Longstaff & Wang《Electricity Forward Prices: A High-Frequency Empirical Analysis》论文阅读

公开说明：本文保留原笔记的章节、推导和主要表达，重点修正 F-S 负值方向、逐小时回归参数下标、 VR=S×L 的含义和 Table IV 方差除以100，并补充论文样本与市场迁移边界。 【补充】论文样本为 PJM Eastern Hub，2000年6月1日至2002年11月30日，共913天；原文以24个交付小时分别观察日前价格与实时价格。

1.全文主线

先证明日前价格不只是对实时价格的预测，再证明其中多出来的部分是市场参与者承担风险所要求的补偿。 Longstaff & Wang 认为，日前价格的形成是由 预期实时价格+风险溢价形成 的，反映在中国市场里，就是当市场主体预期到实时价格可能走高时，售电侧可能会选择多报日前，发电侧可能会选择少报等等。 也就是： 日前价格= 预期实时价格 + 风险溢价 F t,h = E t (S t+1,h )+RP t,h 目标是证明 RP 存在，并找出决定它的原因。

2.日前价格、实时价格、预期实时价格以及风险溢价

· 日前价格 F t,h F t,h 表示 今天下午确定的、明天第 h 小时交割的日前价格 · 明天实际实时价格 S t+1,h S t+1,h 表示明天真正运行到第 h 小时后，实际形成的实时价格 · 预期实时价格 E t (S t+1,h ) E t (S t+1,h ) 表示在今天已有信息下，市场对明天该小时实时价格的合理预期 也就应该有： 今天 F t,h , E t (S t+1,h )⟶ 明天 S t+1,h · 风险溢价的定义 FP t,h =E t [F t,h -S t+1,h ] 也就是： FP t,h =F t,h −Et(S t+1,h ) 但是我们并没有一个工具可以直接观察风险溢价或 E t (S t+1,h )，于是作者在条件期望框架下使用下面的识别关系： E[F−S]=E[风险溢价]+E[预测误差] 也就是对大量日期取平均，如果有： E[预测误差] = 0 则有： E[F-S] = E[风险溢价] 也就是： 实现价差 = 风险溢价 + 预测误差 F t,h - S t+1,h = [F t,h - E t (S t+1 ,h)] + [E t (S t+1,h ) - S t+1,h ] 作者认为： 【修正】单日实现价差同时包含事前风险溢价和事后预测误差，论文并未证明哪一项在单日必然占主导 大量日期的平均价差，可以用来估计平均风险溢价 风险溢价是日前价格相对于预期实时价格的偏离，而不是相对于最终实时价格的偏离 故而文中讨论的风险溢价，是各类市场主体的风险承担与套保需求共同形成的均衡补偿，而不只是购电方“自愿选择提前锁价”的单边结果。也就是： 担心实时高价⇒主动增加日前购买⇒日前价格被推高⇒形成正风险溢价

3.检验与验证

· 无条件风险溢价检验：计算每个小时长期平均的日前-实时价差 · 方差与偏度检验：验证 Bessembinder–Lemmon 理论 · 时变风险溢价检验：用VAR和GARCH构造负荷、价格、收入风险 · 波动率检验： 比较日前价格和预期实时价格的波动 无条件风险溢价检验 ：

$\overline{FP_h} = \frac{1}{T} \sum_{t=1}^{T} \left(F_{t,h}-S_{t+1,h}\right)$

也就是，我们期待某个固定小时，在 T 天内的平均日前-实时价差可以看做是该点的无条件风险溢价 之所以认为 T 日内的平均日前实时价差可以当做该点的无条件风险溢价是因为当预测误差长期没有系统方向性时会有： E(ε)=0 也就是实时价格预测误差可视作0 于是有： E(F-S) = E(FP) 对实时价格的预测误差相互抵消掉后，剩下的平均价差可以看做是平均风险溢价****** 作者认为如果会出现假设成立： H 0 : E(F t,h −S t+1,h )=0 也就是对某个小时，如果长期平均日前价格等于长期平均实时价格，就认为不存在平均风险溢价 当然，也就会有： H 1 : E(F t,h −S t+1,h )≠0 就认为，存在风险溢价 对江苏市场的映射仍需要补齐数据源、样本区间、计算脚本和预测误差检验。 公开版不展示尚未核验的 24 小时价差明细，也不据此判断江苏存在正或负风险溢价。 经济逻辑是： 晚高峰负荷高->系统更接近容量约束->机组故障或负荷预测偏差更容易触发尖峰->购电方更愿意在日前锁定价格->日前需求增强，形成正风险溢价 方差与偏度检验 小时 平均风险溢价 现货价格方差 现货价格偏度 01时 (FP 1 ) (Var 1 ) (Skew 1 ) 02时 (FP 2 ) (Var 2 ) (Skew 2 ) … … … … 24时 (FP 24 ) (Var 24 ) (Skew 24 ) 本文尝试把一天24小时当做24个横截面观测值。 作者认为，存在：

