INFORME MODELOS DE PRECIOS DE LA ELECTRICIDAD. MERCADOS DE ENERGA COMPETITIVOS.

MODELOS DE FORMACIN DE PRECIOS

DE LA ENERGA
Mayorga Erika1, lvarez Laura2, Charry Cristina3, Galvis Oscar4
elmayorgac@correo.udistrital.edu.co1,lmalvarezj@correo.udistrital.edu.co2,
accharryr@correo.udistrital.edu.co3, oigalvisc@correo.udistrital.edu.co4
Estudiantes de Ingeniera Elctrica Universidad Distrital

Abstract this paper presents a general classification of some

models used for pricing, exposed and conceptually Practice
using these. Among the most important are the fundamental
analysis based on time series models, stationary and no
stationary models.

Resumen-

En este trabajo se presenta una clasificacin

general de algunos modelos usados para la fijacin de precios,
se expone de manera prctica y conceptual el uso de estos. Entre
los ms importantes se encuentran el anlisis fundamental,
modelos basados en series temporales, modelos estacionarios y
no estacionarios.

I.

INTRODUCCION

n un mundo donde cada vez toma ms importancia la

energa elctrica y su disponibilidad, se hace necesario
conocer los factores que condicionan sus precios y su manera
de interactuar segn diferentes modelos e interpretaciones.
Dado que la mayora de productos disponibles en el mercado
estn regidos por la ley de oferta y demanda es importante
mencionar que la energa elctrica no es inmune a esta
relacin pero, por otra parte, se est hablando de un mercado
donde no existe competencia perfecta y esto cambia su
comportamiento haciendo que sea necesaria la utilizacin de
distintos modelos para poder explicarlo.
II.

MARCO REFERENCIAL

Por qu es necesario el pronstico de precios?

Teniendo en cuenta que el precio es un referente que
determina las decisiones tanto operativas como estratgicas
de los participantes del mercado, se hace importante realizar
un pronstico de precios para:

Documento entregado el 15 de Septiembre del 2016 para su revisin. Este

trabajo se basa en los temas estudiados en la clase de Mercados de energa
competitivos.
De los autores; Mayorga, E., lvarez, L, Charry, C, Galvis, O. estudiantes
de Ingeniera Elctrica de la Universidad Distrital Francisco Jos de Caldas,
Bogot, Colombia.

En el corto plazo los productores necesitan predicciones

que les ayuden a formular estrategias de comercializacin y
optimizar su programa de generacin, en el mediano plazo,
para negociar contratos bilaterales favorables y por ltimo,
en el largo plazo, para la toma de decisiones relacionadas
con el portafolio de activos de generacin, adquisicin de
nuevas plantas y abandono de algunas ya existentes.
En cuanto a los distribuidores y grandes consumidores, son
necesarias las predicciones de corto y mediano plazo para
optimizar su operacin, negociar adecuadamente en el
mercado de corto plazo y realizar contratos bilaterales
beneficiosos.
Por otra parte, el administrador de mercado requiere de los
pronsticos para realizar un mejor manejo y planeamiento
del mercado, aunque est ms interesado en publicar sus
propias predicciones de los precios ya que la tendencia de
estos es una seal que puede atraer nuevas inversiones. [1]

III. TAXONOMA
Dependiendo de aspectos como el horizonte temporal en
donde se busca analizar los precios, los modelos se pueden
clasificar inicialmente como:
Modelos explicativos: Buscan entender el comportamiento
histrico de los precios as como sus propiedades.
Modelos Predictivos: Se enfocan exclusivamente a
pronosticar su valor futuro, pasando por alto diferentes
aspectos que se tienen en cuenta en el modelado de series de
tiempo.
Dentro de la clasificacin mencionada anteriormente se
pueden desprender:
Mtodos estadsticos y de anlisis de series de tiempo:
Capturan las principales caractersticas de las series de
precios y analizan su comportamiento. En cuanto a las
tcnicas estadsticas existen dos grupos:

Procesos continuos: Consideran que los precios pueden

obtenerse como la suma de diferentes componentes

INFORME MODELOS DE PRECIOS DE LA ELECTRICIDAD. MERCADOS DE ENERGA COMPETITIVOS.

estocsticos diferenciales, por ejemplo, el precio en un
instante t es generado por un proceso estocstico xt tal
que:
=
La componente estocstica puede ser representada
como:
= ( ) +
Donde:
= Velocidad de reversin.
=Media del proceso.
= Desviacin estndar de la perturbacin aleatoria.
= Variable aleatoria estndar.
Para este tipo de modelado se debe tener en cuenta que
una variable puede cambiar en cualquier momento del
tiempo.

