In diesem Beitrag wird ein Ansatz zur Prognose der Zufallsverteilung von Abrechnungspreisen für Strom im Folgemonat vorgestellt. Das eigentliche Ziel ist ein Theorietest zur Preisbildung für Stromfutures. Die begrenzte Speicherfähigkeit von elektrischem Strom schränkt die Arbitrage zwischen Futures mit verschiedenen Fälligkeiten, bzw. Future- und Spotmarkt stark ein. Damit entfallen übliche Cost-of-Carry-Ansätze zur Bepreisung. Tatsächlich zeigen sich deutliche Prämien bspw. im Preis für Futures kurz vor Fälligkeit gegenüber dem zugrundeliegenden Index. In der Literatur wurde theoretisch ein Zusammenhang zwischen dieser Prämie und der Varianz, bzw. der Verteilung des underlying hergeleitet. Die empirische Überprüfung dieser Theorie erfordert eine Quantifizierung der von den Marktteilnehmern ex-ante erwarteten Preisverteilung. Wir generieren eine Näherung für die Markterwartung durch ein mehrstufiges Verfahren. Anhand von Zeitreihenmodellen und nicht-parametrischen Regressionen schätzen wir zuerst ein Day-Ahead Prognosemodell. Anschließend generieren wir eine Vielzahl möglicher Prognosen durch zufälliges Ziehen möglicher Realisationen der exogenen Variablen (bspw. Wetter) für einen ganzen Monat im Voraus. Hierdurch erhalten wir eine Verteilung der möglichen Day-Ahead-Preise im Folgemonat. Diese Verteilung nutzen wir anschließend für den Theorietest. Im Kontrast zu vielen vorangehenden Studien welche die ex-ante Natur der Prämie ignorieren finden wir keinen Zusammenhang zwischen der Prämie und der Verteilung des underlying.
Die Arbeit von Jan Geiger und Nikolas Wölfing entstand am Zentrum für Europäische Wirtschaftsforschung (ZEW) in Mannheim. Jan Geiger studierte Mathematik und Volkswirtschaftslehre an der Universität Heidelberg und ist mittlerweile im Trading-Talents-Programm der EnBW. Dr. Nikolas Wölfing arbeitet als Wissenschaftler im Forschungsbereich Umwelt- und Ressourcenökonomik des ZEW und ist dort verantwortlich für den Forschungsschwerpunkt Energiewirtschaft.