Está en la página 1de 72

PREDICCIN DE LOS PRECIOS DE LA ENERGA EN LA BOLSA DE COLOMBIA PARA LOS PRXIMOS 10 AOS UTILIZANDO MODELOS DE CAMBIO DE RGIMEN

JOVAN CANO Abril de 2012

CONTENIDO
1.

2.
3.

4.
5.

6.
7.

Antecedentes Mercado de energa en Colombia Estado del Arte estimacin de los precios de la energa en bolsa Modelo de cambio de rgimen con probabilidad constante Modelo de cambio de rgimen con probabilidad variable Simulacin Conclusiones

ANTECEDENTES

Evolucin de los Mercados Elctricos y los Mercados de Derivados. Volatilidad de los precios de la energa en el mercado spot. En el largo plazo diferentes problemas de conocimiento asociados a la valoracin adecuada de la energa elctrica, la cual depende de diferentes factores Existe un nico referente para gestionar los riesgos inherentes a las transacciones en el Mercado de Energa el precio de la energa en bolsa.

ANTECEDENTES

Los modelos de cambio de rgimen de Markov propuestos por Hamilton en 1989, han tomado popularidad en la industria financiera, los modelos son preferidos en muchas aplicaciones donde el horizonte es extremadamente largo (20 aos y ms) Se emplean para analizar los ciclos econmicos, los movimientos de las tasas de inters, el rendimiento de las acciones, la volatilidad, etc. Con lo anterior, es posible medir el riesgo, el capital necesario cuando el precio mejore y la evaluacin financiera de productos, especialmente los de largo plazo como: renta variable, bonos de largo plazo, garantas incorporadas en los seguros de anualidad variable, etc.

GUO, Beibei WU, Yuehua XIE, Hong Miao, Baiqi (2011). A segmented regime-switching model with its application to stock market indices. Journal of Applied Statistics, Vol. 38, No. 10, October 2011, pag. 22412252.

MERCADO DE ENERGA EN COLOMBIA

Colombia se vio en la necesidad de modernizar el sector elctrico, abrindolo a la participacin privada, y siguiendo un esquema similar a los pases pioneros en este desarrollo, en especial el Reino Unido. La reestructuracin se vio materializada con la promulgacin de las leyes 142 y 143 de 1994. La reglamentacin de este mercado fue desarrollada por la Comisin de Regulacin de Energa y Gas CREG, para este propsito, la Comisin se asesor de consultores nacionales e internacionales y con el apoyo de las empresas del mismo sector, promulg las reglamentaciones bsicas y puso en funcionamiento el nuevo esquema a partir del 20 de julio de 1995.

ESTRUCTURA DEL MERCADO

Fuente: www.xm.com.co

LA BOLSA DE ENERGA

Es una figura comercial tipo subasta en sobre cerrado, la cual toma las ofertas de precio y declaracin de disponibilidad hora a hora de cada recurso de generacin, y establece un programa diario de generaciones igualmente hora a hora. Antes de las 8:00am todos los das, en forma confidencial, cada Agente Generador hace una oferta de precio (en $/MWh) y la declaracin de disponibilidad (en MW) de cada uno de sus recursos de generacin. Se presenta una nica oferta para las 24 horas del da siguiente.

FORMACIN DEL PRECIO


Formacin del Precio de Bolsa ANTES Resolucin CREG 051 de 2009

Fuente: Gmez, Viviana (2010)

FORMACIN DEL PRECIO


Formacin del Precio de Bolsa segn Resolucin CREG 051 de 2009

Fuente: Gmez, Viviana (2010)

PRECIOS HISTRICOS
Precios mensuales de la energa en bolsa

$ Constantes de octubre de 2011 Fuente: elaboracin propia

ESTADO DEL ARTE ESTIMACIN DE LOS PRECIOS DE LA ENERGA

Guang, L., Chen-Ching L. (2005)

ESTADO DEL ARTE ESTIMACIN DE LOS PRECIOS DE LA ENERGA

Garca-Gonzlez, Javier (2005)

MODELO DE CAMBIO DE RGIMEN CON PROBABILIDAD CONSTANTE

MODELO DE CAMBIO DE RGIMEN CON PROBABILIDAD CONSTANTE


Muchas series de tiempo economtricas presentan cambios dramticos en su comportamiento, asociado con eventos como las crisis financieras o cabios abruptos en las polticas de gobierno. Un inters particular de los economistas es la tendencia de muchas variables econmicas a comportarse de forma diferente durante las crisis econmicas (Hamilton, 2005).