Procesos Discretos: En este tipo de procesos se

establece que el valor de la variable slo vara en
momentos determinados (discretos) del tiempo.[2] En
este sentido, la estructura temporal de los precios es
modelada por:
= ( , ) + ( , )
Donde:
= es el precio expresado como una variable aleatoria
con media ( , ) y varianza ( , ).
= Informacin disponible en el instante t (usualmente
son los precios previos).

la limitacin de los seres humanos para comprenderlo,

falencias en los procesos de pronstico y las hiptesis y
supuestos en que se basan los modelos, etc.
Otra manera de clasificar los modelos de precios es de
acuerdo con su horizonte de prediccin, as:
Modelos a corto plazo: Se fijan con una escala de referencia
en eventos prximos, generalmente de un da para otro en el
caso del mercado elctrico.
Modelos a largo plazo: Es necesario conocer el
comportamiento del mercado en intervalos grandes de tiempo
ya que se utilizan para fijar contratos a largo plazo.
En el mercado de energa elctrica los modelos de obtencin
de precios ms utilizados son los conexionistas y los
dinmicos. [1]
Modelos conexionistas: Por medio de estos es posible
aproximar funciones no lineales desconocidas que se
encuentre bien definidas en dominios compactos, en este tipo
de modelo se puede encontrar:
Redes Neuronales artificiales: Son modelos matemticos
que tratan de imitar las habilidades del cerebro humano
generalizando situaciones a partir de casos de estudio.
Est conformada por varios elementos denominados
neuronas, los cuales procesan la informacin de la
entrada para obtener un estmulo o salida. Como se
observa en la figura 1, existen diferentes capas ocultas las
cuales se conforman de varias neuronas que se encuentran
interconectadas entre si. [3]

Por medio de las especificaciones de las funciones f y g

se pueden obtener modelos autoregresivos, de redes
neuronales, modelos de regresin de transicin suave,
etc.
Anlisis Fundamental: Basado en la representacin de las
fuerzas de la oferta y demanda, las cuales permiten analizar
la formacin de los precios considerando condiciones de
equilibrio del mercado y las particularidades de la
electricidad. De esta manera, es posible capturar el efecto de
largo plazo de los factores que determinan precios aunque los
precios futuros obtenidos de este anlisis deben ser
entendidos como tendencias en el comportamiento y no
como verdaderos pronsticos.
Mtodos hbridos: Combinan las aproximaciones anteriores,
los modelos de equilibrio son usados para representar el
mecanismo de formacin de los precios, y los modelos
estadsticos de series temporales se usan para representar el
comportamiento de factores que determinan los precios.
Aunque los mtodos mencionados anteriormente para
determinar precios en el mercado elctrico son
frecuentemente usados existen diferentes barreras que
dificultan esta tarea como son la complejidad del mercado y

Figura 1: Representacin esquemtica de una red neuronal artificial.

Fuente: Modelo para el pronstico del precio de la energa elctrica en
Colombia

Interferencia Neurodifusa: Cada variable pertenece a un

conjunto y por ende pertenece a su vez al otro. En este
mtodo se calcula cada producto de la red,
posteriormente se indica el porcentaje que cada
elemento aporta a la solucin final y como resultado se
obtiene la suma de cada uno. En la figura 2 es posible
observar un ejemplo de una red neurodifusa.

INFORME MODELOS DE PRECIOS DE LA ELECTRICIDAD. MERCADOS DE ENERGA COMPETITIVOS.

Figura 2: Representacin esquemtica de una red neurodifusa..

Fuente: Construccin de Escenarios de Pronstico del Precio de
Elctricidad en Mercados de Corto Plazo

Modelos dinmicos No lineales: Su objetivo principal es

descomponer la serie temporal analizada en una suma de
componentes estructurales para analizarla teniendo en cuenta
los cambios en la dinmica de las series de precios y la
relacin no lineal que existe entre la variable dependiente e
independiente.

IV. MODELOS FUNDAMENTALES

La regulacin del mercado se da en la interaccin que existe
entre las fuerzas de la oferta y la demanda, cada mercado est
dado por condiciones particulares, donde cada una de ellas
influye de una manera u otra, en la determinacin del punto
de equilibrio que es el precio. El anlisis fundamental es el
estudio que se encarga de caracterizar los factores que rigen
la evolucin de los precios; cuya finalidad es la formar
modelos que simulen el comportamiento del mercado bajo
determinadas situaciones. [4]
Los factores anexos que influyen severamente en la variacin
de los precios (externalidades), y que podran tomarse como
unos de los ms importantes a la hora de evaluar la dinmica
de la oferta vs demanda dentro del mercado energtico, son
por ejemplo condiciones fsicas, decisiones de los
inversionistas y la regulacin por parte del estado. [5]
Las condiciones fsicas, estn determinadas por la
disposicin del aprovechamiento energtico que se
encuentran dentro de un espacio geogrfico y dentro de la
configuracin de la industria, la electricidad se obtiene a
partir de un potencial que la misma naturaleza pueda atender.
En el mercado energtico se presenta la particularidad de que
es demasiado dinmico y que es de consumo voltil, lo que
indica que la produccin y la atencin de la demanda es algo
casi que instantneo por distintas particularidades, por
ejemplo: [4]
-Es muy difcil almacenar la electricidad en intervalos
considerables de tiempo, los mtodos que hoy en da existen
son muy escasos y demasiado costosos, a parte que en el
sistema se presentan bastantes prdidas con respecto a su
produccin. El sistema presenta una atencin a la demanda
que podra decirse es diferente en cada hora del da, a una
determinada hora la demanda es mucho ms grande que en
otros instantes, y el sistema debe contar con activos que
suplan esta demanda.

