{pt_PT=Managing Price Risk for Energy Commodities: A Gas Combined Cycle Power Plant Case} {} EVALUATED

Detalhes: {pt=O objetivo principal é comparar diferentes estratégias de proteção (hedge), com o objetivo de aprimorar a lucratividade de uma planta energética de gás natural, ao mesmo tempo em que mitiga o risco de preço. Foi estabelecida uma usina teórica de gás natural com uma eficiência de 55% e uma emissão de carbono de 370 g 〖CO〗_2/kWh. Foram testadas cinco estratégias distintas de proteção (hedge), e, entre essas, duas estratégias (S1 e S2) estavam centradas na negociação no mercado à vista, enquanto as três estratégias restantes (S3, S4 e S5) foram projetadas para operar no mercado de futuros. Uma simulação de Monte Carlo foi elaborada, e essa simulação forneceu métricas essenciais, incluindo a média, desvio padrão, VaR e CVaR do indicador chamado clean spark spread (CSS) A seleção da estratégia ótima foi feita dividindo o conjunto de dados em dois segmentos distintos (período de treinamento e teste) e foi alinhada com diferentes perfis de risco. Esses perfis incluíam dois perfis avessos ao risco (A e B), um perfil buscador de risco (C) e um perfil D que buscava um equilíbrio entre risco e retorno como critério de escolha. Os resultados indicaram uma vantagem significativa das estratégias que empregam futuros em relação às que dependem da negociação no mercado à vista. Notavelmente, as estratégias 4 (futuros trimestrais) e 5 (futuros anuais) emergiram como desempenhos sólidos, alinhando-se com as descobertas discutidas no estado da arte. Como futuras pesquisas, imaginamos a aplicação dessa metodologia em um contexto prático para validar os resultados. , en=The objective is to compare different hedging strategies, aiming to enhance a natural gas power plant's profitability while concurrently mitigating price risk. A theoretical natural gas plant was established with an impressive 55% efficiency and a minimal carbon footprint of 370 g 〖CO〗_2/kWh in terms of carbon dioxide emissions. Five distinct hedging strategies were tested, and, among these, two strategies (S1 and S2) were centred around trading within the spot market, while the remaining three strategies (S3, S4 and S5) were designed to operate within the futures market. A Monte Carlo simulation was crafted, and this simulation yielded essential metrics, including the mean, standard deviation, value at risk (VaR), and conditional value at risk (CVaR) of the clean spark spread (CSS). The selection of the optimal strategy was done dividing the dataset into two distinct segments (training and test period) and was aligned with distinct risk profiles. These encompassed two risk-averse profiles (A and B), a risk-seeking profile (C), and a D profile that sought a balanced equilibrium between risk and return as the choice criterion. The results indicated the significant advantage of strategies employing futures over those relying on spot trading. Notably, strategy 4 (quarterly futures) and 5 (yearly futures) emerged as robust performers, aligning with the findings discussed in the state-of-the-art review. As a prospect for future research, we envision the application of this methodology in a practical, real-world context to validate results. Additionally, exploring alternative ways for strategy selection will be a valuable avenue for further investigation. }

Discussão: novembro 30, 2023, 14:30

Orientação

AUTOR

João Victor Cardoso Saraiva (ist1101752)

ORIENTADOR

Guilherme Frederico Bernardo Lenz e Silva

USP

Professor Catedratico

ORIENTADOR

António Manuel da Nave Quintino

Departamento de Engenharia e Gestão (DEG)

Professor Auxiliar Convidado