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE


Existen diferentes alternativas para representar los modelos autorregresivos con cambio de rgimen, de acuerdo con (Krolzig, 1998. Pag 5)

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE


Para evaluar la estructura de correlacin y el nmero de parmetros que deben emplearse en un modelo Autorregresivo, se calcul la FAC y la PFAC :
n k ^ k ^ k ^ 0 t 1 t 1 n

Zt Z

__

Zt
__

__

k 0,1, 2, .
2

Zt Z

__

1 n

n t 1

Zt

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE


Autocorrelaciones
Retardo Covarianza Correlacin 0 1 2 3 4 0.117944 0.101254 0.083384 0.072703 0.069273 1.00000 0.85849 0.70698 0.61642 0.58734 -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 | | | | | . . . . |********************| |***************** |************** |************ |************ | | | | Error std 0 0.078811 0.123962 0.146886 0.162160

5
6 7

0.067029
0.061430 0.054758

0.56831
0.52084 0.46428

|
| |

.
. .

|***********
|********** |*********

|
| |

0.174875
0.185993 0.194841

8
9 10 11 12

0.047943
0.043612 0.040543 0.037852 0.034751

0.40649
0.36977 0.34375 0.32093 0.29464

|
| | | |

.
. . . .

|********
|*******. |*******. |****** |****** . .

|
| | | |

0.201596
0.206624 0.210694 0.214149 0.217116

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE


Autocorrelaciones parciales

Retardo
1 2 3 4

Correlacin
0.85849 -0.11417 0.14718 0.16249

-1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1
| | | | . . . |***************** . |*** |*** | | | | .**|

5
6

0.04277
-0.04610

|
|

. .
. . .

|* .
.

|
|

. *|

7
8 9 10 11

0.00383
-0.04106 0.02516 0.00035 0.01179

|
| | | |

.
. . .

|
| | | |

. *| | |

|* .

12

-0.00008

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE


Para determinar los parmetros del modelo planteado, existen diferentes mtodos como el algoritmo Expectation Maximization (EM) propuesto por Hamilton (1990), the Gibbs sampling approach de Albert y Chib (1993), el de Mxima Verosimilitud (maximum likelihood estimation MLE) propuesto por Hamilton (1989).

Otro mtodo es la Aproximacin Bayesiana, el cual dadas las tcnicas de simulacin modernas son ampliamente utilizados en las reas de la inferencia estadstica (Hardy, 2003).

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE


Punto de inicio: Variacin de la Funcin de Mxima Verosimilitud en funcin de cada una de las medias y las desviaciones estndar

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE


Logaritmo de los precios mensuales 1 = 0.6927 2 = 0.6689 3 = 0.7082 12 = 0.0677 23 = 0.0447 1 = 1.2349 2 = 1.4842 3 = 1.5228 13 = 0.1162 31 = 0.3104
Mximo de la funcin = 73.0312

1 = 0.0952 2 = 0.1265 3 = 0.1417 21 = 0 32 = 0

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE


La mayor probabilidad es permanecer en el rgimen 2 (precios intermedios), una vez se est fuera de dicho rgimen slo es posible llegar desde el rgimen 1 (precios bajos), desde el rgimen 3 (precios altos) la probabilidad de pasar al rgimen 2 es cero, es decir que luego de un perodo en rgimen de precios altos, slo es posible pasar a un rgimen de precios bajos. La segunda mayor probabilidad es permanecer en el rgimen 1 (precios bajos), una vez se est fuera de dicho rgimen slo es posible llegar desde el rgimen 3 (precios altos), desde el rgimen 2 (precios intermedios) la probabilidad de pasar al rgimen 1 es cero.

