DC FieldValueLanguage
dc.contributor.advisorScherrer, Wolfgang-
dc.contributor.authorLaaber, Tina-
dc.date.accessioned2020-06-30T20:43:17Z-
dc.date.issued2010-
dc.date.submitted2010-06-
dc.identifier.urihttps://resolver.obvsg.at/urn:nbn:at:at-ubtuw:1-33983-
dc.identifier.urihttp://hdl.handle.net/20.500.12708/14121-
dc.descriptionAbweichender Titel laut Übersetzung der Verfasserin/des Verfassers-
dc.description.abstractIn dieser Arbeit geht es um die Prognose von Stromspotpreisen an der European Energy Exchange, die im Allgemeinen eine sehr komplexe und nicht leicht prognostizierbare Struktur haben. Die Datengrundlage wurde dabei in Zusammenarbeit mit der e&t Energie Handelsgesellschaft m.b.H.(e&t) zusammengestellt und beinhaltet die stündlichen Strompreise sowie verschiedene exogene Variablen. Ziel dieser Arbeit war es einerseits, herauszufiltern in wie weit die gewählten Parameter einen Einfluss auf den Strompreis haben und andererseits, naive Prognose, Prognose mittels kleinster Quadrate Schätzung und Support Vector Regression zu vergleichen. Im weiteren Verlauf erwies sich zusätzlich als Verbesserung noch ein verallgemeinertes Regressionsmodell zu verwenden sowie diese Verallgemeinerung auf die Support Vector Regression zu übertragen. Diese Arbeit ist in sechs Teile gegliedert.<br />Als erstes wird der Sportmarkt für Strompreise vorgestellt, weiters wird die Zeitreihe der stündlichen Preise untersucht um die Struktur der Daten zu erfassen. Im dritten Kapitel werden dann die exogenen Variablen erläutert, im vierten Kapitel werden die Prognoseansätze vorgestellt sowie auch die theoretischen Grundlagen erläutert. Im darauffolgenden Kapitel werden die praktische Umsetzung sowie auch die Ergebnisse erläutert. Abschließende Schlussfolgerungen befinden sich im letzten Kapitel.de
dc.format85 Bl.-
dc.languageDeutsch-
dc.language.isode-
dc.subjectSpotpreisede
dc.subjectStromde
dc.subjectSupport Vector Regressionde
dc.subjectEEXde
dc.titlePrognose von Spotpreisen für Energie mit Support Vector Regressionde
dc.title.alternativeForecast of electricity prices with Support Vector Regressionen
dc.typeThesisen
dc.typeHochschulschriftde
tuw.publication.orgunitE105 - Institut für Wirtschaftsmathematik-
dc.type.qualificationlevelDiploma-
dc.identifier.libraryidAC07807647-
dc.description.numberOfPages85-
dc.identifier.urnurn:nbn:at:at-ubtuw:1-33983-
dc.thesistypeDiplomarbeitde
dc.thesistypeDiploma Thesisen
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.openairetypeThesis-
item.openairetypeHochschulschrift-
item.grantfulltextopen-
item.openaccessfulltextOpen Access-
item.languageiso639-1de-
item.cerifentitytypePublications-
item.cerifentitytypePublications-
item.fulltextwith Fulltext-
Appears in Collections:Thesis

Files in this item:


Page view(s)

22
checked on Sep 11, 2021

Download(s)

94
checked on Sep 11, 2021

Google ScholarTM

Check


Items in reposiTUm are protected by copyright, with all rights reserved, unless otherwise indicated.