$\overline{FP_h} = a + b\,\frac{Var(S_h)}{100} + c\,Skew(S_h) + \varepsilon_h$

他希望存在： b<0 & c>0 也就是： 希望存在现货价格方差越大，风险溢价越低；现货价格正偏度越高，风险溢价越高。 【修正】这里是24个交付小时之间的横截面关系，不是在检验“实时高价后的第二天，日前价格更高”。 方差: Var(S h ) = E[(S h - E(S h ))^2^] 也就是代表 h 的波动程度，不分正负的方差对于购电方来说价值有限。 故而构建正偏度用来拟合右偏分布： 300 320 340 360 1500

$\operatorname{Skew}(S_h) = E\left[ \left( \frac{S_h-\mu_h}{\sigma_h} \right)^3 \right]$

作者认为 方差越高，风险溢价越低 ，也就是 控制了偏度以后，价格的一般性波动增加，可能强化发电商的远期卖出需求，从而压低远期价格 也就会有作者计算出来的方程：

$\overline{FP_h} = 0.13 - 0.07\,\frac{\operatorname{Var}(S_h)}{100} + 0.27\,\operatorname{Skew}(S_h) + \varepsilon_h$

他认为这个可以验证：

$\operatorname{Var}(S_h)\uparrow \quad\Rightarrow\quad \overline{FP_h}\downarrow$

$\operatorname{Skew}(S_h)\uparrow \quad\Rightarrow\quad \overline{FP_h}\uparrow$

也就是方差变大，风险溢价变小，正偏度变大，风险溢价变大。 时变风险溢价检验 上文计算的： $\overline{\text{FP}}$ 是某个小时在某个时段的平均风险溢价，但是对于不同的天气或者负荷情况，每天的风险溢价是会出现波动的 故而他认为 FP t.h = 小时固有特征 + 当天风险状况 ，这和我们机器学习里面做残差修正的道理一样。

4.三个风险

Longstaff & Wang 提出了风险溢价随时间变化的“三类风险” 有： VL = 负荷风险 VS = 现货价格风险 VR = 收入风险 · VL 负荷风险 如果在日前 t ，我们预测第二天第 i 个小时的系统负荷，也就有： L i,t+1 = E t (L i.t+1 ) + ε^L^ 也就是： L i,t+1 ：第二天的实际负荷 E t (L i.t+1 )：根据当前信息得到的预测负荷 ε^L^：无法提前预测到的负荷变化 作者关心： ε^L^ = L i,t+1 - E t (L i.t+1 ) 也就是负荷预测误差 使用GARCH来估计这个误差在未来可能有多大 GARCH： h i,t+1 ^L^=ω+α(ε^L^)^2^+βh i,t ^L^ 最后认为负荷误差的条件波动率为：

$VL_{i,t}=\sqrt{h^L_{i,t+1}}$

也就是 负荷的不确定程度 。 作者认为存在： 负荷预测不确定性上升 =》实际供需缺口更难提前判断 =》 市场参与者更可能临时补购或处置多余电量 =》现货暴露和经营风险上升 =》日前锁定电量的需求增强 =》风险溢价上升 · 价格风险 VS 与收入风险 VR 价格风险VS，可以参考上文的负荷预测风险，风险也是体现在预测价格的不确定性上，在这里不多赘述。 在这里，作者构建了第三类收入风险： 价格和电量共同变化后，系统总收入可能偏离预测多远 【修正】论文中的 R=S×L 是“现货价格×PJM系统负荷”的系统总收入代理，没有扣除购电成本、中长期合约、偏差费用等，因此 VR 不能直接等同于售电公司的经营利润或 PnL 风险。

