Orderbook Feature Learning and Asymmetric Generalization in Intraday Electricity Markets
创建于 更新于
摘要
本论文针对欧洲电力日内市场价格的概率预测问题，提出从orderbook中提取384个特征，结合LASSO量化回归实现特征筛选。评估多类传统统计模型、树模型及深度学习模型在德国与奥地利两个国家及两种产品（60分钟和15分钟）上的表现，发现深度学习模型整体优于其他模型。核心贡献还包括跨国家和跨产品类型的泛化能力研究，发现泛化存在明显的非对称性：从流动性较高的市场（如德国）训练的模型能较好泛化到流动性较低市场（如奥地利），反之则性能大幅下降，揭示了流动性对模型泛化的关键影响。[page::0][page::1][page::4][page::5][page::6]