Finalmente la menor probabilidad es la de permanecer en el rgimen 3 (precios altos), a la cual es posible llegar desde cualquiera de los otros dos regmenes.

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE

Errores estndar 1 = (0.0039) 2 = (0.0039) 3 = (0.0071) 12 = (0.0399) 23 = (0.0266) 1 = (0.0164) 2 = (0.0173) 3 = (0.0343) 13 = (0.0515) 31 = (0.0928)
Mximo de la funcin = 73.0312

1 = (0.0103) 2 = (0.0125) 3 = (0.0221) 21 = . . 32 = . .

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE


Un clculo equivalente sera dividir el valor de cada uno de los parmetros por el error estndar calculado y el resultado en valor absoluto debe ser mayor o igual a 1 para concluir que el parmetro es significativo.
Parmetro / Error estndar 1 = (177.8422) 2 = (172.9986) 3 = (100.2846) 12 = (1.6970) 23 = (1.6797) 1 = (75.0690) 2 = (85.7396) 3 = (44.3575) 13 = (2.2547) 31 = (3.3431) 1 = (9.2154) 2 = (10.1359) 3 = (6.4051) 21 = . . 32 = . .

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE


Anlisis de residuales:
E
j

0 para j
2 j
i

1, 2, , n la media es constante e igual a cero. 1, 2, , n la varianza es constante e igual


j
2

Var
Cov
j

para j

0
2

incorrelacionados para todo i

j, i, j 1, 2, , n .

~ N 0,

donde j

1, 2, , n .

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE


Modelos evaluados
Modelo de 3 estados AR(1)

Estadsticos de prueba media


0

varza
0.01

des
0.1

Mediana
0

asimetra
-0.16

curtosis
0.48

wnormal
0.99

vpnor
0.6

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE


Autocorrelaciones
Retardo Covarianza Correlacin -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 Error std

0
1 2 3 4 5 6 7 8 9 10 11 12

0.010010
-0.0002182 -0.0007582 -0.0013078 -0.0004642 0.00054817 -0.0001292 0.00042947 0.00050311 0.00008747 -0.0007239 0.00043264 0.0016523

1.00000
-.02180 -.07575 -.13065 -.04637 0.05477 -.01291 0.04291 0.05026 0.00874 -.07232 0.04322 0.16508

|
| | | | | | | | | | | | .

|********************|
| . . . . | | | | | | | | | | | |

0
0.079057 0.079094 0.079547 0.080877 0.081043 0.081274 0.081287 0.081428 0.081622 0.081628 0.082027 0.082169

.**| ***| . *| . . . . .

|* . | .

|* . |* . | . .

. *| . .

|* . |***

_______________________________________________________________________________________________ Comprobacin de autocorrelacin del ruido blanco Para retardo 6 12 Chicuadrado 4.72 11.48 DF 6 12 Pr > ChiSq 0.5797 0.4882 -----------------Autocorrelaciones-----------------0.022 0.043 -0.076 0.050 -0.131 0.009 -0.046 -0.072 0.055 0.043 -0.013 0.165

_______________________________________________________________________________________________

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE


The TTEST Procedure
Variable:
Obs A B Diff (1-2) Diff (1-2) Combinada Satterthwaite

res32

(res32)
Media -0.00736 0.00690 -0.0143 -0.0143 95% CL Media -0.0266 -0.0181 -0.0456 -0.0456 0.0119 0.0319 0.0171 0.0171 Dev std 0.0867 0.1125 0.1004 95% CL Dev std 0.0750 0.0974 0.0905 0.1027 0.1333 0.1129

Mtodo

Mtodo Combinada Satterthwaite

Varianzas Igual Unequal

DF 158 148.35

Valor t -0.90 -0.90

Pr > |t| 0.3705 0.3706

_______________________________________________________________________________________________ Igualdad de varianzas Mtodo Folded F Num DF 79 Den DF 79 F-Valor 1.68 Pr > F 0.0216

