研究链条与核心问题
完整复习链
一条链：从数据到验证业务问题固定为：同一批未来必须采购的电量（Q=100 MWh），在价格信息逐步揭示、有多次交易机会时，应该什么时候买、买多少？
九个研究问题（RQ-A ~ RQ-I）
点击对应模块可去实验三级实验结构
| 层级 | 作用 | 数据 | 作为最终结论？ |
|---|---|---|---|
| 教学验证层 | 确认公式与代码正确 | 手工小树 / 合成数据 | 否 |
| 原型验证层 | 检查实现与现象 | 合成样本 / 固定留出集 | 仅作教学证据 |
| 研究验证层 | 比较方法与稳健性 | 经版本化的真实快照 | 通过门禁后才是 |
最小可运行版本（MVP）
版本化历史快照 + Q=100 + 条件场景树 + 风险中性 LP + walk-forward 回测。
在 MVP 通过之前：不要上 OT、不要上 CVaR、不要上大规模并行。
在 MVP 通过之前：不要上 OT、不要上 CVaR、不要上大规模并行。
复习主线（每学一个理论，必须有一个可观测实验现象）
| 理论 | 本实验中的含义 | 必须亲手实现什么 |
|---|---|---|
| SAA | 用有限历史价格路径近似未知真实分布 | 使用训练集 scenarios，并固定样本外协议 |
| Markov | 下一状态条件于当前状态，而非完整过去 | 状态划分、转移矩阵 |
| Scenario Tree | 用树表达随机值与信息揭示过程 | 条件分支、节点概率、路径概率 |
| Non-anticipativity | 当前不能利用尚未出现的信息 | 节点变量或显式等式 |
| Scenario Reduction | 保留少量代表场景并转移概率质量 | forward/backward reduction |
| Wasserstein / OT | 用概率质量运输距离衡量分布近似 | EMD / Sinkhorn prototype / reweight |
| Nested distance | 多阶段距离还必须尊重信息结构 | 条件 OT / 嵌套距离扩展 |
| CVaR | 控制最坏尾部场景的平均损失 | η、z_ℓ 线性化 |
| Walk-forward | 真实模拟「当时只能看到过去」 | 每日/每期重新训练 |
| Bootstrap | 对有时间依赖的成本差做不确定性估计 | block / stationary bootstrap |
先把优化目标说清楚：P → D → L 成本责任链
三个量，不是一回事
预测 · 申报 · 实际P：预测电量
→
D：申报电量
→
L：实际电量
P 决定预测基准，D 体现交易动作，L 是最终履约结果。随机优化要改变的是策略和申报，但结果必须回到账本中归因。
结算基式
C = D × DA + (L − D) × RT
DA 为日前价格，RT 为实时价格。先算真实结算，再讨论模型是否创造了价值。
五项账本恒等式
Ceff = P×DA + (L−P)×RT + (D−P)×(DA−RT) + CBup + CBdown
前两项是预测基准；第三项是主动交易责任；最后两项记录向上、向下偏差考核或补偿。
结果归因
别只报一个“总成本下降”| 层 | 建议指标 | 回答的问题 |
|---|---|---|
| 预测责任 | Σ |L−P| × RT | 预测误差暴露了多少实时价格风险？ |
| 交易责任 | Σ [(D−P)(DA−RT) + CB] | 相对预测基准，主动申报究竟赚了还是亏了？ |
| 风险结果 | 均值、VaR、CVaR、最坏日、回撤 | 平均改善是否以更坏的尾部为代价？ |
符号提醒
本页场景树中的总采购需求记为 Q=100 MWh，避免和这里的申报量 D 混淆。理论地图 · 点击卡片查看详情与自测翻卡
合成日前/实时价格样本探索
数据概览
可复现合成样本 · 每日 96 个 15 分钟点⚠ 复习要点：96 个价格点是不同交割时段的价格，不是 96 次购电决策机会。极端价格是 CVaR 研究的核心素材，不能因为 z-score 高就自动删除（异常 ≠ 错误）。
① 日度均价走势
悬停查看数值 · 切换时间窗口日前（蓝）与实时（橙）日度均价。两者形态高度同步——实时是「同一交割电量的最后补购价格」，价差结构正是多阶段购电决策的风险来源。
② 日内平均轮廓（96 点）
橙色阴影 = 实时 P10–P90典型「早晚双峰」用电曲线；实时价格的日内波动区间远大于日前——越晚交易，价格不确定性越大。
③ 价差分布（实时 − 日前）
全部 17280 个合成点的价差价差右偏：大部分时间接近 0 或小幅为正，但存在肥尾。尾部价差 = 「最后补购」的尾部风险，正是 CVaR 的控制对象。
④ 单日曲线播放器
播放动画观察价格演化⑤ 全样本热力图（天 × 96 点 · 实时价格）
颜色 = 价格水平 · 悬停查看明细横轴一天 96 点，纵轴 180 个合成日。亮色竖带 = 高价时段（早晚峰），亮色横条 = 高价日/尖峰日。这些尖峰日正是场景生成必须保留的尾部样本。
概念实验室 · 每个理论一个可动手的实验
Scenario Tree 与最优采购
绿色深浅 = 该节点买入量结果
参数与节点编辑
1.0
1.0
元/MWh
测验 · 从「背下来」到「做出来」
验收清单 · 不以「代码跑通」为毕业标准
复习进度
经典文献速查
| 主题 | 文献 |
|---|---|
| 随机规划总教材 | Shapiro, Dentcheva & Ruszczyński, Lectures on Stochastic Programming, SIAM, 2021 |
| SAA | Kleywegt, Shapiro & Homem-de-Mello, SIAM J. Optim., 2002 |
| Scenario Tree | Pflug, Math. Program., 2001 · Heitsch & Römisch, Math. Program. |
| Scenario Reduction | Heitsch & Römisch, Comput. Optim. Appl., 2003 |
| Nested Distance | Pflug & Pichler, SIAM J. Optim. |
| CVaR | Rockafellar & Uryasev, J. of Risk |
| Stationary Bootstrap | Politis & Romano, JASA, 1994 |
| 制度口径 | 进入真实研究前，按适用地区与交易日期核验规则版本、文号、发布单位和发布时间。 |