5.风险溢价回归

当我们构造好了负荷、价格和收入风险后，会有 F i,t −S i,t+1 =a i +b i VL i,t +c i VS i,t +d i VR i,t +ε 符号 含义 F i.t -S i,t+1 最终实现的日前—实时价差 a i 第 (i) 小时的基础风险溢价 VL i,t 日前已知的负荷不确定性 VS i,t 日前已知的现货价格不确定性 VR i,t 日前已知的收入不确定性 b i , c i , d i 三类风险与风险溢价的关系 ε 未解释项，包含事后冲击、模型误差、遗漏变量等 也就是： 今天预测到的风险上升，日前-实时价差是否会系统性变化？ 对于风险溢价来说： F i,t −S i,t+1 =a i +b i VL i,t +c i VS i,t +d i VR i,t +ε 【修正】在单个小时的时间序列回归中，a i 、b i 、c i 、d i 不随日期 t 改变；参数可以随交付小时 i 不同。 同时作者使用 SUR（Seemingly Unrelated Regression，似不相关回归） 同时估计24个小时的方程，因为一天24小时并不是相互独立。 例如一场高温天气可能同时影响：

• 14时负荷；
• 15时负荷；
• 16时价格；
• 17时收入。 因此各小时回归中的残差可能相关： Cov(ε,ε)≠0 SUR 利用这种跨小时的残差相关性，提高估计效率。 如果我们进行 pooled regression ，也就是限制三种风险系数在所有小时相同时，对下式： F i,t −S i,t+1 =a i +bVL i,t +cVS i,t +dVR i,t +ε 作者得到了 b=1.11,t=1.65 c=0.03,t=1.75 d=2.87,t=2.99 也就是： 风险 系数方向 显著性 负荷风险 正 约10%水平 价格风险 正 约10%水平 收入风险 正 约1%水平 且有： p-value = 0.000 则可以拒绝： H 0 ： b = c = d = 0 故而： 日前—实时价差中的可预测部分，与事前的负荷、价格和收入风险系统相关，因此电力风险溢价会随时间变化 。 于是认为：日前时点能观察到的经济风险，可以系统性解释以后实现的日前-实时价差。 也就会有： FP i,t = 分时结构 + 逐日风险变化

6.波动率检验（Volatility Analysis）

如果日前价格只是对实时价格的预期，那么二者的变化幅度是否应当相同？ 日前价格可以写为：

$F_{i,t}=E_t(S_{i,t+1})+FP_{i,t}$

令：

$X_{i,t}=E_t(S_{i,t+1})$

则有：

$F_{i,t}=X_{i,t}+FP_{i,t}$

如果原假设成立：

$H_0:FP_{i,t}=0$

那么：

$F_{i,t}=X_{i,t}$

此时日前价格与预期实时价格不只均值应当相等，其方差、波动率与分布也应当相同。 作者比较二者的日变化：

$\Delta F_{i,t}=F_{i,t}-F_{i,t-1}$

$\Delta X_{i,t}=X_{i,t}-X_{i,t-1}$

并分别计算每个交付小时的标准差：

$\sigma_i^F=\operatorname{Std}(\Delta F_{i,t})$

$\sigma_i^X=\operatorname{Std}(\Delta X_{i,t})$

定义二者的波动率差：

$d_i=\sigma_i^X-\sigma_i^F$

其中：

• $d_i>0$ ：预期实时价格的变化比日前价格更剧烈；
• $d_i<0$ ：日前价格的变化比预期实时价格更剧烈；
• $d_i\approx0$ ：二者波动率接近。 作者对 24 个小时的波动率差进行检验：

$H_0:E(d_i)=0$

检验统计量为：

$t= \frac{\overline d} {s_d/\sqrt{24}}$

论文得到：

$\overline d=3.77,\qquad t=2.94$

因此可以拒绝“日前价格与预期实时价格波动率相同”的原假设。 从分时结果看，差异主要集中在中午至晚高峰，尤其是约 12 时至 21 时：

$\sigma(\Delta X_{i,t}) > \sigma(\Delta F_{i,t})$

即： 预期实时价格变化得更剧烈，而日前价格相对平稳。 把价格关系取差分：

$\Delta F_{i,t} = \Delta X_{i,t} + \Delta FP_{i,t}$

如果风险溢价始终为零，或者只是一个不随时间变化的常数，就会有：

$\Delta FP_{i,t}=0$

进而：

$\Delta F_{i,t}=\Delta X_{i,t}$

因此，波动率显著不同所支持的不只是“存在一个固定风险溢价”，而是：

$\boxed{ FP_{i,t}\text{ 会随时间变化} }$

进一步地：

$\operatorname{Var}(\Delta F) = \operatorname{Var}(\Delta X) + \operatorname{Var}(\Delta FP) + 2\operatorname{Cov}(\Delta X,\Delta FP)$

