JP2021149651A - 情報処理装置、情報処理方法及びコンピュータプログラム - Google Patents

Abstract

【課題】取引市場における取引を支援することができる情報処理装置、情報処理方法及びコンピュータプログラムを提供する。【解決手段】情報処理装置は、過去の取引実績データから類似事例データを抽出する類似事例データ抽出部と、仮決めした入札内容で第一種市場に入札したと仮定した場合の収益を計算する収益計算部と、計算された収益と、類似事例データとに基づいて、リスク及びリターンの度合いを示す指標を算出する指標算出部と、を備える。【選択図】図１

Description

本発明の実施形態は、情報処理装置、情報処理方法及びコンピュータプログラムに関する。

金融商品取引における商品ポートフォリオの策定方式が知られている。この方式では、過去一定期間の各商品の価格実績データやモンテカルロシミュレーションにより、収益の期待値、VaR(Value at Risk)又はCVaR(Conditional Value at Risk)などリターン・リスク指標を算出する。算出した指標を参考に、投資戦略に基づき、各商品の保有比率を決めることができる。

この方式を、金融商品以外の取引対象、例えば電力の取引（売買）にも適用することが考えられる。しかしながら、この方式は、想定する各商品の保有期間が十分に長い期間でないと十分な効果を期待できない。電力等の取引対象は基本的に保存が不可能で、短期での売買しかできないため、長期保有を前提とした上述した方式は、効果が期待できない。このように、取引対象を取引する取引市場における取引を支援することが求められている。

特許４６６０２８１号 特開２０１６―１７０４６８公報 特開２０１６―６２１９１号公報 特開２０１９―１６１１０号公報

本発明の実施形態は、取引市場における取引を支援することができる情報処理装置、情報処理方法及びコンピュータプログラムを提供する。

本発明の実施形態に係る情報処理装置は、第一種の取引市場における単位時間当たりの発動量および単位量当たりの取引価格の実績値と、第二種の取引市場における単位量当たりの取引価格の実績値とを含む取引実績データに基づき、前記第一種の取引市場で取引する仮取引量に応じた少なくとも１つの指標を算出する指標算出部と、前記指標に基づき、前記第一種及び第二種の取引市場で取引する取引量を決定する決定部と、を備える。

第１の実施形態に係る情報処理装置である情報処理装置のブロック図。 第一種市場（調整力市場）での売電の流れの説明図。 ブラインド・シングルプライスオークション方式の説明図。 事例データ記憶部に格納された事例データの例を表形式で示す図。 類似事例データ抽出部によって抽出された類似事例データの例を示す図。 類似度スコアの大きい順に事例データを抽出した例を示す図。 第一種市場の類似日の実績データから発動量を算出する方法を説明する図。 収益の疑似確率分布を生成した例を示す図。 指標を算出する場合に演算対象となる類似事例データを特定する例を示す図。 トレードオフが発生しない場合の例を示す図。 トレードオフが発生する場合の例を示す図。 本実施形態に係る情報処理装置の動作の一例のフローチャート。 第２の実施形態に係る情報処理装置である情報処理装置のブロック図。 第３の実施形態に係る情報処理装置である情報処理装置のブロック図。 気象データ取得部により取得される気象量の実績値のデータ例を示す図。 図１、図１２又は図１３の装置のハードウェア構成を示す図。

以下、図面を参照しながら、本発明の実施形態について説明する。以下では、取引対象の商品として電力取引市場で取引される電力を扱うが、取引の対象は特に電力に限定しない。例えば、水又はガスなどが取引の対象になる場合は、水又はガス等であってもかまわない。

