METODI QUANTITATIVI PER LA PREVISIONE SUI MERCATI DELL ENERGIA ELETTRICA E DEL GAS Padova, 5 e 6 Aprile In ogni settore economico la capacità di prevedere le tendenze del mercato rappresenta una chiave essenziale per il successo di qualsiasi attività economica. Questo è maggiormente vero nel settore energetico, in cui alle tradizionali incertezze legate alle dinamiche di domanda e offerta ad oggi si aggiungono le volatilità tipiche dei mercati finanziari. In aggiunta, negli ultimi anni, la mole di dati a disposizione e la frequenza con cui questi dati si aggiornano impone agli operatori del mercato energetico di implementare metodologie di elaborazione, sintesi ed estrapolazione del dato sempre più efficaci e capaci di supportare adeguatamente il processo decisionale. Il corso ha proprio l obiettivo di trasmettere ai partecipanti l essenza delle metodologie più avanzate e recenti in materia di previsione e classificazione. Una vasta rivisitazione teorica è accompagnata, come da tradizione dei corsi di formazione Phinergy, dalla presentazione e discussione di esempi e casi di business tipici del mercato energetico di riferimento. Elementi di implementazione e programmazione completano l offerta formativa. Il corso è rivolto a traders, analisti quantitativi, analisti fondamentali e risk managers operanti nel settore. Info e registrazione su
PROGRAMMA Prima Giornata 9.00 Welcome & Registration 9.00-9.30 9.30 ELEMENTI INTRODUTTIVI 9.30-13.00 Definizioni, terminologia Obiettivi della previsione (e della simulazione) Serie storiche e loro proprietà fondamentali Pulizia delle serie: metodi di destagionalizzazione 13.00 Pranzo Libero 13.00-14.00 14.00 MODELLI STATISTICI 14.00-17.30 Modelli per serie continue (RL, ARMAX, GARCH): Definizione, Identificazione, Stima, Inferenza, Previsione (puntuale ed intervallare) Business cases: stima dei consumi di un insieme di POD, stima del fabbisogno di energia elettrica Option pricing nei mercati energetici Modelli per serie binarie (Catene di Markov, GLM, BAR): Definizione, Identificazione, Stima, Inferenza, Previsione (della probabilità) Business cases: segno zonale, spread tra mercati infragiornalieri
PROGRAMMA Seconda Giornata 9.00 Welcome & Registration 9.00-9.30 MACHINE LEARNING - 1 9.30 9.30-13.00 Introduzione agli algoritmi di Machine Learning Reti Neurali Support Vector Regression Alberi di Classificazione e Regressione 13.00 Pranzo Libero 13.00-14.00 14.00 MACHINE LEARNING - 2 14.00-17.30 Business case: previsione del prezzo PUN tramite reti neurali Business case: modelli di previsione fondamentale e SVR Business case: previsione dello spread tra mercati infragiornalieri con alberi di regressione
DOCENTI Enrico Edoli Amministratore Delegato, Ha una laurea in Matematica e un Dottorato di Ricerca in Finanza Matematica. Otto anni di esperienza nel settore Energy Trading e Risk Management ricoprendo ruoli di Analista Quantitativo sia a supporto delle funzioni di Risk Management che di Trading in realtà di primo livello in Italia e in Europa. Da 4 anni svolge attività di consulenza nel settore. Svariate pubblicazioni scientifiche internazionali nel settore Energy Finance tra cui due libri pubblicati tra il 2011 e il 2016. Marco Gallana Analista Quantitativo, Lavora in Phinergy da 3 anni come Analista Quantitativo. Coadiuva la fase di progettazione dei prodotti e ne segue gli sviluppi. Ha una laurea in Matematica con tesi svolta in azienda dal titolo Intra-Day Power Trading on EPEX Spot using stochastic control and statistics of stochastic processes. Valeria Giusto Analista Quantitativa, Lavora in Phinergy da 2 anni come Analista Quantitativa. Coadiuva la fase di progettazione dei prodotti e ne segue gli sviluppi. Ha una laurea in Matematica con tesi svolta in azienda dal titolo Prezzo d indifferenza per l utilità per contratti strutturati nel mercato energetico: un applicazione ai contratti swing con simulazioni.