_______________________________________________________________________________________________

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE


Sensibilidad variando en nmero de trayectorias

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE


Seal de largo plazo (10 aos) en el precio de la energa en bolsa Modelo que cumple con las diferentes pruebas estadsticas desarrolladas La media del precio es de 90.64 $/kWh (pesos constantes octubre de 2011), de la cola derecha se tiene que slo en el 5% de los casos se tienen precios superiores a 149.80 $/kWh, de la cola izquierda se tiene que slo en el 5% de los casos se tienen precios inferiores a 51.65 $/kWh Para un intervalo de confianza del 90%, se tiene que los precios estarn entre 51.65 $/kWh y 149.80 $/kWh.

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE


Tendencia del precio medio variando el rgimen de inicio de la simulacin

MODELO AR(1) DE 3 ESTADOS CON PROBABILIDAD CONSTANTE

Independiente del rgimen de inicio de la simulacin, aproximadamente luego de 24 pasos (meses), la media tiende a un valor alrededor de los 90 $/kWh

Este comportamiento del modelo junto con la simulacin tiene implicaciones fuertes como veremos al introducir variables exgenas que aportan a la identificacin de los cambios de rgimen y su permanencia en los mismos. Modelo univariado que en esencia considera que el futuro tendr un comportamiento similar al pasado

MODELO DE CAMBIO DE RGIMEN CON PROBABILIDAD VARIABLE

MODELO DE CAMBIO DE RGIMEN CON PROBABILIDAD VARIABLE


Una propiedad importante de los modelos de cambio de rgimen, es la posibilidad de que los parmetros del modelo tomen diferentes valores para cada uno de los estados de modo tal que el comportamiento de la serie puede ser capturado a partir de las probabilidades de cambio entre los regmenes. Un desarrollo ms reciente fue extender los modelos de Markov de cambio de rgimen con probabilidades de transicin variables en el tiempo, los cuales son mejores en algunos aspectos como la captura de colas pesadas (Guo, 2011).

MODELO AR(1) DE 2 ESTADOS CON PROBABILIDAD VARIABLE

MODELO AR(1) DE 2 ESTADOS CON PROBABILIDAD VARIABLE

MODELO AR(1) DE 2 ESTADOS CON PROBABILIDAD VARIABLE


Variables evaluadas:

4 meses previos a la aplicacin de la resolucin CREG 034 de 2001 (marzo 2001 a enero 2002) Fenmeno de El Nio verano 2002 2003. (febrero a abril de 2003) Alerta dada por el IDEAM respecto a un fenmeno de El Nio que no ocurri. (septiembre y octubre de 2006). (Botero, 2008,pag 187). Intervencin regulatoria para embalsamiento de agua, dada la presencia del fenmeno de El Nio (septiembre 2009 a mayo 2010) Primer intervencin regulatoria, ocultamiento de los precios de oferta de los generadores (febrero 2009 a noviembre 2009) Primeros 6 meses de operacin de la central Porce3 de 600 MW (diciembre 2010 a julio 2011) Derribamiento torres de energa de uno de los circuitos de 500kV del centro del pas a la Costa Atlntica (noviembre 2010 a enero 2012)

MODELO AR(1) DE 2 ESTADOS CON PROBABILIDAD VARIABLE

Rendimientos mensuales 1 = 0.6877 2 = 0.7986 11 0 = 19.9999 22 0 = 3.9680 1 = 1.5720 2 = 0.8810 11 1 = 23.0001 22 1 = 18.3794
Mximo de la funcin = 69.0520

1 = 0.1966 2 = 0.1484

MODELO AR(1) DE 2 ESTADOS CON PROBABILIDAD VARIABLE

MODELO AR(1) DE 2 ESTADOS CON PROBABILIDAD VARIABLE


De forma similar al modelo de probabilidiad constante, se divide el valor de cada uno de los parmetros por el error estndar calculado y el resultado en valor absoluto debe ser mayor o igual a 1 para concluir que el parmetro es significativo.
Parmetro / Error estndar 1 = 77.5187 2 = 268.8437 11 0 = 0.6822 22 0 = 1.5657 1 = 35.7891 2 = 67.6189 11 1 = 0.7845 22 1 = 0.0155 1 = 6.3596 2 = 15.8792