（第１の実施形態）
図１は、第１の実施形態に係る情報処理装置１０のブロック図を示す。図１の情報処理装置１０は、主には電力取引の支援を行う。よって、図１の情報処理装置１０は、取引支援装置と呼ぶこともできる。図１の情報処理装置（以下、本装置）１０は、市場データ取得部２と、事例データ記憶部１２と、カレンダ情報設定部２０と、カレンダ情報記憶部１９と、類似事例データ抽出部１３と、類似度スコア算出部（類似度算出部）１４と、類似事例データ記憶部１５と、入札内容決定部（第１決定部）１６と、戦略決定部（第２決定部）１７と、指標算出部１１と、関係算出部６と、取引量算出部７と、収益計算部８と、入力部３と、出力部１８とを備えている。本装置は、通信ネットワークを介して、図示しない電力取引市場システムと接続されている。通信ネットワークは、有線ネットワーク、無線ネットワーク又はこれらのハイブリッドである。通信ネットワークは、一例として、ローカルエリアネットワーク又は広域ネットワークである。

入力部３は、本装置のユーザから各種の指示又はデータの入力操作を受け付ける。ユーザは、本装置の操作者又は管理者等である。ユーザが入力するデータの例として、本装置の処理に必要とするパラメータ等の条件がある。ユーザが入力する指示の例として、データの可視化に係る操作の指示などがある。入力部３は、例えばマウス、キーボード、タッチパネル、トラックボール、ジョイスティック、ペンタブレット、音声認識装置、画像認識装置またはこれらの組み合わせより実現される。入力部３は、パソコン、タブレット、スマートフォン、携帯電話などの情報端末であってもよい。図１には入力部３が１つのみ示されているが、複数の入力部３が存在してもよい。

出力部１８は、入力されたデータを出力する装置である。出力部１８は一例として、データを表示可能な表示装置である。この場合、出力部１８は例えば液晶ディスプレイ、有機エレクトロルミネッセンスディスプレイ、ＬＥＤ（Light Emitting Diode）ディスプレイ、ＣＲＴ（Cathode Ray Tube）ディスプレイ、またはプロジェクタであってもよいし、その他の方式のものであってもよい。出力部１８は、データを用紙に印字するプリンタでもよいし、データを無線又は有線で送信する送信装置でもよい。以下の説明では、出力部１８が表示装置である場合を想定する。

入力部３と出力部１８は、パソコン、タブレット、スマートフォンなどによって一体的に構成されていてもよい。また、入力部３と出力部１８の一方又は両方が、本装置と一体的に構成されてもよい。

本装置の外部のシステムとして、電力取引市場システムが存在する。電力取引市場システムは、電力取引の実績データ（取引実績データ）を保持している。実績データは、過去の取引の実績値と時刻情報とを対応づけている。実績値の例としては、例えば電力取引所で取引される電力の市場価格（電力取引価格）又は後述の発動量などがある。

本実施形態の対象とする第一種市場（調整力市場）と第二種市場（エネルギー市場）について説明する。第一種市場（調整力市場）は、系統運用者が需給調整用電源を市場から調達して運用する市場である。既に調整力市場が運用されているドイツの例で説明する。調整力市場は、入札単位が１日単位であり、応札が確定した後も発動（発電）要請の有無が直前まで決まらない。図２に第一種市場（調整力市場）での売電の流れの一例を示す。前日の入札時点で、複数の電源業者が翌日の入札容量ｋＷ、容量単価（円/ｋＷ）、電力量単価（円/ｋＷｈ）の３種類の値を入札する。前日時点で、系統運用者は、各入札を容量単価順に並べた容量メリットオーダーリストを用いて、必要な容量までの電源を容量単価の安い順に応札する。系統運用者は、確定した電源を電力量単価順に並べた供給メリットオーダーリストを用いて、各時断面で調整力の必要量までの電源に供給指示を出し、電源業者側は、供給指示に従い発電する。つまり、受入有無は前日に確定するが、それぞれの時間帯における実際の供給量（売電成立した電力量）は事前に確定しない。以降、系統運用者の供給指示による各電源業者の各時間帯の発電量（すなわち売電量）を発動量と、各業者の発動量の総和を総発動量と称する。また、本実施形態により決定する入札価格は、前記の電力量単価（円/ｋＷｈ）を指す。容量単価（円/ｋＷ）は固定価格で入札する場合や、各日に応札するために０円などで入札する場合もあり得るが、ここでは限定しない。

