交易电子：预测ISO电力市场中的DART价差尖峰

《Energy Economics》：Trading electrons: Predicting DART spread spikes in ISO electricity markets

　　

研究人员实现了极端DART价差事件的多区域预测；构建了日前市场中的价格影响结构模型；推导了闭式最优虚拟交易策略；影响感知的规模调整提升了风险调整后收益；利润集中于极端市场条件。

**论文解读：预测ISO电力市场中的DART价差尖峰与最优虚拟交易**

**一、研究背景与问题**

美国独立系统运营商（ISO）和区域输电组织（RTO）运营的批发电市采用双结算体系，即日前市场（DAM）与实时市场（RTM）。日前价格与实时价格之差DART（Day-Ahead Real-Time spread）是金融与实物市场参与者共同面临的核心风险。虚拟交易者通过递增（INC）和递减（DEC）投标可对DART价差进行多空操作，从而从极端价差事件中获利。然而，已有预测框架如Galarneau-Vincent等人（2023）局限于单一区域，且仅考虑固定1 MWh的单位交易量，完全忽略了提交量对日前出清价格的反馈效应；在规模交易中，这一反馈会侵蚀价差本身。因此，如何在不同区域间联合预测尖峰事件，并在考虑系统性市场冲击的条件下确定最优头寸规模，成为关键问题。本文旨在构建一个统一框架，将尖峰预测与结构价格影响模型相结合，推导闭式最优虚拟交易策略。

**二、研究内容、结论与意义**

研究人员使用NYISO（2015-2025）、ISO-NE（2018-2025）和ERCOT（2018-2025）三个市场的历史负荷、价格和预测数据，通过logistic回归分类器预测正负DART尖峰；利用日前bid stacks的局部线性化估算系统能量影响系数，通过分区负荷回归标定局部影响系数，在线性二次目标函数下得到最优分区交易量。样本外结果显示，在NYISO 2022-2025年期间，最优策略累计盈利约576万美元，且利润高度集中于2025年6月热浪引发的极端价差事件。该研究表明，预测与交易必须作为联合问题处理：忽略价格影响会高估可获利润，或隐含不切实际的小规模头寸。论文发表在《Energy Economics》。

**三、主要技术方法**

研究人员从三个ISO的官方公共数据门户（NYISO、ISO-NE、ERCOT）获取数据，并通过GridStatus平台汇总。预测部分使用无前视偏差的logistic回归，特征包括24/48小时滞后DART、负荷预测误差、日历及季节变量。价格影响部分基于日前bid stacks，用有限差分法估计系统能量影响系数k_E⁺和k_E^-；分区局部影响系数k_z通过对分区负荷与损失-阻塞价格分量回归标定。最终通过线性二次目标函数推导闭式最优交易量。

**四、研究结果**

**3.2 P&L in NYISO**：在NYISO的六个高需求区域（CAPITL、CENTRL、LONGIL、NORTH、NYC、WEST），基准INC/DEC策略在2022-2025年测试期表现出显著的区域异质性。分区平均DART的符号决定了该区域更适合INC还是DEC：例如CAPITL与LONGIL的系统性正DART偏好INC，而2022年后NYC的负平均DART使其更倾向DEC。

**3.3 P&L in ISO–NE**：ISO-NE各区域DART几乎完全同步，因此以缅因州（ME）作为代表区域。2024-2025年测试期整体盈利能力弱于NYISO，大部分利润来自INC交易，DEC触发频率较低，反映了该市场负尖峰预测精度较弱。

**3.4 P&L in ERCOT**：ERCOT四个区域DART相关性超过0.97，以WEST区为代表分析。策略主要受INC驱动，反映日前市场系统性高估实时价格的倾向；利润集中爆发于2024年初与2025年初的少数极端时段，DEC在初期亏损后收复并为正。

**5.1 Main results**：在NYISO最优策略中，交易量由跨区联合优化决定，允许在某些区域建立与预测方向相反的对冲头寸以降低系统影响。2022-2025年样本外总利润约576万美元，其中DEC执行贡献主力，而INC执行因跨区对冲而略微为负，但预测方向的INC信号本身为正，说明负的INC执行是组合优化的结果而非预测失败。利润高度集中于2025年6月24日热浪事件，该事件中实测价格冲击与天级校准系数一致。

**5.2 Forecasting diagnostics**：模型呈高精度低召回特征：DEC交易平均精度约0.30，INC约0.77，召回率仅0.04-0.05。通过Jensen-Shannon散度比较模型所选时段与全部样本及尖峰高分位数的分布，发现所选时段与最大尖峰分布显著更接近（DEC：0.039 vs 0.094；INC：0.061 vs 0.116），证明模型捕捉了极端事件而非随机时段。

**5.3 Strategy variants**：引入方向限制后，即仅沿预测的DART符号执行交易，样本外总利润提升且各分量更平滑。进一步用验证期统计显著性（t统计量>2且交易次数≥50）过滤区域-季节-峰谷组合，总利润略降但更稳健。INC信号比DEC更频繁、更可靠。

**5.4 Sensitivity and robustness**：对局部影响系数的替代标定方式、尖峰阈值和分类方法（如SMOTE）的敏感性分析表明，基准结果对模型设定不敏感；SMOTE重采样反而降低了平均单笔盈利，因此保留原始logistic规范。

**五、讨论与结论**

经济解释上，利润的极端集中性——2025年压力时期的盈利约占样本外总利润85%——以及INC与DEC机会的不对称性，更符合风险溢价假说：虚拟交易者通过承担极端短期价格风险获取补偿，而非利用持久市场无效。以2025年6月热浪为例，高需求、备用紧张和局部阻塞造成罕见DART错位，模型恰好在这些条件下给出高概率信号。这种盈利模式类似于流动性提供补偿，市场准入门槛（如对市场设计的深度了解、高速数据访问、抵押品管理能力）限制了参与者数量，从而允许可预测信号和利润持续存在。本文核心结论是：预测与交易必须联合处理；多区域建模在NYISO中必不可少；INC机会提供稳定回报，DEC机会偶尔产生大额利润；忽略价格影响会严重高估策略价值。未来可扩展至金融输电权（FTR）等工具，或考虑多交易者策略互动以评估这类机会的长期可持续性。