A specific features of European energy exchanges – the long-term statistical analysis of spot prices
P. Lorek 1  
 
More details
Hide details
1
Uniwersytet Ekonomiczny w Katowicach, Wydział Ekonomii, Katowice
 
Polityka Energetyczna – Energy Policy Journal 2015;18(2):29–41
 
KEYWORDS
ABSTRACT
Acceleration of markets globalization, deregulation and liberalisation of business activity of enterprises, decentralisation of the management structures lead to increased competition on the market, where the quality of service and price of products is extremely important. Availability and the price of energy dtermines in a large scale the functioning and competitive position of the economy. The energy markets in european countries are rapidly evolving. In some countries 80% of energy volume is sold via energy exchanges. The energy exchanges are not used only by manufacturers and distributors, but also the distribution companies and wholesale customers. The importance of this form of market organisation is steadily growing. The development of European energy system has now reached the status of regional integration. This trend is part of the current European power sector development strategy that aim to create a single pan-European system. In this situation, it seems important to acquire as much information about the characteristics of the energy exchanges as possible. The article attempts to identify the characteristics of following energy exchanges: Nord Pool, Energy Exchange Austria, OMI-Polo Español and Towarowa Giełda Energii. Survey covers electricity prices from the period 1.01.2007–31.12.2013. In order to determine the characteristics of each of the exchanges, the following experiments were conducted: time plots analysis, the study of statistical distributions, spectral analysis, partial autocorrelation test, analysis and interpretation of recurrence plots. Collected in this way the results of the experiments are used to determine the homogeneous or heterogeneous nature of the examined European energy exchanges. The article is summarized by conclusions of the study.
METADATA IN OTHER LANGUAGES:
Polish
Specyficzne cechy europejskich giełd energii – statystyczna analiza cen spot w ujęciu długoterminowym
giełdy energii, analiza statystyczna, zależności długoterminowe, rynek energii
Giełdowy rynek energii elektrycznej nabiera coraz większego znaczenia jako płaszczyzna obrotu energią elektryczną. W niektórych krajach 80% energii elektrycznej jest sprzedawane na tym rynku. W wielu państwach udział tego rynku w całkowitym wolumenie sprzedawanej energii systematycznie rośnie. W opisanej sytuacji ważne wydaje się pozyskanie jak największej ilości informacji dotyczących cech charakterystycznych rynków giełdowych energii elektrycznej. W artykule zostanie podjęta próba ustalenia charakterystycznych cech statystycznych szeregów cen spot energii elektrycznej. W tym celu zostały użyte takie metody jak: analiza widmowa, badanie rozkładu statystycznego, wyznaczanie autokorelacji cząstkowych oraz wykresy rekurencyjne. Dane dotyczące wymienionych analiz odnoszą się do skandynawskiej giełdy Nord Pool, austriackiej giełdy Energy Exchange Austria (EXAA), hiszpańskiej OMI-Polo Español (OMIE) oraz polskiej Towarowej Giełdy Energii (TGE).
 
REFERENCES (11)
1.
Chen, W.S. 2010. Use of recurrence plot and recurrence quantification analysis in Taiwan unemployment rate time series. Physica A: Statistical Mechanics and its Applications t. 390, z. 7, Elsevier, s. 1332–1342.
 
2.
Guhathakutra i in. 2010 – Guhathakutra, K., Bhattacharya, B. i Chowdhury, A. 2010. Using recurrence plot analysis to distinguish between endogenous and exogenous stock market crashes. Physica A: Statistical Mechanics and its Applications t. 389, z. 9, Elsevier, s. 1847–1882.
 
3.
Kantz, H. i Schreiber, T. 2004. Nonlinear time series analysis. Wyd. 2. Cambridge University Press. New York.
 
4.
Kwoka, J. i Sabodash, V. 2011. Price Spikes in Energy Markets: „Business by Usual Methods” or Strategic Withholding? Review of Industrial Optimization t. 38, z. 3, Springer, s. 285–310.
 
5.
Malko, J. 2013. Ceny energii: zmienność i przewidywalność. Case study – energia elektryczna w Europie. Polityka Energetyczna – Energy Policy Journal t. 16, z. 3, s. 7–23.
 
6.
Marwan i in. 2007 – Marwan, N., Romano, M.C., Thiel, M. i Kurths, J. 2007 Recurrence plots for the analysis of complex systems. Physics Report t. 438, z. 5–6, Elsevier, s. 237–329.
 
7.
Marwan, N. 2008 A historical review of recurrence plots. The European Physical Journal. Special Topics. t. 164, z. 1, Springer, s. 3–12.
 
8.
Meko, D. 2014. Autocorrelation, [Online] Dostępne w: www.ltrr.arizona.edu/~dmeko/ [Dostęp: 24.03.2014].
 
9.
Motowidlak, T. – Koszty osierocone w sektorze energetycznym Unii Europejskiej. Polityka Energetyczna – Energy Policy Journal t. 10, z. 2, s. 31–52.
 
10.
Shrivastava i in. 2014 – Shrivastava, N.A., Panigrahi, B.K. i Lim, M.-H. 2014. Electricity price classification using extreme learning machines. Neural Computing & Applications. Springer. London.
 
11.
VRA, 2014 – [Online] Dostępne w: Visual-recurrence-analysis.software.informer.com [Dostęp: 13.04.2014].
 
ISSN:1429-6675