论文发现高峰时段：

$\operatorname{Var}(\Delta F) < \operatorname{Var}(\Delta X)$

这意味着风险溢价变化与预期现货价格变化之间可能存在负向联动，从而使日前价格表现得更平稳。这与“风险溢价对预期价格冲击具有缓冲作用”的解释相容，但论文没有直接估计二者协方差，也没有单独识别这一机制。

流动性稳健性检验

这里存在一个替代解释： 日前价格波动较低，会不会只是因为日前市场不活跃，价格没有及时更新？ 如果大量日期的日前价格不变：

$\Delta F_{i,t}=0$

那么观测到的日前价格波动率可能被机械性压低。 作者因此重新筛选样本，只保留日前价格和现货价格都发生变化的日期：

$\Delta F_{i,t}\neq0 \quad\text{且}\quad \Delta S_{i,t}\neq0$

重新计算以后，结果与原波动率检验基本一致。 因此作者认为：

$\boxed{ \text{日前价格较低的波动率并非主要由陈旧价格造成} }$

不过，这一检验只能排除“大量零价格变化”造成的机械性影响，不能完全排除成交量不足、买卖价差较大、价格调整缓慢等更广义的流动性问题。

7.全文核心结论

7.1 日前价格由预期实时价格和风险溢价共同形成

全文最核心的关系为：

$\boxed{ F_{i,t}=E_t(S_{i,t+1})+FP_{i,t} }$

因此，日前价格并不是对次日实时价格的单纯预测。 它同时包含：

• 市场对次日实时价格的条件预期；
• 市场参与者为提前转移风险而支付或要求获得的风险补偿。

7.2 日前—实时价差不能全部解释为预测误差

实现的日前—实时价差可以分解为：

$F_{i,t}-S_{i,t+1} = \underbrace{F_{i,t}-E_t(S_{i,t+1})}_{\text{事前风险溢价}} + \underbrace{E_t(S_{i,t+1})-S_{i,t+1}}_{\text{实时价格预测误差}}$

也就是：

$\boxed{ \text{实现价差} = \text{风险溢价} + \text{预测误差} }$

单日价差可能主要受偶然预测误差影响，但在预测误差长期无系统偏差的前提下，长期平均价差可以用于估计平均风险溢价。

7.3 风险溢价确实存在，但不同小时差异很大

24 个小时全部合并后的平均风险溢价约为：

$0.59\text{ 美元/MWh}$

总体均值本身并不显著，但这不能推出风险溢价不存在，因为不同时段的正负风险溢价会相互抵消。 分小时结果显示：

• 24 个小时中有 10 个小时的平均风险溢价显著不为零；
• 对 24 个小时进行联合检验后，可以拒绝“所有小时风险溢价均为零”；
• 14 个小时的平均风险溢价为正；
• 10 个小时的平均风险溢价为负。 因此，正确结论是：

$\boxed{ \text{风险溢价存在，并具有明显的小时异质性} }$

而不是“风险溢价始终为正”。

7.4 风险溢价可以在一天内快速改变符号和大小

论文中不同小时的平均风险溢价大致位于：

$-4.31\sim5.44\text{ 美元/MWh}$

之间。 最低值出现在午后附近，最高值出现在晚高峰附近。晚高峰部分小时的风险溢价可以达到相应平均实时价格的约 13%。 这说明即使合约期限只有一天，风险补偿也可能具有较大的经济意义。

$\boxed{ FP_{i,t}\text{ 可以在数小时尺度内快速变化} }$

7.5 晚高峰的正风险溢价最明显

较高正风险溢价主要集中在：

• 负荷较高的时段；
• 平均电价较高的时段；
• 系统接近容量约束的时段；
• 向上价格尖峰更容易出现的时段。 其经济逻辑为：

$\text{高负荷} \Rightarrow \text{系统接近容量约束} \Rightarrow \text{实时价格右尾风险增加} \Rightarrow \text{购电方提前锁价需求增加} \Rightarrow \text{正风险溢价提高}$