-Dependiendo de la regin, existen factores climticos que

alteran la produccin normal en una planta generadora de
electricidad. Por ejemplo en pases que se encuentran en la
lnea del trpico, sufren cambios como el fenmeno de la
nia o del nio, cuyos efectos se sienten de forma ms
agresiva que en otras partes del mundo, se empiezan a
utilizar unos electrodomsticos ms que otros; sin embargo
no es pi de fuerza para que la demanda no pueda ser
abastecida a cabalidad por medio de alternativas como las
energas renovables, pero que de alguna u otra forma sigue
siendo caracterstica de determina variabilidad en el
establecimiento de los precios.
Estos y otros factores fsicos ya sean como tal de la
estructura dada a la planta generadora o del entorno de ella,
establecen variabilidad en el suministro y en el consumo de
la energa, por tanto el precio no es posible que sea constante.
Otro factor decisivo es la regulacin que ejercen entidades
gubernamentales, que establece las reglas para la operacin
del mercado en busca de la eficiencia econmica, reduciendo
el arbitraje y promoviendo la competencia de la industria.
Dichas reglas se establecen como impuestos, el cundo y
cmo ofertar, los agentes que pueden participar en las
negociaciones, etc.
Tambin se debe tener en cuenta los tipos de negocios que se
llevan dentro del mercado energtico, ya que cada agente
acta de forma descentralizada y bajo sus propios intereses.
Siempre se busca el recobro de los costos de operacin y los
retornos econmicos de las inversiones, teniendo en cuenta
que estas ajustan sus ofertas y precios de acuerdo con sus
estrategias comerciales. Los oligopolios de las lneas de
transmisin, establecen tarifas reguladas para ofrecer su
servicio, tambin la energa es negociada entre distribuidores
y grandes negociadores que hacen contratos bilaterales que
beneficien ambas partes.
Factores como estos son tenidos en cuenta en el anlisis
econmico que corre por cuenta de los modelos
fundamentales, donde se busca el equilibrio entre la relacin
oferta y demanda de forma ptima sabiendo que su
comportamiento es voltil, a partir de modelos como
Cournot, Bertrand y Stackelberg, entre otros. Estas
aproximaciones permiten determinar el efecto a largo plazo
de los factores determinantes de los precios, pero esto es una
tendencia ms no un pronstico absoluto; adems que cabe
resaltar quedan ciertas cosas que inciden en la volatilidad de
los precios, pero que es muy complicado pronosticarlos. [5]
Los modelos fundamentales pueden ser modelos de
optimizacin y de equilibrio, los primeros cuentan con una
capacidad de proyeccin a mediano y largo plazo, pero se
hacen aproximaciones simples de las caractersticas
dinmicas de los mercados por lo que no simula
comportamientos reales de los sistemas, como principal
desventaja. En el segundo modelo tambin es una proyeccin
de mediano a largo plazo en donde los precios y cantidades
se ajustan endgenamente utilizando clculos iterativos para

INFORME MODELOS DE PRECIOS DE LA ELECTRICIDAD. MERCADOS DE ENERGA COMPETITIVOS.

encontrar los precios de equilibrio y se iguala oferta y

demanda a travs de precios de equilibrio de mercado. [6] [7]
A continuacin se presenta una breve descripcin de los
modelos fundamentales que ms se destacan:
El Modelo de Cornout es un modelo esttico de oligopolio
en donde las empresas de manera estratgica manejan para su
competencia, el volumen de la produccin. El modelo
supone que: cada empresa decide independiente y
simultneamente la cantidad que producir del producto, los
productos que se venden son homogneos, la variable
estratgica que se maneja es la cantidad de produccin, la
funcin de costos es igual, los costos no son fijos, no hay
limitantes de la capacidad, la demanda que reciben la pueden
suplir. Dado que el modelo se fundamenta en la existencia
de 2 compaas, el desarrollo del mismo aplica una vez la
compaa 2 ingresa a competir al mercado. Teniendo la
compaa 1 el poder en cuanto al abastecimiento de la
demanda total, ante la llegada de otra opcin de oferta, la
demanda de la compaa 1 disminuir y su funcin de
maximizacin
de
ingresos
cambiar,
dada
la
sobreproduccin. As, mediante un proceso repetitivo se llega
al punto de equilibrio, el cual es la intercepcin de las curvas
de reaccin de los ofertantes. Puede aplicar para N
compaas, teniendo el mercado un comportamiento de
competencia perfecta. [7]

