Μοντέλα πιθανοκρατικής πρόβλεψης ενδο-ημερήσιων τιμών φυσικού αερίου στον κόμβο TTF και αξιολόγηση απόδοσης μέσω PnL

Abstract

Η παρούσα διπλωματική εργασία διερευνά το θεμελιώδες ερώτημα αν τα σύγχρονα μοντέλα μηχανικής μάθησης και βαθιάς μάθησης μπορούν να ξεπεράσουν την απλή υπόθεση επιμονής στην πρόβλεψη τιμών φυσικού αερίου TTF σε εξαιρετικά βραχυπρόθεσμους ορίζοντες (10-60 λεπτά), και αν οι πιθανοτικές προβλέψεις προσφέρουν πρακτική αξία για τη διαχείριση κινδύνου και συναλλακτικές εφαρμογές. Εξετάζεται επίσης αν η γεωπολιτική αστάθεια του 2025 δημιούργησε αξιοποιήσιμα προβλέψιμα πρότυπα στην αγορά. Αναλύθηκαν 147.983 ενδοσυνεδριακές τιμές επιπέδου λεπτού από το 2025 με 8 μοντέλα πρόβλεψης: Naive Persistence, Ridge Regression, Random Forest, Quantile Gradient Boosting, SVR, XGBoost, LSTM και QRNN. Μέσω κατασκευής χαρακτηριστικών δημιουργήθηκαν 77 μεταβλητές εισόδου, συμπεριλαμβανομένων χρονικών υστερημάτων (lagged values), κυλιόμενων στατιστικών (rolling statistics) και τεχνικών δεικτών (technical indicators). Η αξιολόγηση περιλάμβανε στατικό διαχωρισμό και επανεκπαίδευση με κυλιόμενο παράθυρο (rolling window), με πιθανοτικές μετρικές (CRPS, διαστήματα πρόβλεψης) και προσομοίωση συναλλαγών. Τα κύρια ευρήματα επικυρώνουν την Υπόθεση Αποτελεσματικών Αγορών (Efficient Market Hypothesis) με εντυπωσιακό τρόπο. Το απλό μοντέλο επιμονής ξεπερνά όλα τα σύνθετα μοντέλα (Μέσο Απόλυτο Σφάλμα - MAE €0,0554 έναντι €0,0571-€2,98), με τον συντελεστή αυτοσυσχέτισης ρ₁=0,9996 να υποδηλώνει συμπεριφορά τυχαίου περιπάτου (random walk). Παρά την αδυναμία υπέρβασής του στις σημειακές προβλέψεις, τα πιθανοτικά μοντέλα αποδείχθηκαν πολύτιμα για την ποσοτικοποίηση της αβεβαιότητας, με το SVR να επιτυγχάνει καλά βαθμονομημένα διαστήματα πρόβλεψης (κάλυψη 92,94%) και συνολική πιθανοτική βαθμολογία CRPS €0,1629. Η αξιολόγηση με κυλιόμενο παράθυρο βελτίωσε δραματικά την απόδοση των δεντροειδών μοντέλων – tree based models (72-73%) αλλά δεν κατάφεραν να ξεπεράσουν το baseline. Όλες οι στρατηγικές συναλλαγών αποδείχθηκαν ζημιογόνες μετά τα κόστη συναλλαγών (αρνητικοί δείκτες Sharpe, ποσοστά επιτυχίας ∼40%), επιβεβαιώνοντας ότι το χαμηλό σφάλμα πρόβλεψης δεν μεταφράζεται σε κερδοφορία στις αποτελεσματικές αγορές. Η εργασία συνεισφέρει επιστημονική επικύρωση της Υπόθεσης Αποτελεσματικών Αγορών σε δεδομένα υπερυψηλής συχνότητας κατά ακραία γεγονότα, ολοκληρωμένο πλαίσιο αξιολόγησης με πιθανοτικές μετρικές και οικονομική προσομοίωση, και τεκμηρίωση ότι τα "αρνητικά αποτελέσματα" έχουν θεωρητική αξία. Οι πρακτικές εφαρμογές αφορούν στον ρεαλιστικό σχεδιασμό συστημάτων πρόβλεψης σε ρευστές αγορές ενέργειας, στη χρήση πιθανοτικών προβλέψεων για διαχείριση κινδύνου αντί συναλλαγών ατεύθυνσης, και σε κατευθυντήριες γραμμές αναφοράς για μελλοντική έρευνα. Το κεντρικό συμπέρασμα υπογραμμίζει: "η αγορά είναι πιο έξυπνη από τα μοντέλα μας - και αυτό ακριβώς προβλέπει η θεωρία".