7.6 现货价格方差与平均风险溢价负相关

方差—偏度回归为：

$\overline{FP_h} = 0.13 - 0.07\,\frac{\operatorname{Var}(S_h)}{100} + 0.27\,\operatorname{Skew}(S_h) + \varepsilon_h$

其中方差系数为负：

$-0.07$

对应的 $t$ 统计量约为：

$-2.29$

即：

$\boxed{ \operatorname{Var}(S_h)\uparrow \Rightarrow \overline{FP_h}\downarrow }$

这不是“风险越高，风险补偿一定越低”的一般规律，而是 Bessembinder–Lemmon 均衡模型在控制偏度后的比较静态结果。 方差描述的是价格围绕均值的双向分散程度，并不专门刻画购电方最担心的向上尖峰。

7.7 现货价格正偏度与平均风险溢价正相关

偏度系数为正：

$0.27$

对应的 $t$ 统计量约为：

$1.95$

因此：

$\boxed{ \operatorname{Skew}(S_h)\uparrow \Rightarrow \overline{FP_h}\uparrow }$

回归的解释度约为：

$R^2\approx20\%$

其经济含义是： 在电力市场中，极端向上价格尖峰比普通的双向价格波动更能推高风险溢价。 因此，只观察波动率可能不足以刻画电力市场风险，价格分布的偏度和右尾风险同样重要。

7.8 风险溢价会随每天的风险状态变化

作者利用 VAR 和 GARCH 构造：

$VL_{i,t},\qquad VS_{i,t},\qquad VR_{i,t}$

并估计：

$F_{i,t}-S_{i,t+1} = a_i + b_iVL_{i,t} + c_iVS_{i,t} + d_iVR_{i,t} + \varepsilon_{i,t+1}$

合并回归结果为：

$b=1.11,\qquad t=1.65$

$c=0.03,\qquad t=1.75$

$d=2.87,\qquad t=2.99$

即： 风险指标 系数方向 显著性 负荷风险 $VL$ 正 约 10% 水平 价格风险 $VS$ 正 约 10% 水平 收入风险 $VR$ 正 约 1% 水平 联合检验的：

$p\text{-value}=0.000$

因此可以拒绝：

$H_0:b=c=d=0$

说明日前时点可以观察到的经济风险，能够系统性解释之后实现的日前—实时价差。 因此：

$\boxed{ FP_{i,t} = \text{分时结构} + \text{逐日风险变化} }$

7.9 收入风险是价格与负荷的联合风险代理

负荷风险和价格风险分别刻画电量预测误差与价格预测误差的不确定性。 收入风险则基于：

$R_{i,t+1}=S_{i,t+1}L_{i,t+1}$

它将价格、电量以及二者的共同变化合并起来。 因此，收入风险不是价格风险与负荷风险的简单相加，而是价格与系统负荷共同变化的综合风险变量。它比单独价格或负荷更接近联合暴露，但仍不等同于任何具体市场主体的最终财务结果。 在论文的合并回归中，收入风险的统计显著性也最强。

7.10 波动率检验提供了独立的时间变化证据

论文发现：

$\sigma(\Delta X_{i,t}) > \sigma(\Delta F_{i,t})$

尤其是在中午至晚高峰时段。 24 个小时平均波动率差的检验结果为：

$t=2.94$

因此可以拒绝日前价格与预期实时价格波动率相同的原假设。 这意味着风险溢价并不是固定常数，而会随时间变化；“缓冲作用”只能作为与结果相容的一种解释，不能写成论文已直接验证的机制。