MODELO AR(1) DE 2 ESTADOS CON PROBABILIDAD VARIABLE


Modelos evaluados
Autoregresivo AR(2)

Estadsticos de prueba media


0

varza
0.02

des
0.15

Mediana asimetra curtosis wnormal


-0.01 0.02 -0.16 0.99

vpnorm
0.56

MODELO AR(1) DE 2 ESTADOS CON PROBABILIDAD VARIABLE


Autocorrelaciones
Retardo Covarianza Correlacin -1 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1 Error std 0 0.026945 1.00000 | |********************| 0 1 0.0019787 0.07344 | . |* . | 0.079057 2 -0.0049208 -.18262 | ****| . | 0.079482 3 -0.0055198 -.20486 | ****| . | 0.082063 4 -0.0002124 -.00788 | . | . | 0.085199 5 0.0037925 0.14075 | . |*** | 0.085204 6 0.0015438 0.05730 | . |* . | 0.086645 7 0.00077463 0.02875 | . |* . | 0.086881 8 -0.0018346 -.06809 | . *| . | 0.086941 9 -0.0017010 -.06313 | . *| . | 0.087273 10 0.00016415 0.00609 | . | . | 0.087558 11 0.0012008 0.04456 | . |* . | 0.087561 12 0.0033995 0.12617 | . |***. | 0.087702 _______________________________________________________________________________________________ Comprobacin de autocorrelacin del ruido blanco Para ChiPr > retardo cuadrado DF ChiSq -----------------Autocorrelaciones----------------6 17.15 6 0.0087 0.073 -0.183 -0.205 -0.008 0.141 0.057 12 21.91 12 0.0386 0.029 -0.068 -0.063 0.006 0.045 0.126 _______________________________________________________________________________________________

MODELO AR(1) DE 2 ESTADOS CON PROBABILIDAD VARIABLE


The TTEST Procedure
Obs A B Diff (1-2) Diff (1-2) Mtodo Media -0.0254 0.0249 -0.0503 -0.0503 95% CL Media -0.0517 0.000912 -0.0141 0.0640 -0.0970 -0.00369 -0.0971 -0.00353 Dev std 0.1191 0.1755 0.1498 95% CL 0.1031 0.1519 0.1350 Dev std 0.1409 0.2079 0.1683

Combinada Satterthwaite

Mtodo Varianzas DF Valor t Pr > |t| Combinada Igual 159 -2.13 0.0346 Satterthwaite Unequal 138.83 -2.13 0.0352 _______________________________________________________________________________________________ Igualdad de varianzas Mtodo Num DF Den DF F-Valor Pr > F Folded F 79 80 2.17 0.0007 _______________________________________________________________________________________________

MODELO AR(1) DE 2 ESTADOS CON PROBABILIDAD VARIABLE

MODELO AR(1) DE 2 ESTADOS CON PROBABILIDAD VARIABLE


Los resultados muestran como las variables exgenas aportan a la identificacin y permanencia en algunos regmenes ocurridos en el pasado. Un modelo slo con variables exgenas, sera insuficiente de acuerdo con los resultados obtenidos en la evaluacin de los residuales. Para realizar simulaciones futuras sera necesario disponer de la estimacin de dichas variables en el futuro. Se hace necesario plantear una alternativa que incorpore tanto la informacin de la variable endgena como la informacin de las variables exgenas futuras.

SIMLACIN - MODELO DE CAMBIO DE RGIMEN DE 3 ESTADOS CON PROBABILIDAD CONSTANTE + VARIABLES EXGENAS

SIMULACIN
Alternativa Tomar el modelo AR(1) con cambio de rgimen de 3 estados con probabilidad constante. Realizar simulaciones en el largo plazo suponiendo un comportamiento similar a la historia. Incorporar a la simulacin de dicho modelo, la informacin de las variables exgenas futuras (forzando un rgimen particular).