Figura 4: modelo de Bertran

Tambin se encuentra el Modelo Stackelberg, este tambin

toma como referencia la cantidad ofertada, se basa al modelo
de Cornout, con la peculiaridad de que los procesos de
seleccin de capacidades y fijacin de precios no se dan de
forma simultnea. Aqu una de las compaas cuenta con el
poder para determinar primero su cantidad a producir,
condicionando la oferta del competidor. Teniendo en cuenta
que ambas empresas tienen el mismo costo de produccin, la
empresa 1 siempre contar con mayores ingresos que su
competidor, adems de que cualquier variacin que realice
generar una reaccin en la compaa 2. [7]

Figura 3: modelo de Cornout

Figura 5: modelo de Stackelberg

El Modelo de Bertrand es otra herramienta utilizada para

encontrar el equilibrio entre la demanda y la oferta. Aqu se
utiliza como variable de estrategia el precio, pero hay que
tener en cuenta que en el mercado energtico es muy voltil.
El modelo de Bertrand presenta un comportamiento muy
similar al modelo de Cournot, con la excepcin de que la
interaccin se realiza teniendo nicamente en cuenta los
costos marginales, los cuales dan la pauta para la
determinacin del precio de oferta [7].

V. MODELOS BASADOS EN SERIES TEMPORALES

Los modelos basados en series temporales hoy en da son
tcnicas basadas en el anlisis de datos y en la prediccin de
los mismos. Los aspectos claves en el anlisis de series
temporales son el preprocesado de datos y la obtencin del
modelo de prediccin, ya que uno de los inconvenientes del
estudio de series temporales es la dificultad de identificar
correctamente el modelo y en su caso seleccionar el ms
adecuado, por lo cual siempre requiere de una correccin
previa [8]. Un claro ejemplo de esto son los outliers, los
cuales son valores atpicos que se alejan de los patrones de
comportamiento del resto de la serie.
Una serie temporal es un conjunto de observaciones
recogidas a intervalos frecuentes de tiempo, ordenados

INFORME MODELOS DE PRECIOS DE LA ELECTRICIDAD. MERCADOS DE ENERGA COMPETITIVOS.

cronolgicamente. Las series temporales no son simplemente
un muestreo secuencial de dos secuencias temporales, sino
tambin tienen por objetivo encontrar mtodos o tcnicas que
ayuden a disminuir este muestreo. Por ejemplo, los precios
diarios de acciones al cierre de la bolsa de valores, las
temperaturas horarias, el consumo de energa elctrica diaria,
la tasa de desempleo mensual, entre otras. En cierto modo, la
prediccin de series temporales contempla decir algo sobre el
valor que tomar la serie en momentos futuros.

ya sea de demanda, oferta o precios, basados en los datos

histricos disponibles [10].
Existen cuatro componentes particulares en una serie de
tiempo:

Tendencia: Recoge el comportamiento de la serie a

largo plazo, para detectarse se necesita de una
elevado nmero de observaciones.

La prediccin en general, no tiene una base cientfica, en

ellas se utilizan herramientas provenientes de la estadstica o
la economa en conjunto con desarrollos de la fsica, la
ingeniera, la psicologa y la biloga [9]. Los mtodos de
prediccin se pueden agrupar en dos grandes grupos,
mtodos cualitativos (o tecnolgicos o subjetivos) y mtodos
cuantitativos. Los mtodos cuantitativos se utilizan cuando
contamos con datos histricos, mientras que las tcnicas de
prediccin cualitativas se utilizan cuando los datos son
escasos o no estn disponibles.
Figura 6: Grafica de tendencia. Tomado de: Ramrez, Adriana

1) Mtodos cuantitativos

Este mtodo parte del supuesto que hay disponibilidad de la

informacin sobre el pasado del fenmeno que se quiere
estudiar, que generalmente aparece en forma de series
temporales. La misin consiste en extraer toda la informacin
posible contenida en los datos, y con base al patrn de
conducta seguida realizar las conjeturas sobre el futuro. El
instrumento que se suele utilizar es un modelo que permita
reproducir el comportamiento de la variable de inters.
Dentro de los modelos cuantitativos existe el anlisis de
series temporales, en el cual se hacen predicciones futuras de
una o varias variables, utilizando como informacin los
valores obtenidos en el pasado de la serie temporal que mide
la evolucin de las variables a lo largo del estudio. Este
modelo es til para predecir algo cuando se sabe que las
condiciones no van a cambiar. En este sentido, los mtodos
de prediccin basados en el anlisis de series temporales
tratan al sistema como una caja negra y no intentan descubrir
los factores que afectan su funcionamiento [9].

