Manconi, AlbertoHolmberg, Maximilian Anton Willy Jesper2026-01-062026-01-062025-10-172025-09-03http://hdl.handle.net/10400.14/56213This thesis develops and evaluates a hybrid forecasting model combining an Ornstein- Uhlenbeck (OU) mean-reverting process with an Exponential Generalized Autoregressive Conditional Heteroskedasticity (EGARCH) volatility specification to predict day-ahead electricity spot prices in the German market from 2015 to 2025. Addressing the challenges of non-stationarity, limited data transparency, and the need for economically relevant metrics, the model captures key market characteristics - mean reversion, seasonality, volatility clustering, and asymmetric shock responses - using only historical price data. Out-of-sample forecasts over 20-, 30-, 60-, and 90-day horizons are benchmarked against market futures and a naïve historical average, employing statistical metrics (MAE, RMSE, MAPE, directional accuracy) and economic measures (Sharpe ratio, trading returns). Results demonstrate that the model, particularly under a Generalized Error Distribution (GED), significantly outperforms futures benchmarks at short-to-medium horizons (20-30 days), generating positive trading returns (e.g., EUR 2,371.56 at 30 days) with high Sharpe ratios (e.g., 1.15) and win rates (up to 90%). Monte Carlo simulations and bootstrap confidence intervals confirm robustness, though performance weakens in low-volatility summer regimes. The thesis contributes to the literature by integrating mean-reverting dynamics with asymmetric volatility, testing against real futures prices, and demonstrating economic value through a forecast-based trading strategy, offering a replicable framework for traders and risk managers in volatile, non-storable commodity markets.Esta dissertação desenvolve e avalia um modelo híbrido de previsão que combina um processo de reversão à média de Ornstein-Uhlenbeck (OU) com uma especificação de volatilidade Exponential Generalized Autoregressive Conditional Heteroskedasticity (EGARCH), aplicado à previsão dos preços spot de eletricidade no mercado alemão para o dia seguinte entre 2015 e 2025. O modelo enfrenta três desafios principais: a não-estacionariedade decorrente de transformações estruturais, a limitada transparência dos dados fundamentais e a necessidade de métricas economicamente relevantes. Para tal, capta características centrais do mercado - reversão à média, sazonalidade, aglomeração de volatilidade e respostas assimétricas a choques - utilizando exclusivamente dados históricos de preços. As previsões fora da amostra, em horizontes de 20, 30, 60 e 90 dias, são comparadas com os futuros de mercado e com uma média histórica ingênua, avaliadas através de métricas estatísticas (MAE, RMSE, MAPE, precisão direcional) e medidas económicas (índice de Sharpe e retornos de estratégia). Os resultados mostram que o modelo, sobretudo sob a distribuição de erro generalizada (GED), supera significativamente os futuros de mercado em horizontes curtos a médios, gerando retornos positivos (e.g., EUR 2.371 em 30 dias) com elevados índices de Sharpe (1,15) e taxas de sucesso até 90%. Simulações de Monte Carlo e intervalos de confiança bootstrap confirmam a robustez, ainda que o desempenho enfraqueça em regimes de baixa volatilidade. A dissertação contribui para a literatura ao integrar dinâmicas de reversão à média com volatilidade assimétrica, demonstrando valor económico através de uma estratégia de negociação baseada em previsões.engAglomeração de volatilidadeEfeitos de alavancagemElectricityEletricidadeEstocasticidadeFora da amostraFuturesFuturosLeverage effectsMean reversionMonte CarloNão-estacionariedadeNon-stationarityOrnstein-UhlenbeckOut-of-samplePreços spotReversão à médiaSpot pricesStochasticityVolatility clusteringmaster thesis204023289