SIMULACIN
Si la entrada en operacin de la central hidroelctrica Porce III, la cual coincidi con el derribamiento de uno de los circuitos de 500kV del centro del pas a la Costa Atlntica, implic una reduccin de los precios de la energa en bolsa durante un perodo de 6 meses De forma similar se proceder para el Cargo por Confiabilidad, para el cual asumiremos que frente a fenmenos de tipo climatolgico como EL NIO que se present en el verano del ao 2009 2010, donde los precios de la energa en bolsa aumentaron Para el caso de la entrada en operacin del Mercado Organizado Regulado (MOR), el cual tiene como uno de sus objetivos principales disminuir la brecha entre los precios de los contratos de largo plazo dirigidos al mercado regulado

SIMULACIN
Escenario Regulatorio y/o variable futura a simular Entrada en operacin Hidroelctrica Sogamoso 800 MW Entrada en operacin Hidroelctrica El Quimbo 395 MW Inicio Interconexin Colombia Panam etapa 1 300 MW hasta el 2018 Inicio Interconexin Colombia Panam etapa 2 600 MW Entrada en operacin Hidroelctrica Ituango etapa 1 1200 MW Operacin del Cargo por Confiabilidad simulacin fenmeno de EL NIO Inicio Mercado Organizado Regulado MOR (primer subasta segundo semestre de 2012, entrega 1 ao despus) Fecha inicio rgimen Dic 2014 Dic 2014 Dic 2014 Dic 2018 Dic 2018 Sep2015 Dic 2013 Fecha fin rgimen Mayo 2015 Mayo 2015 Mayo 2015 Mayo 2019 Mayo 2019 Mayo 2016 Enero 2014 Rgimen de precios Bajo (6 meses) Bajo (6 meses) Bajo (6 meses) Bajo (6 meses) Bajo (6 meses) Alto (9 meses) Alto (2 meses)

SIMULACIN
Funcin de densidad de probabilidad modelo de 3 estados +todas las variables exgenas

SIMULACIN
Precio promedio de la energa en bolsa a lo largo del perodo de simulacin

SIMULACIN

CONCLUSIONES
El modelo AR(1) con cambio de rgimen de 3 estados con probabilidad constante, adems de cumplir con las validaciones estadsticas indicadas, arroja resultados coherentes con la evaluacin histrica de los precios de la energa en bolsa. El modelo AR(1) con cambio de rgimen de 2 estados con probabilidad variable, permiti incorporar e identificar el efecto de las intervenciones del mercado (escenarios regulatorios variables exgenas). La validacin de los residuales dieron un llamado de atencin sobre la necesidad de buscar una mejor aproximacin. Es as como surgi la propuesta de combinar el aporte de ambos modelos.

CONCLUSIONES

Con las diferentes simulaciones realizadas con la metodologa descrita, encontramos que no existen diferencias significativas en las funciones de densidad de probabilidad de los precios de la energa en bolsa en el largo plazo (10 aos) respecto a su forma, media, valores extremos del 5% y del 95%, tambin se identific como luego de alrededor de 24 meses las simulaciones tienden a una media alrededor de los 90 $/kWh en pesos constantes de octubre de 2011. Se puede concluir que a pesar de las diferentes intervenciones que se han presentado a lo largo de la historia y la simulacin de las que en futuro sern implementadas, existe una rpida reversin a la media de los precios histricos, lo que refleja la estabilidad del Mercado de Energa y lo robusto del esquema de la Bosa de Energa en Colombia, a pesar del oligopolio que hoy existe en nuestro sistema de generacin de energa elctrica.

