Electricity Market Predictability: Virtues of Machine Learning and Links to the Macroeconomy
创建于 更新于
摘要
本报告基于新加坡电力市场详细的利益相关者级数据，系统比较了15种机器学习模型及4种集成方法的价格预测表现，验证了机器学习在非线性捕捉、高维复杂性处理和弱因子环境中正则化技术的优势。研究揭示了新加坡电力市场的预测性行为与宏观经济周期和地缘政治风险密切相关，且预测性能在扩张期和市场波动期表现突出。通过特征重要性分析，强调了宏观经济与市场内部变量的交互作用在价格形成中的关键作用，显示市场以供应侧及监管因素驱动为主。预测结果在均值-方差框架下能带来显著经济效益，且新提出的加权集成方法有效提升了预测稳定性和准确性，为电力市场管理及政策制定提供了实证支持和量化工具[page::0][page::2][page::4][page::5][page::6][page::31][page::37][page::40][page::43][page::44][page::45].
