Deep learning approach to the spot price of electricity in Colombia

• Trespalacios, Alfredo ^[2] ; Franco Ceballos, Luis Eduardo ^[1] ; Palacios Palacios, Farikc Yorley ^[3]
  1. [1] Instituto Tecnológico Metropolitano

     Instituto Tecnológico Metropolitano

     Colombia

     
  2. [2] Escuela Latinoamericana de Administración y Emprendimiento – ELAE, Medellín, Colombia
  3. [3] Fundación ECSIM, Medellín, Colombia

  Mostrar afiliaciones +
• Localización: Revista Colombiana de Computación, ISSN 1657-2831, ISSN-e 2539-2115, Vol. 26, Nº. 2, 2025 (Ejemplar dedicado a: Revista Colombiana de Computación (Julio-Diciembre))
• Idioma: inglés
• Títulos paralelos:
  • Aproximación tipo aprendizaje profundo al precio spot de la electricidad en Colombia
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Las proyecciones del precio de la energía eléctrica son un insumo relevante para la evaluación de los resultados financieros de empresas en operación, la evaluación de nuevos proyectos de inversión y la estructuración de portafolios de cobertura. En este artículo realizamos un análisis de la eficacia de métodos de proyección del precio spot de la energía eléctrica en Colombia, basados en Deep Learning y su capacidad para vencer una estructura de tipo ARIMA. Los resultados son insumo para investigadores y analistas de mercados eléctricos a nivel global que estén interesados en realizar proyecciones de la energía eléctrica y también algunas variables que posean características de reversión a la media, alta volatilidad y saltos. En general, los métodos de Deep Learning considerados logran capturar la tendencia de la serie en periodos out of sample, pero no logran vencer el desempeño de pronósticos realizados al aplicar métodos de Box-Jenkins.

  • English

    The electricity price forecast is relevant data for evaluating the financial results of operating companies, assessing new investment projects, and structuring hedging portfolios. This paper analyzes the effectiveness of spot price forecasting methods for electric power in Colombia based on Deep Learning and their ability to overcome an ARIMA-type structure. The results are input for researchers and analysts of global electricity markets who are interested in making projections of electric power and some variables that have mean reversion, high volatility, and jump characteristics. Deep Learning methods can capture the series trends in out-of-sample periods. However, they cannot beat the performance of forecasts made by applying Box-Jenkins approaches.