Agentbasert modell av elsertifikatmarkedet (MARC) klar for lansering

MARC – Multi-Agent Renewable Certificate model

Etter over 2 års utvikling er vår agentbaserte modell av sertifikatmarkedet (MARC) klar for lansering. Utviklingsprosjektet har hatt en ramme på nesten 3 millioner kroner og vært finansiert av et dusin private og offentlige aktører, og har etter alle solemerker oppnådd målet, nemlig å utvikle verdens første agentbaserte markedsmodell for et kvotemarked.

Bakgrunn

Elsertifikatprisen styres i stor grad av dagens sertifikatbalanse og forventinger om framtidig sertifikatbalanse. Etter hvert som markedet nærmer seg balanseperioden vil prisene i enda mindre grad vil styres av utbyggingskostnadene og i større grad av forventinger om framtidig sertifikatbalanse. For å bedre forstå hvordan markedet vil kunne utvikle seg fram mot balanseperioden lanserer vi, sammen med Thema Consulting Group, endelig en agentbasert markedsmodell av elsertifikatmarkedet.

Fram til i dag har fundamentale likevektsmodeller hovedsakelig vært benyttet til å analysere markedet. Slik modeller er basert på kostnadsdekning på tilbudssiden og har egnet seg godt til å analysere investeringsfasen av markedet, men etter hvert som vi nærmer oss slutten av denne fasen er det sannsynlig at prisene i større grad avvike fra utbyggingskostnadene. Skal man da kunne si hvor markedet vil ta vei trengs en tilnærming som tar høyde for aktørenes strategier og forventninger.

Agentbasert modellering har opprinnelig røtter fra spillteori og kybernetikk, men har i økende grad blitt bruk til å studere markeder hvor en likevekt har vist seg vanskelig å oppnå. Modelltilnærmingen skiller seg fra en standard likevektstilnærming vet at den ikke bygger på en overordnet antakelse om kostnadsdekning, men heller tar utgangspunkt i å fange de individuelle aktørenes adferd og la utfallet bestemmes av deres interaksjoner. Utfordringen er å beskrive markedsaktørenes adferd og modellere dette dynamisk. Utviklingen har derfor vært en tidkrevende prosess og strukket seg over 3 år.

Vi skrev i 2014, da prosjektet startet, en blogpost om hvorfor vi mente en agentbasert modell er bedre egnet til å modellere markedet for elsertifikater enn fundamentale likevektsmodeller. Disse punktene er kanskje enda mer aktuelle i dag og det er en glede å endelig kunne lansere denne modellen vår.

Modellen er utviklet av Optimeering og Thema, og finansiert av Forskningsrådet, Innovasjon Norge, samt en rekke private og offentlige aktører, deriblant NVE, Energimyndigheten, ENOVA, BKK og Statkraft. En forenklet beskrivelse av MARC-modellen finner du her.

Hva vi tilbyr

Markedsanalyser basert på MARC-modellen vil i all hovedsak være tilgjengelig gjennom deltakelse i vårt Sertifikatmarkedsforum EMF (El-Certificate Market Forum), som er et felles samlingssted for aktører i bransjen. Alle deltakerne i forumet møtes jevnlig for å diskutere mulige endringer i elsertifikatmarkedet og se nærmere på deres mulige innvirkning på sertifikatmarkedet ved hjelp av MARC-modellen.

Mer informasjon om modellen og våre modellbaserte analysetjenester finnes i denne flyeren. For øvrig informasjon ta kontakt med Karan Kathuria.

Seriestart – hvor viktig er første kamp?

Seriestarten i Tippeligaen 2016 er over. Eksperter, supportere, spillere og trenere trekker seg tilbake for å analysere hva som gikk galt, hva som gikk bra og muligens også hva første runde kan si om prestasjonene fremover. Er virkelig Vålerenga så dårlig som DB vil ha det til, hva med Bodø Glimt og Sogndal – er forskjellen så stor som tabellen etter én runde vil ha det til? Vi er hverken eksperter, spillere eller trenere, men har fundert om første runde kan si noe (statistisk) om hvordan resultatet blir seende ut etter siste runde i november.

Spørsmålet vi har stilt oss er: «hvor viktig er egentlig første runde?» Eller enda mer konkret: «Er det en sammenheng mellom resultater i første runde og endelig plassering etter siste runde?» I analysen har vi samlet data fra 2009 (fra 16-lags-serien ble innført) til og med forrige års sesong.

I figuren har vi plottet alle sluttplasseringer (y-aksen) mot antall poeng i første runde (x-aksen). Eksempelvis representerer sirkelen øverst til høyre 3 poeng i første runde og første plass etter siste serierunde. Størrelsen på denne er bestemt av antall ganger dette har inntruffet siden 2009. I dette tilfellet seks av syv ganger.

bilde1

Vi ser at 3 poeng i første runde normalt sett har gitt en høyere tabellplassering enn 0 og 1 poeng ved at 3-poengs-kolonnen har størst sirkler på den øverste halvdelen av tabellen. Median-plasseringen for vinnere i første runde er 7. plass. For uavgjortslag er medianplasseringen 11 og for tapslag er den 9. Matrisen under viser sammenhengene på en litt annen måte.

bilde2

I tabellen vises tabellplassering etter siste serierunde vertikalt (fra 1-16) og sesonger horisontalt (fra 2015-2009). For hver kombinasjon av sluttplassering og sesong har vi registrert antall poeng i første runde {0,1,3} og fargekodet med grønn for 3 poeng, gul for 1 poeng og rød for 0 poeng.

