A deep learning approach to forecasting EUA future contracts

Abstract

This directed research project explores the use of deep learning techniques to forecast the price of European Union Allowance (EUA) future contracts. In order to achieve this, a comprehensive review of the literature surrounding emission markets, trading schemes and long short-term memory neural networks is made. Possible explanatory variables for the EUA futures price are selected, curated, and the methodology used to get a forecast is described. Additionally, under the Anatolyev-Gerko (EP) test statistic and the Pesaran-Timmermann (DA) test, there is evidence that a long-short trading strategy using the forecasted values beats the random walk, in other words, the strategy generates value by skill other than luck.

Este proyecto de investigación dirigida explora el uso de técnicas de aprendizaje profundo para predecir el precio de los futuros contratos sobre derechos de emisión de la Unión Europea (EUA). Para ello, se realiza una revisión exhaustiva de la literatura en torno a los mercados de emisiones, los regímenes de comercio y las redes neuronales de memoria a corto plazo. Se seleccionan posibles variables explicativas del precio de los futuros EUA, se curan y se describe la metodología utilizada para obtener una predicción. Además, con el estadístico de prueba de Anatolyev-Gerko (EP) y la prueba de Pesaran-Timmermann (DA), se comprueba que una estrategia de negociación a corto y largo plazo que utiliza los valores pronosticados supera al random walk, es decir, que la estrategia genera valor por habilidad y no por suerte.