7.11 波动率差异并非主要由陈旧价格造成

作者剔除日前价格或现货价格没有发生变化的日期后，重新进行波动率比较，结果基本不变。 因此，日前价格相对较平稳的现象不能简单归因于：

$\text{市场不活跃} \Rightarrow \text{价格未更新} \Rightarrow \text{观测波动率偏低}$

这一稳健性检验进一步增强了时变风险溢价结论的可信度。

8.文章的完整证据链

检验层次 作者做了什么 得到的结论 无条件风险溢价检验 计算各小时长期平均日前—实时价差 风险溢价存在，并具有小时异质性 方差—偏度检验 用现货价格方差和偏度解释各小时平均风险溢价 风险溢价符合 Bessembinder–Lemmon 的均衡结构 时变风险溢价检验 用负荷、价格和收入的条件风险解释逐日价差 风险溢价随当日风险状态变化 波动率检验 比较日前价格与预期实时价格的日变化波动率 风险溢价不是固定常数，而是随时间变化 流动性稳健性检验 剔除价格没有发生变化的样本后重新计算 低波动结果并非主要由陈旧价格造成 将四层证据串联起来：

$\boxed{ \begin{aligned} &\text{平均价差检验} &&\Rightarrow\text{风险溢价存在}\\ &\text{方差—偏度回归} &&\Rightarrow\text{风险溢价具有经济结构}\\ &\text{事前风险回归} &&\Rightarrow\text{风险溢价会逐日变化}\\ &\text{波动率与稳健性检验} &&\Rightarrow\text{从另一角度验证时变风险溢价} \end{aligned} }$

9.这篇文章的主要贡献

9.1 将电力日前价格放入均衡风险定价框架

由于电力难以储存，传统持有成本模型难以直接适用。 论文说明，电力日前价格应更多地从以下角度理解：

• 市场主体的套期保值需求；
• 发电侧与购电侧承担风险的相对意愿；
• 负荷和价格分布的非对称性；
• 市场容量约束和价格尖峰风险。

9.2 使用小时级数据揭示日内风险溢价结构

如果只计算全日均值，正负风险溢价会相互抵消。 论文通过 24 个小时分别检验，揭示了：

• 不同小时风险溢价符号不同；
• 午后与晚高峰的结构不同；
• 风险溢价可以在数小时内快速变化。 这说明电力风险溢价研究不能只使用日均价格。

9.3 将风险溢价拆分为分时结构与时变风险

论文同时研究了：

$\overline{FP_i}$

和：

$FP_{i,t}$

前者是某一小时长期平均的结构性风险溢价，后者是某一天、某一小时随市场风险状态变化的风险溢价。 因此：

$\boxed{ FP_{i,t} = \text{小时固定结构} + \text{当日风险状态} }$

9.4 强调右尾风险，而不是只关注方差

传统波动率指标无法区分向上和向下波动。 但购电方真正担心的是：

$\text{低概率、极端向上的价格尖峰}$

论文使用偏度解释风险溢价，说明：

$\boxed{ \text{电力风险管理需要同时研究波动率、偏度和尾部风险} }$

10.论文局限

10.1 预期实时价格由模型估计，而不是直接观察

$E_t(S_{i,t+1})$

本身无法在数据中直接观察，作者使用 VAR 进行估计。 因此，风险溢价测量会受到预期价格模型设定的影响。 如果 VAR 遗漏重要信息，模型预测误差可能被部分误认为风险溢价。

10.2 平均价差估计依赖预测误差长期无偏

将：

$E(F-S)$

视为平均风险溢价，需要：

$E(\varepsilon)=0$

如果市场长期存在系统性预测偏差，平均日前—实时价差就会同时包含：

• 风险溢价；
• 系统性预测偏差。

10.3 24 个小时的横截面样本较小

方差—偏度回归只使用一天 24 个小时作为 24 个横截面观测值。 因此：

• 样本量较小；
• 极端小时可能显著影响回归；
• 结论需要在更长样本和更多市场中验证。

10.4 风险指标之间可能高度相关

负荷风险、价格风险和收入风险并不是完全独立的。 例如：

$\text{高温} \Rightarrow \text{负荷风险上升} \Rightarrow \text{价格风险上升} \Rightarrow \text{收入风险上升}$