CONCLUSIONES

Disponer de la funcin de densidad de probabilidad de los precios de la bolsa de energa en el largo plazo abre el abanico de posibilidades respecto a los anlisis y valoraciones de portafolios, medidas de riesgo, evaluacin de nuevos proyectos de generacin, simulacin de los flujos de capital a los largo del perodo de evaluacin, etc. Para futuras investigaciones relacionadas con el tema quedan diferentes caminos por recorrer como: la valoracin de portafolios cuyo subyacente se encuentre atado al precio de la energa en bolsa, ejercicios de Valoracin del Riesgo a partir de portafolios supuestos, estimacin de las mximas prdidas esperada bajo una inversin determinada, evaluacin de la rentabilidad esperada del precio de la energa en bolsa suponiendo una unidad de inversin similar a los ejercicios propuestos por Hardy, 2009, etc.

BIBLIOGRAFA

BOTERO Sergio, CANO Jovan (2008). Anlisis de series de tiempo para la prediccin de los precios de la energa en bolsa en Colombia. Revista Cuadernos de Economa. Bogot, Junio 2008. CANO, Jovan. Estimacin de los Precios de la Energa en la Bolsa de Colombia. Medelln, p. 1-110. 2004, Tesis, Universidad Nacional de Colombia, Facultad de Ciencias Humanas. DIEBOLD, Francis X. Rudebusch, Glenn D. (1999). BUSINESS CYCLES. Princeton University Press. Princeton, New Jersey. Part II. Regime Switching with Time-Varying Transition Probabilities. (Francis X. Diebold, Joon-Haeng Lee, and Gretchen C. Weinbach. Pag. 144 165. GIRALDO, Norman (2011). Entrevistas llevadas a cabo durante el segundo semestre del ao 2011. Profesor de la Escuela de Estadstica de la Universidad Nacional Sede Medelln. GARCA-Escribano, Mercedes. ZERRAGA, Luis Felipe (1999). Markov Switching y Persistencia de la Inflacin: Una Aplicacin para Per. GARCA-Gonzlez, Javier - Mateo Gonzlez, Alicia - Muoz San Roque, Antonio, (2005). Modeling and Forecasting Electricity Prices with Input/Output Hidden Markov Models. IEEE Transactions on Power Systems, Vol. 20, No.1 February 2005. Pag. 13 24. GMEZ, Viviana (2010). Tesis de Maestra - Metodologa Para El Manejo De Contratos Para Las Rentas De Congestin Debidas A Las Transacciones Internacionales De Energa Con Aplicacin Para El Caso Especfico De Ecuador, 2010, p. 13 20, p. 25 - 49. Tesis, Universidad Nacional de Colombia, Facultad de Minas.

BIBLIOGRAFA

Guang, L., Chen-Ching L., Jacques L., Massimo G., Andrea V., (2005). State-of-Art of Electricity Prices Forecasting. CIGRE/IEEE PES, International Symposium, p. 110 - 119 GUJARATI, (2004). Basic Econometrics. Fourth Edition, McGrawHill. GUO, Beibei WU, Yuehua XIE, Hong Miao, Baiqi (2011). A segmented regime-switching model with its application to stock market indices. Journal of Applied Statistics, Vol. 38, No. 10, October 2011, pag. 22412252. HAMILTON, James D. (1994). Time Series Analysis. Princeton University Press. Princeton, New Jersey. HAMILTON, James D. (2005). Regime-Switching Models. Department of Economics, University of California, San Diego. Prepared for: Palgrave Dictionary of Economics. HARDY Mary. (2001) A regime switching model of long term stock returns . North American Actuarial Journal 5.2. pag.41-53

HARDY, Mary. (2003). Investment Guarantees. Modeling and Risk Management for Equity-Linked Life Insurance. Published by John Wiley & Sons, Inc., Hoboken, New Jersey.
KIM, Chang-Jin Nelson, Charles (1999). State-Space Models with Regime Switching. The MIT Press Cambridge, Massachusetts. KROLZIG, Hans-Martin (1998) Econometric Modelling of Markov-Switching Vector Autoregressions using MSVAR for Ox. Institute of Economics and Statistics and Nuffield College, Oxford. Shyh-Wei Chen, Jin-Lung Lin (1999) Modelling Business Cycle in Taiwan with Time-Varying Markov-Switching Models

GRACIAS
jacanoc@unal.edu.co