Gerenciamento de riscos e otimização de carteira de contratos de compra e venda de energia elétrica

Abstract

Resumo: Os mercados de energia elétrica em todo o mundo estão sofrendo profundas mudanças estruturais e de cunho regulatório, motivados pela gradativa inserção de fontes renováveis, notadamente intermitentes, como é o caso da geração eólica e solar. Os agentes Comercializadores, Distribuidores, Consumidores Livres e Geradores, por sua vez, estão se adaptando aos desafios de um mercado em constante crescimento e mutação. Os desafios de um setor tão importante quanto o elétrico dizem respeito a estratégias de contratação, mitigação de riscos, de crescimento sustentável, dentre outras, que cada agente deve tomar no curto, médio e longo prazo. Os agentes comercializadores, que atuam no mercado livre de energia, buscam a todo tempo dinamizar as transações de energia e os mecanismos de contratação para esta commodity, inclusive negociando em bolsas eletrônicas de energia, complementar ao mercado balcão. Nesta dissertação, é proposta uma metodologia de apoio à decisão e gestão de riscos para a comercialização de energia elétrica no ambiente de contratação livre. A gestão de riscos desempenha um papel fundamental para empresas e agentes que atuam neste mercado. O problema a ser resolvido caracteriza-se como uma alocação ótima de energia entre mercado spot, contratos bilaterais, contratos futuros de energia e derivativos exóticos. O uso do modelo padrão de média-variância, ou teoria de seleção dos portfólios de Markowitz, notadamente não funciona tão bem em mercados imaturos. No entanto, considerando uma modelagem robusta com limites de liquidez e restrições naturais de poder de mercado, foi possível agregar valor e dimensionar os riscos embutidos nas negociações de energia elétrica. A decisão a ser tomada, diz respeito aos volumes de energia que devem ser comprados ou vendidos antecipadamente, e quão grande pode ser a exposição ao mercado spot, que possui naturalmente incertezas, bem como apresentam os lucros e riscos envolvidos nestas negociações. Desta forma, é proposta a modelagem do risco utilizando os conceitos de Conditional Value at Risk como critério para a escolha dos portfólio ótimos mais adequados, por meio de algoritmo desenvolvido em plataforma MATLAB. A avaliação da proposta foi realizada com o objetivo de avaliar a aderência do modelo e os impactos financeiros na carteira de contratos do agente comercializador por meio da comparação com expectativas de preços anteriores, marcações dos preços praticados pelo mercado e expectativas de preços ditas perfeitas, cujos resultados balizaram a margem de desempenho que pode ser atingida ao aperfeiçoar a previsão de preços futuros. Os resultados mostraram-se consistentes, uma vez que as análises apontaram substancial ganho financeiro ao se empregar a metodologia proposta, além de sólidas avaliações de risco, mitigando-os proporcionalmente ao perfil de risco e apetite financeiro do agente comercializador. Ademais, o algoritmo desenvolvido apresentou relativa adaptabilidade, no sentido de modelar as necessidades e interesses de cada agente de mercado através de funções objetivo e restrições, sendo facilmente empregada para os interesses de agentes Distribuidores e Geradores. Palavras-chave: Gerenciamento de riscos. Mercados de eletricidade. Teoria dos portfólios. Otimização multiobjetivo. Seleção de contratos.

Abstract: Electric power markets around the world are undergoing profound structural and regulatory changes, motivated by the gradual insertion of renewable sources, notably intermittent sources such as wind and solar generation. Dealers, Distributors, Free Consumers and Generators agents are adapting to the challenges of an everchanging market. The challenges of a sector as important as the electric sector concern the strategies related to energy contract, mitigation of risks, sustainable growth among others, which each agent must take in the short, medium and long term. The agents that operate in the energy market seek to boost energy transactions and contracting mechanisms for this commodity, including trading in electronic energy exchanges, complementary to the counter market. In this dissertation, a decision support and risk management methodology to electric energy commercialization in the energy market environment is proposed. The risk management plays a key role for companies and market agents. The problem can be contracts, energy future contracts and exotic derivatives. The use of standard mean variance model, a Markowitz selection portfolio, does not work so well in immature markets. However, considering a robust modeling with liquidity limits and natural constraints of market power it is possible to add value and size the risks embedded in the electric power negotiations. The decision that has to be taken is how much energy should be bought or sold in advance, and how large the exposition to the uncertain spot market, as well as the profits and risks involved. In this work, it is proposed to model the risk using a Condition Value at Risk as the criterion for choosing the most appropriate optimal portfolio, through an algorithm developed in MATLAB platform. The evaluation of the proposal is carried out in order to assess the adherence of the model and the financial impacts on the dealer's portfolio through comparison with past price expectations, mark to market prices and expectations of perfect prices. The performance margin can be achieved by improving forecasting of future prices. The results were consistent, whose analyzes indicated a substantial financial gain when using the proposed methodology, as well as important risk assessments, mitigating them proportionally to the risk profile and financial appetite of the marketing agent. In addition, the developed algorithm presented relative adaptability, in the sense of modeling the needs and interests of each market agent through objective functions and constraints, being easily extended to the interests of Distributors and Generators agents. Keywords: Risk management. Electricity market. Portfolio theory. Optimization. Trading scheduling.