Fluctuaciones cclicas: Fluctuacin en forma de

onda alrededor de la tendencia. Curvas a lo largo del
periodo asociadas con grandes ciclos econmicos.

Figura 7: Grafica cclica. Tomado de: Ramrez, Adriana

Fluctuaciones
estacionarias: Son movimientos
ascendentes y descendentes de la serie que se
repiten peridicamente

2) Caractersticas de series temporales

Su caracterstica principal es que requieren da la menor
cantidad de informacin posible para as realizar la
identificacin del patrn en el comportamiento de la variable
en la informacin histrica.
Los modelos de series temporales pueden ser:
Univariantes: Slo se analiza una serie temporal en
funcin de su propio pasado.
Multivariantes: Se analizan varias series de tiempo a
la vez.
Ahora bien, teniendo en cuenta que los precios de energa
elctrica varia de manera continua en el tiempo, se considera
que es una serie de tiempo. Lo cual permite la aplicacin de
distintas series temporales y metodologas para la prediccin,

Figura 8: Grafica estacionalidad. Tomado de: Ramrez, Adriana

Fluctuaciones aleatorias: No responden a ningn

patrn de comportamiento. Consecuencia de la
presencia de factores aleatorios que inciden de
manera aislada y no permanente en la serie.

INFORME MODELOS DE PRECIOS DE LA ELECTRICIDAD. MERCADOS DE ENERGA COMPETITIVOS.

En este proceso habr p trminos autorregresivos y q

trminos de media mvil.

Figura 9: Grafica aleatoriedad. Tomado de: Ramrez, Adriana

Los mtodos de prediccin lineales intentan modelar el

comportamiento de una serie temporal mediante funciones
lineales, Algunos modelos como los AR (Autoregresivo),
MA (Medias Mviles), ARMA, y ARIMA (AutoRegresive
Integrated Moving Average), se destacan por ser una clase de
modelos estocsticos y tienen una metodologa comn. Box y
Jenkins fueron los principales precursores de estos modelos
estocsticos. Para construir ambos modelos se siguen los
pasos siguientes:
1.
2.
3.
4.

Identificacin del modelo bajo ciertas hiptesis.

Estimacin de parmetros.
Validacin del modelo.
Prediccin.

B. Modelo AR (Autoregresivo)
Son modelos autoregresivos los cuales forman una familia de
procesos que tales que una observacin depende de las
observaciones anteriores. Sea Yt la demanda de energa
elctrica en el perodo t, si se modela Yt como:

E. Modelo ARIMA
Son modelos paramtricos que tratan de obtener la
representacin de la serie en trminos de la interrelacin
temporal de sus elementos. El instrumento fundamental a la
hora de analizar las propiedades de una serie temporal en
trminos de la interrelacin temporal de sus observaciones es
el denominado coeficiente de autocorrelacin que mide la
correlacin, es decir, el grado de asociacin lineal que existe
entre observaciones separadas k periodos. La metodologa de
Box y Jenkins se puede resumir en 4 fases que se describen a
continuacin [10]:
1.

2.

3.

(Yt ) = 1 ((Yt-1 ) + ut
Donde es el valor de la media de t y ut es un trmino de
error aleatorio. Entonces se dice que Yt sigue un proceso
estocstico autoregresivo de primer orden o AR.
C. Modelo MA (Media mvil)
Es una combinacin lineal de trminos de error con ruido
blanco. En forma general sigue la siguiente expresin:
Yt = + 0 ut + 1 ut-1 + 2 ut-2 + + q ut-q
Donde es una constante y u es el trmino de error
estocstico con ruido blanco. En este caso Y en el periodo t
es igual a una constante ms un promedio mvil de los
trminos de error presente y pasados.
D. Modelo ARMA (Proceso autoregresivo y de media
mvil)
En este caso la caracterstica de Y es una combinacin de AR
y de MA, as Yt sigue un proceso ARMA (1, 1), donde hay
un trmino autorregresivo y uno de media mvil, se expresa
de la siguiente forma:
Yt = + 1 Yt-1 +0 ut + 1 ut-1

4.

