Inhalt

Zur Prognose oder Simulation von Last, Preisen und anderen dem Zufall unterliegenden Größen ist eine statistische Modellierung Voraussetzung. Ziel des Seminars ist die anwendungsorientierte Modellierung verschiedener Energiedaten. Methoden aus Statistik und Ökonometrie werden eingesetzt, um ausgehend von einem Datensatz brauchbare Modelle zu entwickeln.
Wir modellieren Abhängigkeiten, z.B. Last/Temperatur, schätzen die Modellparameter und analysieren die Qualität und Prognosekraft der Modelle. Außerdem modellieren wir Zeitreihen wie Temperatur, Last und Spotpreise. Solche Modelle können verwendet werden, um im Rahmen einer Monte-Carlo-Simulation Szenarien der zukünftigen Entwicklung für Profit-at-Risk oder Pricing zu generieren. Im Zentrum stehen dabei zunächst die Saisonalitäten, aber auch Aspekte der Stochastik wie Mean-Reversion und GARCH-Effekte.

Themen

Formulierung und Parametrisierung eines Modells Einflussgrößen berücksichtigen lineare Regression kleinste Quadrate Standarderrors Maximum Likelihood MLE mit Excels Solver Prognosen Mean-Reversion Residualanalyse Autokorrelation Temperaturmodell Lastmodell stochastische Volatility und GARCH Gas- und Strom-Spotpreise Saisonalitäten in Last und Preisen Likelihood-Ratio Tests

Zielgruppe

Risikomanagement, Handel, Analyse, Portfoliomanagement, Beschaffung, Vertrieb oder andere Interessierte aus dem Bereich der Energiewirtschaft gute Excel-Fertigkeiten werden vorausgesetzt.

Format

100% Excel-Workshop viel Interaktivität und Individualität Excel-Sheets unter Anleitung selbst gestalten Beispielaufgaben lösen Fachliche Inhalte lernen Excel-Fähigkeiten erweitern Praxistaugliche Excel-Sheets mitnehmen.

Hinweise zur Technik

Im Seminar steht Ihnen ein Notebook mit Office 2016 (deutsch) zur Verfügung. Falls Sie jedoch Ihren eigenen Computer mitbringen, können Sie ohne Probleme auch eine andere Excel-Version verwenden. Bitte dann sicherstellen, dass Excel’s Solver installiert ist.