OPTIMIZATION OF A PORTFOLIO OF ELECTRIC ENERGY SWAPS IN BRAZIL USING THE OMEGA MEASUREMENT WITH CVAR CONSTRAINTS

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO === O mercado brasileiro de energia elétrica é composto basicamente de matrizes hidroelétricas e termoelétricas, sendo que seu fornecimento pode ser contratado em dois ambientes, um de contratação regulamentada e outro livre. Dessa forma o apreçamen...

Full description

Bibliographic Details
Main Author: IAGO EMANUEL BARBOSA DA COSTA VEIGA
Other Authors: LEONARDO LIMA GOMES
Language:Portuguese
Published: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO 2012
Online Access:http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=21001@1
http://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=21001@2
Description
Summary:PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO === O mercado brasileiro de energia elétrica é composto basicamente de matrizes hidroelétricas e termoelétricas, sendo que seu fornecimento pode ser contratado em dois ambientes, um de contratação regulamentada e outro livre. Dessa forma o apreçamento da energia é algo complexo e com incertezas, pois seu modelo leva em consideração comportamentos de afluências futuras, além de estimar a utilização de termoelétricas, que possuem fontes de energia mais caras. No Brasil, existem quatro submercados que podem ter preços divergentes. Algumas comercializadoras se utilizam dessa diferença buscando aferir ganhos extraordinários fazendo Swaps. Essa operação consiste em compra e venda de uma mesma quantidade de energia com liquidação fixada em uma determinada data com o preço à vista entre diferentes submercados. Essas empresas utilizam medidas de otimização de carteiras e controle de risco para fazerem operações ótimas, onde há maior probabilidade de maximizar o lucro, tendo o prejuízo máximo sob controle. Esse trabalho tem como objetivo encontrar a carteira de Swaps de energia que maximiza a medida Ômega, usada como avaliador de desempenho, tendo uma expectativa de lucro e com uma restrição de risco com um limite para o Conditional Value at Risk (CVaR), assim auxiliando as comercializadoras a maximizarem seu lucro não ultrapassando seu limite de risco. O estudo levou em consideração valores de previsão reais feitos por modelos fornecidos por órgãos especializados, levando em consideração os dados para os anos de 2012 e 2013 sendo estudadas todas as combinações possíveis de Swaps para a composição da carteira ótima para cada um dos anos estudados. A carteira ótima foi encontrada, no entanto, pode-se concluir que sua composição varia de acordo com os dados simulados não existindo assim uma carteira ótima única devendo essa ser calculada caso a caso. === The Brazilian energy market is composed basically by hydroelectric and thermoelectric energy sources, which can be contracted in two different environments, one regulated and the other free. In this way, the pricing of energy is something complex and uncertain, because its model takes in consideration the behavior of future water affluences, besides estimating the more expensive thermal units. In Brazil, there are four submarkets that have diverging prices and some traders use this difference to reach extraordinary gains by entering into Swap operations. This operation consists of buying and selling a same amount of energy with its liquidation fixed at pre-determined date, at a spot price between different submarkets. These companies use portfolio optimization and risk management methods to reach optimal operations, in which there is a greater probability of maximizing profits, while measuring risk. This study aim to find the portfolio of Swaps that`s maximize the Omega measurement as the performance measurement, has a estimated profit and uses the conditional Value at Risk (CVaR) as the restriction for the risk that can be taken. Its objective is to help traders maximize their profit without exceeding their risk limit. The study took in consideration values from real previsions made by models provided by specialized agencies, taking in consideration all the data for the years of 2012 and 2013, with all the combinations of Swaps being studied. The optimal portfolio was achieved in both cases however, it`s possible to conclude that this composition varies according the input data, not existing thereby a unique optimal portfolio should that be calculated by case.