Primera fase: identificar el posible modelo ARIMA

que sigue la serie, lo que requiere:
Decidir qu transformaciones aplicar para
convertir la serie observada en una serie
estacionaria.
Determinar un modelo ARMA para la serie
estacionaria, es decir, los rdenes p y q de su
estructura autorregresiva y de media mvil.
Segunda fase: Seleccionado provisionalmente un
modelo para la serie estacionaria, se pasa a la
segunda etapa de estimacin, donde los parmetros
AR y MA del modelo se estiman por mxima
verosimilitud y se obtienen sus errores estndar y
los residuos del modelo.
Tercera fase: Es la fase del diagnstico, donde se
comprueba que los residuos no tienen estructura de
dependencia y siguen un proceso de ruido blanco. Si
los residuos muestran estructura se modifica el
modelo para incorporarla y se repiten las etapas
anteriores hasta obtener un modelo adecuado.
Cuarta fase: Se realiza la prediccin una vez se
haya obtenido un modelo adecuado.

Ahora bien se abordarn los pasos a seguir para el anlisis de

datos:

Recogida de datos: Se recomienda disponer de 50

o ms datos y para las series mensuales, disponer
entre seis y diez aos completos.
Representacin grfica: Se recomienda hacer un
grfico de la serie para as poder observar el
comportamiento de la misma y decidir sobre la
estacionariedad.
Transformacin previa de la serie: Cuando la
serie no es estacionaria en varianza se requiere una
transformacin logartmica. No obstante, la
transformacin logartmica es muy frecuente incluso
en series con dispersin relativamente constante en
el tiempo.
Eliminacin de la tendencia: La observacin del
grfico de la serie indica la existencia o no de
tendencia. Una tendencia lineal ser corregida
tomando primeras diferencias, que ser el caso ms
frecuente. Una tendencia no lineal suele llevar en la
prctica al uso de dos diferencias como mucho.

INFORME MODELOS DE PRECIOS DE LA ELECTRICIDAD. MERCADOS DE ENERGA COMPETITIVOS.

Identificacin del modelo: Consiste en determinar

el tipo de modelo ms adecuado, esto es, el orden de
los procesos autorregresivos y de medias mviles de
las componentes regular y estacional. Tcnicamente
esta decisin se toma con base a las funciones de
autocorrelacin (FAC) y autocorrelacin parcial
(FAC parcial), tanto en la parte regular como
estacional.
Estimacin de los coeficientes del modelo:
Decidido el modelo, se procede a la estimacin de
sus parmetros, dado que se trata de un
procedimiento iterativo de clculo, pueden sugerirse
valores iniciales.
Contraste de validez del modelo: Se utilizan
distintos procedimientos para valorar el modelo o
modelos inicialmente seleccionados: contraste de
significacin de parmetros, covarianzas entre
estimadores, coeficiente de correlacin, suma de
cuadrados de errores, etc.
Anlisis detallado de los errores: Se tendrn en
cuenta las diferencias histricas entre valores reales
y estimados por el modelo para su valoracin final.
Hay que verificar un comportamiento no sistemtico
de los mismos, as como analizar la posible
existencia de errores especialmente significativos.
Seleccin del modelo: En base a los resultados de
pasos anteriores, se decide sobre el modelo
adoptado.
Prediccin: El modelo seleccionado se utilizar
como frmula inicial de prediccin.

Ahora hacemos la identificacin prctica del modelo con la

cual se reconoce un modelo con los datos recogidos y as se
tiene un conjunto reducido de posibilidades de ajustarse a
otros datos. Si la serie temporal presenta una tendencia, lo
primero que debe de hacerse es convertirla en estacionaria
mediante una diferenciacin de orden d. Una vez
diferenciada la serie, una buena estrategia consiste en
comparar los correlogramas de la funcin de autocorrelacin
(ACF) y la funcin de autocorrelacin parcial (ACFP),
proceso que suele ofrecer una orientacin para la
formulacin del modelo orientativo.
Los procesos autorregresivos presentan funcin de
autocorrelacin parcial (ACFP) con un nmero finito de
valores distinto de cero. Un proceso AR(p) tiene los primeros
p trminos de la funcin de autocorrelacin parcial distintos
de cero y los dems son nulos. En la prctica se considera
que una muestra dada proviene de un proceso autorregresivo
de orden p si los trminos de la funcin de autocorrelacin
parcial son casi cero a partir del que ocupa el lugar p.
Los procesos de medias mviles presentan funcin de
autocorrelacin con un nmero finito de valores distintos de
cero. Un proceso MA(q) tiene los primeros q trminos de la
funcin de autocorrelacin distintos de cero y los dems son
nulos.

1.

SERIES DE TIEMPO ESTACIONARIAS Y NO

ESTACIONARIAS

Las series de tiempo tienen la caracterstica que la secuencia

de datos numricos se hace en instantes de tiempos
especficos pero homogneos, si se toma una serie de datos
semanales, esta misma frecuencia se deber mantener
durante toda la serie.
La importancia de las series de tiempo radica en que
empricamente el empleo de modelos estructurales no ha
podido alcanzar la misma calidad de este que es un estudio
univariado, en la cual se utiliza los rezagos de la variables
(componente autorregresivo) junto con trminos estocsticos
y rezagados (componentes de medias mviles).
Como se observa en la figura 10 las tendencias de las series
de tiempo tienen un comportamiento estacional, cclico e
irregular.

