Mean-reverting for a dream

: using stochastic and GARCH-based forecasting to detect and exploit electricity market inefficiencies in the German spot market

Resumo

Esta dissertação desenvolve e avalia um modelo híbrido de previsão que combina um processo de reversão à média de Ornstein-Uhlenbeck (OU) com uma especificação de volatilidade Exponential Generalized Autoregressive Conditional Heteroskedasticity (EGARCH), aplicado à previsão dos preços spot de eletricidade no mercado alemão para o dia seguinte entre 2015 e 2025. O modelo enfrenta três desafios principais: a não-estacionariedade decorrente de transformações estruturais, a limitada transparência dos dados fundamentais e a necessidade de métricas economicamente relevantes. Para tal, capta características centrais do mercado - reversão à média, sazonalidade, aglomeração de volatilidade e respostas assimétricas a choques - utilizando exclusivamente dados históricos de preços. As previsões fora da amostra, em horizontes de 20, 30, 60 e 90 dias, são comparadas com os futuros de mercado e com uma média histórica ingênua, avaliadas através de métricas estatísticas (MAE, RMSE, MAPE, precisão direcional) e medidas económicas (índice de Sharpe e retornos de estratégia). Os resultados mostram que o modelo, sobretudo sob a distribuição de erro generalizada (GED), supera significativamente os futuros de mercado em horizontes curtos a médios, gerando retornos positivos (e.g., EUR 2.371 em 30 dias) com elevados índices de Sharpe (1,15) e taxas de sucesso até 90%. Simulações de Monte Carlo e intervalos de confiança bootstrap confirmam a robustez, ainda que o desempenho enfraqueça em regimes de baixa volatilidade. A dissertação contribui para a literatura ao integrar dinâmicas de reversão à média com volatilidade assimétrica, demonstrando valor económico através de uma estratégia de negociação baseada em previsões.

Data de atribuição	17 out. 2025
Idioma original	English
Instituição de premiação	Universidade Católica Portuguesa
Supervisor	Alberto Manconi (Supervisor)