第二種市場における電力取引価格について、日本卸電力取引所（ＪＥＰＸ：Japan Electric Power Exchange）を例にして説明する。日本卸電力取引所では、翌日渡しの電力の売買を行う１日前市場（スポット取引市場）、及び実際の需給の１時間前まで調整的な取引ができる時間前取引市場など複数種類の市場が開設されている。スポット（１日前）市場では、１日を電力の計量単位（つまり、毎時０分から３０分と３０分から６０分）で４８個の時間コマ（商品コマ）に分割し、時間コマ別に電力が取引される。以降、売買対象となる時間コマ（を商品コマ）を入札単位時間枠と称する。取引電力の単位は一例として、１ＭＷ（３０分間）であり、これを電力量で表すと５００ｋＷｈである。入札価格は、一例として、ｋＷｈ当たり０．０１円単位で指定することができる。

スポット取引市場では、毎日、１０時に翌日分の入札単位時間枠への入札が締め切られる。スポット取引市場の各入札単位時間枠は互いに独立しており、それぞれの入札単位時間枠に対しブラインド・シングルプライスオークション方式で、約定価格及び約定量が決定される。図３は、ブラインド・シングルプライスオークション方式の説明図である。入札単位時間枠に入札する各参加者は、他参加者の入札動向が開示されない状態（ブラインド）で入札を行う。入札の締め切り後に、売り入札の安値から入札量を累積した売り入札価格曲線Ｌ１と、買い入札の高値から入札量を累積した買い入札曲線Ｌ２を計算し、これらの交点Ｐを算出する。交点Ｐが、この入札単位時間枠の約定価格と約定量になる。この約定価格より低い価格で入札した売り手のみが約定価格で商品（電力）を売ることができ、約定価格より高い価格で入札した買い手のみが約定価格で商品（電力）を買うことができる。

時間前取引市場でも、スポット取引市場と同様に、２４時間分の電力を３０分単位で区切った４８商品として売買する。但し、各商品について受渡の１時間前まで取引（入札と約定）がリアルタイムに繰り返されるザラバ方式が用いられる。

このように、同一の入札単位時間枠（時間コマ）に対して売買可能な電力取引市場が複数種類ある。各電力取引市場で異なる約定手段、異なる入札の締切時間（ゲートクローズ時間）が設定され、同一の入札単位時間枠（時間コマ）に対して、各電力取引市場で市場価格も大きく乖離する場合がある。また、前述のように、第一種市場（調整力市場）では、入札時に売電価格を入札価格として指定できるが、売電量（発動量）は供給メリットオーダーリストに依存するため業者がコントロールできない。一方、第二種市場（スポット市場、当日市場）では、入札時に売電量（入札量）を指定できるが、売電価格（応札価格）は業者がコントロールできない。このように異なる性質を備えた二種類の市場に対し、リスク・リターン指標の観点で最適な入札量の比率を決定することが重要である。

例えば、リスクの例として、第二種市場で低い価格で電力を売却するか、第一種市場で発動量が想定より小さく総売却額（総リターン）が低くなること、リターンの例として、第二種市場で高い価格で電力を売却して総売却額が大きくなるか、第一種市場で発動量が大きく総売却額（総リターン）が増えることなどがある。従って、売買対象の電力量を第一種市場と第二種市場にどのような比率で配分して入札するか、すなわち電力売買の市場ポートフォリオを適切に策定する必要がある。

市場データ取得部２は、電力取引市場システムに実績データの取得要求を送信し、電力取引市場システムから、第一種の電力取引市場における売電又は買電の実績値を含む実績データを取得する。

実績値の例としては、電力取引所における第一種市場の単位時間枠（取引日時）ごとの総発動量（KW）と系統運用者の買取価格の平均価格（すなわち電源業者の売電価格の平均価格）がある。また、応札された各電源業者の入札価格、入札容量が個別に公開されている場合は、これも実績値とする場合もあり得る。その他、入札量、電力需要量、再生可能エネルギー電源の発電量などがある。本実施形態では、少なくとも総発動量（KW）と系統運用者の買取価格の平均価格を含む。