Figura 10: series de tiempo con sus componentes tendencia, estacionaridad e

irregular

Se encuentra que el comportamiento estacional es bastante

predecible, cada 17 unidades de tiempo donde se presenta un
pico, la ciclicidad de las series por otro lado muestra la
coincidencia de puntos altos en la componente irregular y de
picos estacionales mientras que los puntos de depresin
relacionados a los puntos valle.
2.

SERIES NO ESTACIONARIAS

Se diferencias de las estacionarias ya que presentan una

media que si depende del tiempo, adems puede que no
mantengan constantes el resto de los momentos de su
distribucin. Se muestra un ejemplo en la figura 11.

INFORME MODELOS DE PRECIOS DE LA ELECTRICIDAD. MERCADOS DE ENERGA COMPETITIVOS.

tambin los fenmenos climticos extremos afectan tambin

la demanda.
La proyeccin oficial es realizada por la UPME usando
modelos economtricos relacionando el PIB y las prdidas en
el sistema de transmisin, despus las demandas anuales
proyectadas son desagregadas mes a mes usando modelos
auto regresivos integrado de promedios mviles ARIMA, los
agentes en sus procesos de toma de decisiones deben
considerar estas proyecciones.
Tabla 1
Estudio

Barrientos
et al. 2007

Figura 11: series estacionarias y no estacionarias

Se aprecia una serie estacionaria, una no estacionaria y una

no estacionaria con tendencia determinstica. La primera
muestra un comportamiento irregular pero se distinguen
ciertos patrones de comportamiento, las oscilaciones se
presentan alrededor de una media constante. La serie no
estacionaria presenta igualmente un comportamiento
irregular pero su media va cambiando.

Regin

Tcnica/Modelo

Regin Sur- Funciones Spline

Occidente ARIMA un modelo
de
para cada hora del
Colombia
da

Se han hecho predicciones a corto (utilizado para planificar

la operacin del sistema), mediano y largo plazo (insumo en
las decisiones de expansin en la capacidad de generacin y
del sistema de distribucin).
En las predicciones de demanda en el mediano y largo plazo,
basados en modelos explicativos, los errores dependen de la
precisin del pronstico.
Se ha encontrado en el caso colombiano que la demanda es
dependiente del producto interno bruto (PIB) de las tarifas
de energa y del crecimiento de la poblacin, algunos autores
expresan que el consumo de ACPM, gas natural
como

Informaci
n

Hora,dia,
mes

Horario,
1:2001 11:2004

Murillo
et.al
(2003)

Demanda
de una
empresa
de
Colombia

ARIMA un modelo
para cada hora del
da

Hora
1:200112:2001

Castao
(2007)

Colombia

ARIMA con
intervenciones

Hora 12:00
1:19968:2002

UPME(200
4)

Colombia

No especificados

PIB,
tarifas de
la
energa,
crecimie
nto de la
poblaci
n

Colombia

Red neurodifusa
percepcin
multicapa
componentes
principales

PIB,
consumo
Mensual,
ACPM,
1:1999- 12:
tarifa de
2004
la
energa

Espaa

ARIMA

Mensual,
1980-1996

Lbano

AR, ARIMA, hibrido

Mensual

VI. MERCADO COLOMBIANO

La demanda de electricidad, la oferta y la regulacion son las
fuerzas fundamentales del mercado electrica, estos factores
hacen que se distinga de otro tipo de mercados, esto hace que
el precio de la electricidad presente un comportamiento muy
diferente al de otros bienes fisicos o de productos
financieros, por esto el patrn de demanda, sumado a las
caractersticas de cada sistema de generacin y las
tecnologas que lo conforman, hace que se estudie una
estructura econmica particular en cada regin o pas , de
forma que un diseo de mercado especifico no se puede
implementar en otro.

Variables

Medina y
Garca
(2005)

Chaveza
et al.
(1999)
Saad, Badr
y Nasr
(2001)

PIB,Tarifas
de la
energa,
crecimient
o de la
poblacin

VII. EJEMPLO DE SERIES TEMPORALES EN EL

MERCADO COLOMBIANO
La ecuacin sobre la que basan las proyecciones de precios
de energa y las conjeturas sobre el comportamiento futuro,
est dada por la siguiente expresin:

INFORME MODELOS DE PRECIOS DE LA ELECTRICIDAD. MERCADOS DE ENERGA COMPETITIVOS.

