Data Scientist
Pour ce challenge, certains données de prix d'électricité peuvent être achetées : cela n'est bien sûr pas le but du challenge. Les algorithmes des gagnants seront demandés.
Started on Jan. 10, 2024
Dans le cadre de l’activité de valorisation de l’énergie sur les marchés de l’électricité, Elmy aimerait disposer d’un modèle de prévision permettant de juger en amont si les prix de l’électricité sur le marché SPOT (marché d’enchère européen permettant d’acheter de l’électricité la veille pour le lendemain) seront plus ou moins élevés que les prix de l’électricité sur le marché Intraday (marché boursier européen permettant d’acheter de l’électricité le jour même).
L’exercice consiste en la modélisation supervisée de l'écart de prix entre le marché infra-journalier (dit "Intraday") et le marché SPOT. L'écart de prix peut être modélisé par une régression mais aussi par une classification car ce qui importe avant tout est de prédire correctement le sens de cet écart (si tel ou tel prix sera supérieur ou inférieur à l’autre).
Un benchmark simple consiste à prédire que les prix sur le marché Intraday sortiront toujours plus haut que les prix sur le marché SPOT. C'est à dire que les valeurs prédites seront toujours positives. On observe en effet que, historiquement, les prix sur le marché intraday sortent un peu plus souvent au dessus des prix au SPOT.
Puisque l'objectif est avant de tout de prédire correctement le sens de l'écart, on s'appuyera sur une métrique de classification pour évaluer la performance d'un modèle. La grandeur de l'écart observé nous importe aussi : plus l'écart observé est important, plus il est important de prédire le correctement son sens. La métrique de performance proposée pour ce challenge est donc la Weighted Accuracy. C'est à dire la proprotion des predictions dont les sens (positif ou négatif) est correctement identifié pondérée par la valeur absolue des écarts réellement observés.
Files are accessible when logged in and registered to the challenge