因此，单个回归系数不能简单解释为完全独立的因果效应。

10.5 流动性稳健性检验相对简单

剔除零价格变化样本可以排除陈旧价格的机械影响，但不能完全衡量：

• 成交量；
• 买卖价差；
• 市场深度；
• 价格冲击；
• 报价更新速度。

10.6 PJM 结论不能直接照搬到中国市场

PJM 的市场规则、负荷服务商义务、日前持仓要求和结算机制，与中国现货试点市场并不完全相同。 因此，论文中的：

$\operatorname{Var}(S)\uparrow\Rightarrow FP\downarrow$

以及晚高峰正风险溢价等结果，不能不经检验直接套用于江苏市场。

11.对江苏市场研究的启发

本节是结合论文框架形成的应用思考，不是论文作者的原始结论。江苏数值仍待补数据源、样本区间与计算脚本；公开版不展示未核明细。

11.1 不能把日前—实时价差全部当成预测误差

江苏市场中的实现价差也可以先概念性地拆成：

$F_{t,h}-S_{t+1,h} = FP_{t,h} + \left[E_t(S_{t+1,h})-S_{t+1,h}\right]$

因此，复盘日前报价时不能只问： 为什么日前价格没有预测准实时价格？ 还应当问： 当时的日前价格中是否包含了由仓位约束、风险厌恶和市场规则形成的系统性溢价？

11.2 需要单独检验江苏市场的系统性预测偏差

若后续经可复现数据与脚本验证，江苏市场部分白天或晚间时段可能出现平均日前—实时价差为负；公开版目前不展示未核数值，也不把这一假设写成已确认结论。 这可能来自：

• 日前仓位比例或申报规则；
• 新能源预测误差；
• 实时供需宽松；
• 市场主体系统性高估实时价格；
• 日前与实时市场出清机制差异；
• 不同主体并非完全自愿地选择日前仓位。 因此，在江苏直接使用：

$E(F-S)=E(FP)$

以前，应先检验实时价格预测误差是否长期无偏。

11.3 江苏风险溢价模型可以拆成两个模块

可以构建：

$\widehat F_{t,h} = \widehat{E_t(S_{t+1,h})} + \widehat{FP_{t,h}}$

其中：

模块一：预期实时价格模型

用于预测：

$\widehat{E_t(S_{t+1,h})}$

可考虑：

• 负荷预测；
• 新能源预测；
• 联络线计划；
• 机组检修与可用容量；
• 天气；
• 历史实时价格；
• 燃料与机会成本；
• 日内和季节变量。

模块二：风险溢价模型

用于预测：

$\widehat{FP_{t,h}}$

可考虑：

• 负荷预测误差的条件波动；
• 实时价格预测误差的条件波动；
• 价格右偏度与尖峰概率；
• 系统备用与容量紧张程度；
• 新能源预测不确定性；
• 日前仓位要求；
• 市场主体持仓结构；
• 日前—实时历史价差状态。

11.4 江苏实证研究的建议检验顺序

可以按以下顺序复现并扩展论文：

• 按 24 小时或 96 点计算平均日前—实时价差；
• 对每个时点检验平均价差是否显著不为零；
• 对全部时点进行联合显著性检验；
• 计算实时价格方差、偏度、峰度和尖峰概率；
• 检验风险溢价的横截面结构；
• 建立预期实时价格模型；
• 构造负荷、价格、新能源和成本风险指标；
• 使用 SUR、面板回归或分位数回归检验时变风险溢价；
• 比较日前价格与预期实时价格的波动率；
• 分市场阶段、季节、峰谷和规则变化进行稳健性检验。

12.最终总结

这篇论文最重要的贡献不是简单证明：

$F_{i,t}\neq S_{i,t+1}$

因为日前价格与最终实时价格不同，可能只是由无法预测的实时冲击造成。 作者真正建立的是下面这条逻辑：

$\boxed{ F_{i,t} = \underbrace{E_t(S_{i,t+1})}_{\text{预期实时价格}} + \underbrace{FP_{i,t}}_{\text{风险补偿}} }$

并通过多层实证检验证明：

• 风险溢价在部分交付小时显著存在；
• 风险溢价的符号与大小具有明显的日内结构；
• 现货价格方差与风险溢价负相关；
• 现货价格正偏度与风险溢价正相关；
• 负荷、价格和收入风险可以解释风险溢价的逐日变化；
• 日前价格与预期实时价格的波动率显著不同；
• 这种差异不能简单归因于陈旧价格。 因此，全文最终结论可以浓缩为：

$\boxed{ \text{日前—实时价差不是纯粹的预测偏差，而是时变风险溢价与不可预测实时冲击共同形成的结果。} }$

对实际建模而言，最重要的启发是：

$\boxed{ \text{不要只预测日前价格，而应分别建模预期实时价格和风险溢价。} }$