Intelligent risk management systems in european energy markets

Authors

  • O.A. Poplavskyi Kyiv National University of Construction and Architecture
  • O.I. Soroka Kyiv National University of Construction and Architecture
  • M.O. Litvin Міжнародний університету бізнесу і права
  • A.V. Poplavskyi Vinnytsia National Technical University

DOI:

https://doi.org/10.31649/1681-7893-2024-47-1-233-239

Keywords:

AI, DAM, spot market, futures market, management systems, risk, forecasting, big data, neural networks

Abstract

Based on machine learning algorithms, a method for predicting risks in the European energy markets has been proposed. The work is aimed at developing intelligent risk management systems that utilize advanced artificial intelligence technologies for assessing and minimizing potential threats. Utilizing historical data and current market trends, a comprehensive approach to identifying price volatility and risk zones in the energy markets is presented. The study demonstrates how artificial intelligence can enhance the effectiveness of decisions made by managers in the energy markets and ensure more sustainable resource management in conditions of increasing uncertainty. The results show that the use of complex machine learning algorithms and data analysis can significantly improve the accuracy of risk prediction and contribute to the adoption of well-founded managerial decisions.

Author Biographies

O.A. Poplavskyi, Kyiv National University of Construction and Architecture

Ph.D., associate professor

O.I. Soroka, Kyiv National University of Construction and Architecture

Junior Research Fellow

M.O. Litvin, Міжнародний університету бізнесу і права

student

A.V. Poplavskyi , Vinnytsia National Technical University

Ph.D., associate professor

References

Lin, J., Jia, S., & Deng, J. (2017). Smart risk management with financial big data. 2017 IEEE/SICE International Symposium on System Integration (SII). DOI:10.1109/SII.2017.8279189

Karthik V, K. (2023). Applications of Machine Learning in Predictive Analysis and Risk Management in Trading. International Journal of Innovative Research in Computer Science and Technology. DOI: 10.55524/ijircst.2023.11.6.4.

Aziz, S., & Dowling, M. (2018). Machine Learning and AI for Risk Management. Disrupting Finance. DOI: 10.1007/978-3-030-02330-0_3

Fei Wu, Dayong Zhang, Qiang Ji. (2021). Systemic risk and financial contagion across top global energy companies. Energy Economics, 97, 105221. DOI: 10.1016/J.ENECO.2021.105221

M. Naeem, Faruk Balli, S. Shahzad, A. Bruin. (2020). Energy commodity uncertainties and the systematic risk of US industries. Energy Economics, 85, 104589. DOI: 10.1016/j.eneco.2019.104589

Li, R.-P., Mukaidono, M., & Turksen, I. B. (2002). A fuzzy neural network for pattern classification and feature selection. Fuzzy Sets and Systems, 130(1), 101-108. DOI: 10.1016/S0165-0114(02)00050-7

Giacinto, G., & Roli, F. (2001). Design of effective neural network ensembles for image classification purposes. Image and Vision Computing, 19(9-10), 699-707. DOI: 10.1016/S0262-8856(01)00045-2

Arsenault, H.H., Sheng, Y., Jouan, A., & Lejeune, C. (1988). Improving The Performance Of Neural Networks. Photonics West - Lasers and Applications in Science and Engineering. DOI:10.1117/12.944103

Poplavskyi, Oleksandr. (2024). Modern methods of risk management in Ukrainian energy markets. Management of Development of Complex Systems

Cho, S.-B. (1999). Pattern recognition with neural networks combined by genetic algorithm. Fuzzy Sets and Systems, 103(1), 339-347. DOI: 10.1016/S0165-0114(98)00232-2

Kaklauskas, A., Dzemyda, G., Tupėnaitė, L., Voitau, I., Kurasova, O., Naimaviciene, J., Rassokha, Y., & Kanapeckiene, L. (2018). Artificial Neural Network-Based Decision Support System for Development of an Energy-Efficient Built Environment. Energies, 11(8), 1994. DOI: 10.3390/EN11081994

Pinto, T., Sousa, T., Praça, I., Vale, Z., & Morais, H. (2016). Support Vector Machines for decision support in electricity markets' strategic bidding. Neurocomputing, 172, 438-445. DOI: 10.1016/j.neucom.2015.03.102.

Downloads

Abstract views: 64

Published

2024-07-19

How to Cite

[1]
O. Poplavskyi, O. Soroka, M. Litvin, and A. Poplavskyi, “Intelligent risk management systems in european energy markets”, Опт-ел. інф-енерг. техн., vol. 47, no. 1, pp. 233–239, Jul. 2024.

Issue

Vol. 47 No. 1 (2024)

Section

Fiber-Optical Technologies for Information (Internet, Intranet etc.) and Energy Networks

Metrics

Downloads

Download data is not yet available.

License

Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:

  1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
  2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
  3. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).