Es importante anotar que la funcin logaritmo natural es una

transformacin montona que estabiliza la variabilidad de la
series, sin alterar su estructura de auto correlacin y la
correlacin con otras variables.
En la figura 12 se observa el comportamiento de las series
temporales de demada , nivel de embalses y precio de la
energia

Figura 13 Proyeccin precio de la energa a 2020

Figura 12 Comportamiento de las series temporales

El nivel de embalse es el del embalse agregado y el precio de
la energa es el precio de bolsa o de los contratos
En la tabla No. 1 se puede observar los resultados de la
estimacion para la ecuacion anteriormente mencionada, para
las variables en niveles y primeras diferencias de las
variables dependientes e independientes

A partir de estos anlisis se evidencia que el nivel de

embalses afecta el precio de energa inversamente, indicando
que una mayor oferta del factor principal en la produccin de
energa de origen hdrico debera disminuir el precio. La
evidencia tambin sugiere que un incremento en el PIB tiene
un efecto positivo sobre la demanda, pero negativo sobre el
precio de la energa. Si la causalidad es correcta, esto
significara que un incremento del PIB implica una mayor
oferta de factores productivos, como por ejemplo la energa
elctrica, oferta que podra crecer ms que su demanda
implicando una eventual cada de su precio. Los anlisis del
precio de la energa muestran que el precio de bolsa en el
largo plazo tiende al precio de los contratos de futuros. Si se
piensa en los planes de expansin, siempre la expansin ha
estado muy ajustada al crecimiento de la demanda. El exceso
de energa para oferta puede obedecer a condiciones de
invierno extremo y si se tiene en cuenta que la regulacin de
nuestro sistema es en mayor parte estacional, colocar el
recurso implica bajar el precio.
VIII. CONCLUSIONES
Los mercados de energa son muy voltiles, debido a que los
factores que la componen no presentan un comportamiento
predecible, por tanto es necesario formular modelos que
puedan predecir el precio de dicho mercado.
Los modelos fundamentales buscan parametrizar los factores
que inciden en un determinado mercado, para establecer el
precio.

Tabla No. 1
La figura 13 muestra la proyeccin del precio de la energa
usando como base la estimacin de la ecuacin inicial en la
columna 4 de la Tabla No. 1 donde se confirma la tendencia
al alza de los precios de la energa. Para obtener estas
predicciones se usaron pronsticos de las variables
independientes a travs de modelos ARIMA. Las curvas PL
y PU son las bandas de confianza inferior y superior, la lnea
del medio es la proyeccin.

Las empresas de energa son mercados oligopolistas que

determinan el precio y la oferta del bien, adoptando muchas
veces modelos fundamentales como los expuestos, teniendo
en cuenta que son regulados por el estado.
La determinacin de como se comporta el mercado de
energa a travs de los modelos expuestos, dependen del tipo
de competencia que se lleva a cabo entre los participantes y
de los factores que inciden en la toma de decisiones.

INFORME MODELOS DE PRECIOS DE LA ELECTRICIDAD. MERCADOS DE ENERGA COMPETITIVOS.

IX. REFERENCIAS
[1] Construccin de Escenarios de Pronstico del Precio de
Elctricidad en Mercados de Corto Plazo J.D Velsquez,
Universidad Nacional de Colombia, disponible en:
http://www.bdigital.unal.edu.co/6546/1/dissertation.pdf
[2] Procesos Estocsticos, Introduccin Universidad
Complutense
de
Madrid,
disponible
en:
http://pendientedemigracion.ucm.es/info/jmas/mon/27.pdf,
recuperado: 13 de septiembre de 2016.
[3] Modelo para el pronstico del precio de la energa
elctrica en Colombia, Universidad de Antioquia.
disponible
en:
http://aprendeenlinea.udea.edu.co/revistas/index.php/lecturas
deeconomia/article/view/14771/17897.
[4]Isaac Dyner, Tesis Universidad Nacional de Colombia.
Disponible
en:
http://www.bdigital.unal.edu.co/6546/1/dissertation.pdf.
Recuperado: 15 de septiembre de 2016.
[5] Fonseca Mario. Factores que afectan la toma de decisin
de los precios a nivel internacional. Disponible en:
http://eprints.sim.ucm.es/16667/1/T33737.pdf:
15
de
septiembre de 2016.
[6] Muoz Antonio. Modelos de prediccin a corto plazo del
precio del mercado elctrico espaol. Disponible en:
http://www.iic.uam.es/catedras/Publicaciones/seminario2605
09.pdf: 15 de septiembre de 2016.
[7] Kliovsky Edith. MODELOS BSICOS DE LAS
TEORAS DE LOS PRECIOS. Disponible en:
https://dialnet.unirioja.es/descarga/articulo/4934994.pdf: 15
de septiembre de 2016.

10