Tabellen viser samme resultat som figuren over – at tre poeng i første runde normalt sett har gitt en høyere tabellplassering etter siste runde. 2011-sesongen skiller seg ut som «unntaket som bekrefter regelen». Da for eksempel Sarpsborg 08 slo Molde i første serierunde, men Molde ble seriemester og Sarpsborg 08 rykket ned som det dårligst plasserte laget.

En viss sammenheng vil det nok være, ettersom 3 poeng i første runde er 3 hele poeng på veg mot seriegull, men det anbefales å lese tabellen og figuren mer for underholdningens skyld enn for signifikante sammenhenger. For eksempel kan vi neppe si at for å få 4. og 8. plass, er det viktig med 3 poeng i første runde. Og til alle Vålerenga-fans – dere kan fremdeles bli seriemester 2016!

Figurene under plotter samtlige sluttplasseringer for henholdsvis 3, 1, og 0 poeng i første runde:

bilde3

bilde4

bilde5

Ser vi på samme analyse, men mellom første runde og plassering på tabellen etter fem runder ser vi en mye klarere sammenheng.

bilde6

bilde7

Etter fem runder, har et lag som vant første runde, historisk aldri vært dårligere enn 11 plass etter fem runder. Og laget som toppet serien etter 5 runder har alltid fått 3 poeng i første runde.

Med denne historiske sammenhengen, samt resultater fra treningskamper i 2016, har vi laget en liten simuleringsmodell som vi har brukt til å tippe serietabellen etter 5 runder. Her har vi kun sett på vinnprosent og ikke sett på (for eksempel) hvem som var motstander i treningskampene, eller om treningskampen var tett opp mot seriestart eller om det var rett over nyttår.

Tabellen etter fem runder blir da slik:

1 Haugesund
2 Bodø/Glimt
3 Lillestrøm
4 Start
5 Odd
6 Aalesund
7 Rosenborg
8 Vålerenga
9 Tromsø
10 Molde
11 Viking
12 Strømsgodset
13 Sarpsborg 08
14 Sogndal
15 Brann
16 Stabæk

Det første vi har gjort er å regne ut for hver plassering (etter fem runder) hyppigheten av seier, uavgjort og tap i første runde. Simuleringsmodellen trekker så tilfeldige resultater basert på disse resultatene. Videre har vi rangert de tre gruppene (seier, uavgjort, tap) basert på resultater i treningskamper. Ettersom det kun har vært førsterundevinnere på topp etter 5 runder historisk, vil modellen vår også velge en førsterundevinner på topp. Grunnen til at Haugesund er på topp er fordi de har høyest vinnprosent i treningskampene. Brann havner eksempelvis på 15 plass fordi simuleringsmodellen har trukket ut et uavgjortslag fra første runde til å havne på 15 plass basert på historien. Videre har Brann gjort det dårligst av alle uavgjortslagene i treningskampene og havner derfor lavest av alle uavgjortslagene. Samme logikk gjelder for Rosenborg – modellen velger ut et taperlag til å havne på 7.plass (har skjedd to av syv ganger) og at Rosenborg er det laget med best trengingskamphistorikk av taperlagene.

Ny bloggpost følger i april etter femte runde er ferdigspilt

We are looking for an Operations Research Specialist

We are after an Operations Research Specialist to join our team in Oslo or Bergen. If you want to apply OR to real world decision-making, day in and day out, we want to hear from you

This position will give you the opportunity to use your expertise to formulate, develop and deliver cutting-edge OR models that provide real value to businesses in Optimeering’s key markets of power and aquaculture. Our projects will challenge you and give you time to think and create – generating innovative solutions, rather than simply churning out the same thing as quickly as possible. Whilst what we do is grounded in the latest academic developments in modelling and algorithm development, our core focus is on delivering practical solutions that provide clear improvements over the existing way of doing things. This is real, applied OR – combining business, industry and process understanding with maths and models to deliver a little bit of magic.

You will work with smart and dedicated people with an interest in OR, analytics and applied maths, learning from each other and contributing in equal measure. This position is a heavy modelling role, and your qualifications will reflect this:

  • Minimum post-graduate degree in Industrial Economics, IT, Mathematics or similar with very strong academic records, especially in OR.
  • Relevant experience from power markets, supply chain management or aquaculture, or a demonstrated ability to quickly learn about and apply your OR skills to new industries.
  • A strong ability to communicate complex OR-methods to non-experts and business users.
  • A commercial mindset and the desire to apply OR to real world problems.

We can offer you a highly competent and passionate work environment, a flexible and diverse work-day and a compensation package that reflects your background, experience, and the value you add to the company. You will quickly be given a lot of responsibility and you will have the opportunity to help drive the development of a new and growing company. At Optimeering you won’t be one of the “rank and file”, limited by a slowmoving, corporate structure – here your creativity and new ideas are warmly welcomed.

To apply, send us your CV, transcripts and an email describing a bit about yourself, your goals and what you would like to achieve with us.

For any questions you might have regarding us or the position, contact Karan Kathuria

Applications close at 12 pm CET on the 28th of March 2016.