,73
18,78
ct
domanda
AR(1)
15,66
18,52
ct
domanda
AR(1)
SAR(24)
12,20
16,57
ct
domanda
AR(1)
SAR(24)
SAR(168)
12,16
14,88
ct
domanda
expnet
AR(1)
SAR(24)
SAR(168)
12,17
14,92
M6
M7
M8
M9
M10
M11
Dummy_out
f1 f2 f1*domanda
f2*domanda
Dummy_out
f1 f2 f1*domanda
f2*domanda
dum_ore_nott
dum_ore_semi
Dummy_out
f1 f2 f1*domanda
f2*domanda
dum_ore_nott
dum_ore_semi
dum_lun
Dummy_out
f1 f2 f1*domanda
f2*domanda
dum_ore_nott
dum_ore_semi
dum_lun
Dummy_out
f1 f2
f1*domanda
f2*domanda
dum_ore_nott
dum_ore_semi
dum_lun
Dummy_out
f1 f2
f1*domanda
f2*domanda
dum_ore_nott
dum_ore_semi
dum_lun
ct
domanda
ct
domanda
RMSE
STAT | DIN
50
Pagina 50/52
240
200
160
120
80
40
0
17100
PREZZI
17200
17300
17400
17500
FORECAST
Presentiamo ora i risultati per i 24 modelli orari separati, ognuno costruito con la serie dei prezzi
registrati nei due anni di osservazioni per quellora,
A titolo di esempio riportiamo la valutazione della performance del modello per lora 10,
considerando come orizzonte previsivo 19 giorni,
Anche qui partendo da un modello di base, che tenesse conto solo della componente AR(1),
abbiamo testato i modelli successivi aggiungendo di volta in volta i regressori indicati in tabella,
fino ad arrivare al modello completo che includesse le seguenti componenti:
AR(1)
Domanda
Ct
Week
Dummy_outliers
51
Pagina 51/52
SAR(7)
MA(1)
MODELLO
DUMMY
REGRESS
ORI
COMPONENTI
AUTOREGRESSIVE
M1
AR(1)
38,7
51,5
M2
domanda
AR(1)
23,48
35,7
M3
domanda
brent
AR(1)
22,71
33,34
M4
AR(1)
22,32
28,9
M5
week
AR(1)
21,69
28,3
M6
week
Dummy_out
ct
domanda
AR(1)
21,47
28,02
M7
week
Dummy_out
ct
domanda
AR(1)
SAR(7)
21,46
26,32
M8
Week
Dummy_out
ct
domanda
AR(1)
SAR(7)
MA(1)
21,98
26,16
M9
Week
Dummy_out
ct
domanda
AR(1)
SAR(7)
MA(1)
AR CROSS(1,,,,9)
27,35
29,57
domanda
ct
ct
domanda
RMSE
STAT | DIN
Presentiamo infine il modello cross ARMA in cui il prezzo di ciascuna ora spiegato oltre che dai
regressori del modello precedente anche dalla componente autoregressiva incrociata, Ci significa
che mettiamo in relazione lora in questione con i prezzi delle ore precedenti della stessa giornata,
La componente AR(1) continua invece a cogliere la relazione tra il prezzo allora 10 del giorno al
tempo t e quella al tempo t-1, Da qui il termine di modello cross, Dai risultati della stima eseguita
per lora 10 e riportati nella tabella seguente si nota la non significativit di molti regressori cross se
considerati sin dalla prima ora del giorno t, Nella tabella sucessiva si nota invece come il modelli
migliori se i termini cross vengono arrestati a 2 ore prima, Dalla stinma di tutti i modelli cross si
evidenziano correlazioni tra ore allinterno dello stesso blocco, Nel caso dellora 10 evidente che
la correlazione diventa insignificante non appena si considerano le ore notturne (1-7), Infine
notiamo come il regressore ct non sia significativo, Questo perch il prezzo dellora 10, essendo
questa unora di punta, indipendente dal valore del ct ed influenzata per lo pi dalla domanda
energetica,
52
Pagina 52/52
240
200
160
120
80
40
700
705
710
715
PREZZI10
720
725
730
PREZZI10F
240
200
160
120
80
40
700
705
710
715
SER10F_CROSS
720
725
730
SER10
53
Pagina 53/52
Variable
Coefficient
Std, Error
t-Statistic
Prob,
-13,62740
9,706109
-1,404003
0,1608
DOMANDA1(10)/1000
1,001132
0,144144
6,945378
0,0000
CT1
0,163187
0,196160
0,831904
0,4058
WEEK1
-5,312128
1,772993
-2,996136
0,0028
DUMMY_OUT
-8,040883
5,386152
-1,492881
0,1359
SER02
0,075510
0,124914
0,604493
0,5457
SER03
0,181894
0,190610
0,954274
0,3403
SER04
0,058760
0,203292
0,289043
0,7726
SER05
-0,652322
0,190622
-3,422074
0,0007
SER06
0,232112
0,117839
1,969742
0,0493
SER07
-0,139221
0,076981
-1,808510
0,0710
SER08
0,243140
0,048200
5,044422
0,0000
SER09
0,641469
0,041084
15,61361
0,0000
AR(1)
0,715670
0,050049
14,29953
0,0000
SAR(7)
0,349486
0,037340
9,359635
0,0000
MA(1)
-0,280124
0,068350
-4,098388
0,0000
Variable
Coefficient
Std, Error
t-Statistic
Prob,
-16,37041
9,662586
-1,694206
0,0907
DOMANDA1(10)/1000
1,030638
0,143975
7,158460
0,0000
CT1
0,138236
0,191311
0,722570
0,4702
WEEK1
-6,013526
1,724754
-3,486600
0,0005
DUMMY_OUT
-5,980401
5,237290
-1,141888
0,2539
SER09
0,596664
0,039708
15,02638
0,0000
SER08
0,214313
0,046803
4,579076
0,0000
AR(1)
0,725394
0,048929
14,82548
0,0000
SAR(7)
0,334525
0,037268
8,976270
0,0000
MA(1)
-0,297133
0,067369
-4,410500
0,0000
54
Pagina 54/52
-20
0
331
298
265
232
199
166
133
Pagina 55/52
769
737
705
673
641
609
577
545
513
760
727
694
661
628
595
562
529
20
481
40
496
60
449
80
463
ORA 6
417
-140
430
-120
385
-100
397
-80
353
-60
364
-40
321
289
257
225
193
161
129
67
34
100
-20
97
65
33
Ora 1
80
60
40
20
-40
-60
-80
-100
-120
-140
55