Geração de curvas de preço de energia elétrica através da simulação de Monte Carlo do movimento Browniano geométrico ajustado pelo modelo de Merton

Abstract

Os estudos de políticas de risco e estratégias de comercialização de energia requerem, como ponto de partida, o conhecimento da dinâmica do mercado, de indicadores que compõem uma política de risco e da modelagem das variáveis aleatórias que produzem incerteza sobre a receita de um agente que comercializa energia. Esta dissertação apresenta o processo decisório em um problema de contratação, considerando métricas de downside risk cujo foco é a análise da simulação de Monte Carlo do Movimento Browniano Geométrico (MBG) ajustado pelo Modelo de Merton. Essa modelagem é interessante devido à representação estocástica inerente ao MBG em que a taxa de retorno de um ativo é constituída por uma componente determinística e uma componente estocástica, que representa o risco de mercado e segue o processo estocástico (Movimento Browniano). Por sua vez, o modelo de Merton, introduz descontinuidades, ao processo do MBG, os quais simbolizam a ocorrência de eventos inesperados ou alterações abruptas no mercado. Como resultado, os agentes do mercado de energia brasileiro podem obter uma representação mais realista da distribuição dos preços futuros, incluindo tanto os preços de mercado quanto os de fundamento, levando em conta a possibilidade de eventos extremos e a assimetria observada nos retornos. A validação do modelo é dada nos produtos mensais no submercado Sudeste/Centro-Oeste com fonte de energia convencional, entre outubro de 2021 e dezembro de 2021, utilizando-se como referência uma data base de setembro de 2021. A obtenção dos parâmetros de entrada para o modelo foi realizada mediante a análise dos históricos de nove meses de prospecções dos PLDs, utilizando execuções dos decks oficiais de NEWAVE e DECOMP da CCEE, abrangendo o período de janeiro a setembro de 2021. Como resultado, as distribuições dos 2000 cenários de preços obtidos para os períodos em questão exibem uma aderência significativa do modelo à geração de séries estocásticas. A comparação dessas distribuições com os Preços de Liquidação de Diferenças observados para cada período correspondente revela a capacidade do modelo em capturar a dinâmica do comportamento dos preços, consolidando-se como uma ferramenta analítica robusta para abordagens fundamentalistas.

Abstract: Studies in risk policy and energy trading strategies require, as a starting point, an understanding of market dynamics, the indicators that comprise a risk policy, and the modeling of random variables that generate uncertainty about the revenue of an energy trading agent. This dissertation presents the decision-making process in a contracting problem, considering downside risk metrics focused on analyzing the Monte Carlo simulation of the Geometric Brownian Motion (GBM) adjusted by the Merton Model. This modeling is of interest due to the inherent stochastic representation in the GBM, where an asset's rate of return consists of a deterministic component and a stochastic component, representing market risk and following a stochastic process (Brownian Motion). The Merton model introduces discontinuities into the GBM process, symbolizing unexpected events or abrupt market changes. As a result, agents in the Brazilian energy market can obtain a more realistic representation of the future price distribution, considering the possibility of extreme events and the observed asymmetry in returns. The model's validation is given in the monthly products in the Southeast/Central-West submarket with conventional energy sources from October 2021 to December 2021, using a base date of September 2021. The acquisition of input parameters for the model was carried out by analyzing historical prospecting data, utilizing runs of the official NEWAVE and DECOMP decks from CCEE, covering the period from January to September 2021. As a result, the price distributions obtained for the periods in question exhibit significant adherence of the model to the generation of stochastic series. Comparing these distributions with the observed spot prices for each corresponding period reveals the model's ability to capture the dynamics of price behavior, establishing itself as a robust analytical tool for fundamentalist approaches.