Abstract
Le tre Unità di Ricerca coinvolte nel progetto (Alma Mater Studiorum Università di Bologna, Università degli Studi di Napoli Parthenope e Università degli Studi di Perugia) contribuiranno alla modellazione dei derivati climatici ed energetici, due tipologie di strumenti fondamentali nella gestione della transizione energetica e del cambiamento climatico. I derivati, se correttamente utilizzati, possono favorire la crescita economica consentendo alle imprese di condividere efficacemente i rischi e avviare nuovi progetti anche in presenza di incertezza. Sebbene diversi soggetti economici li utilizzino per generare profitti, i derivati climatici e meteorologici possono anche ridurre le perdite dovute a variazioni avverse nei prezzi dell’energia e nei fenomeni climatici. Data la complessità delle variabili coinvolte, le diverse competenze delle tre Unità sono fondamentali per il progetto, che si propone due obiettivi principali: la definizione e validazione di nuovi modelli per la dinamica dei prezzi energetici e delle variabili climatiche, e lo sviluppo di metodi numerici e algoritmi efficienti per la valutazione dei derivati secondo le nuove specifiche modellistiche. L’introduzione di modelli più realistici permetterà una migliore valutazione degli scenari futuri e una gestione del rischio più efficace, portando a una valutazione più affidabile ed efficiente dei derivati energetici e climatici, e rendendo il mercato più trasparente ed efficiente. In particolare, svilupperemo algoritmi basati su reti neurali profonde (Deep Neural Networks, DNN) per prevedere i prezzi dell’energia e le variabili climatiche. Gli strumenti di modellazione saranno definiti tramite dinamiche stocastiche o rappresentazioni congiunte probabilistiche/possibilistiche e saranno validati con riferimento a diversi “fatti stilizzati”. In una seconda fase, ci si incentrerà sui derivati climatici ed energetici. Progetteremo nuovi approcci per la loro valutazione, basati sui modelli definiti nella prima fase. Per i problemi ad alta dimensionalità, svilupperemo nuovi approcci ibridi che combinano l’accuratezza dell’approssimazione tramite funzioni radiali con la flessibilità della simulazione Monte Carlo. Questi metodi ci consentiranno di valutare i derivati in modo molto efficiente anche in presenza di numerosi fattori di rischio, offrendo così strumenti innovativi per affrontare la cosiddetta “maledizione della dimensionalità”. Inoltre, sfrutteremo la capacità delle reti neurali profonde di gestire problemi ad alta dimensionalità per calcolare i prezzi dei derivati. In sintesi, progetteremo diversi approcci matematici, tecniche empiriche e strumenti computazionali per la determinazione dei prezzi dei derivati e la modellazione del rischio legato a energia e clima. La nostra ricerca, pur focalizzata scientificamente sulla finanza quantitativa, affronterà anche temi connessi alla sostenibilità, all’ambiente e al clima. In particolare, il progetto ha il potenziale di favorire la transizione verso le energie rinnovabili e fornirà nuovi strumenti per la mitigazione dei rischi legati al cambiamento climatico. Sfruttando le esperienze di ricerca dei membri delle tre unità, il progetto mira a integrare tecniche di machine learning, misure di probabilità/possibilità, strumenti econometrici e metodi numerici per raggiungere due obiettivi fondamentali: la definizione e validazione di nuovi modelli per la dinamica degli asset energetici e delle variabili e indici climatici, in modo da tenere conto di tutte le principali fonti di incertezza, delle loro dipendenze e, se possibile, di fattori climatici e ambientali pertinenti; lo sviluppo di metodi numerici e algoritmi efficienti per la valutazione dei derivati secondo le nuove specifiche modellistiche. La prima metodologia porterà alla definizione di modelli stocastici ed econometrici con processi multifattoriali che considerano diverse fonti di rischio. In particolare, s
Project details
Unibo Team Leader: Luca Vincenzo Ballestra
Unibo involved Department/s:
Dipartimento di Scienze Statistiche "Paolo Fortunati"
Coordinator:
ALMA MATER STUDIORUM - Università di Bologna(Italy)
Total Eu Contribution: Euro (EUR) 204.940,00
Total Unibo Contribution: Euro (EUR) 79.094,00
Project Duration in months: 24
Start Date:
28/09/2023
End Date:
28/02/2026