市場データ取得部２は、取得した実績データを、事例データ記憶部１２に格納する。市場データ取得部２は、実績データの取得要求を一定時間ごとに送信し、未取得の実績データを取得してもよい。または、市場データ取得部２は、取得対象期間を指定し、指定した取引対象期間に属する実績データを電力取引市場システムから取得してもよい。または、電力取引市場システムからのプッシュ通知により実績データを取得してもよい。ここで説明した以外の方法で、電力取引市場システムから実績データを取得してもよい。

カレンダ情報記憶部１９は、各年月日及び属性情報を含むカレンダ情報を記憶している。属性情報の例として、各日が平日か、休日か、祝日かを区別する区分情報がある。また、各日の曜日を表す曜日情報がある。祝日の名称を表す祝日イベント情報がある。日中、深夜、通勤時間帯などの時間帯の区分情報がある。また、季節の情報（夏季、冬季）がある。また、大型のスポーツイベント、祭礼などのイベント情報がある。

カレンダ情報設定部２０は、事例データ記憶部１２に格納されている実績データの日時に対応するカレンダ情報をカレンダ情報記憶部１９から読み出して、事例データ記憶部１２に設定する。

図４は、事例データ記憶部１２に格納された事例データの例を表形式で示す。事例データは、実績データ及びカレンダ情報を含み、実績データ及びカレンダ情報は、日時を介して対応づけられている。具体的には、事例データは、取引日、曜日、第二種市場の入札単位の時間枠、第二種市場の取引価格、各入札単位の時間枠に相当する第一種市場の取引価格の平均値（系統運用者の買取価格の平均価格）、各入札単位の時間枠に相当する第一種市場の発動量を含む。ここでは第二種市場の入札単位の時間枠は３０分間毎に設定されており、入札単位時間枠の列には、入札単位時間枠のＩＤ番号が設定されている。第一種市場の入札単位は１日、すなわち第二種市場の入札単位の時間枠の１〜４８が第一種市場の入札単位とする。

例えば、第二種市場の入札単位時間枠２は０：３０〜１：００の３０分間の取引時間に対応する。取引日と入札単位時間枠の組は、取引日時を表す。例えば、取引日２０１８年４月１日の入札単位時間枠２は、取引日時２０１８年４月１日０：３０〜１：００に対応する。第一種市場の２０１８年４月１日分の入札単位は、４月１日の第二種市場の入札単位時間枠１〜４８に相当する。

第二種市場価格は、該当する取引時間で各々の市場で取引された電力の取引価格である。スポット取引価格及び時間前取引価格は、それぞれ電力1kWhあたりの単価である。本例では第二種の電力取引市場は１種類だが、電力取引市場が２種類以上あってもよい。この場合も、同一の入札単位時間枠に対応する各電力取引市場の市場価格の情報が含まれていればよい。

類似度スコア算出部（類似度算出部）１４は、取引対象となる第一種市場の入札単位（本例だと日）と、事例データ記憶部１２に記憶されている過去の入札単位との間の類似度を表す類似度スコアを算出する。類似度スコアの定義に応じて、類似度が高いほど類似度スコアが大きい場合と、類似度が高いほど類似度スコアが小さくなる場合があるが、どちらも可能である。本実施形態では、類似度が高いほど類似度スコアが大きいとする。取引対象となる入札単位は、将来日（例えば明日）である。類似度スコア算出部１４は、算出した類似度スコアを事例データに設定する。以下、類似度スコアの算出方法の例を示す。

一例として、取引対象となる入札日から一定の日数内の過去の日に属する日に対しては、類似度スコアを正の所定値（例えば１．０又は０．１など）とする。それ以外の日は０．０とする。

他の例として、対象日から遡る日数に応じて類似度スコアを低くする方法がある。また、曜日、祝祭日及び平日などの属性が同一か否かに基づき、類似度スコアを変更する方法などもある。

類似事例データ抽出部１３は、過去の取引実績データから類似事例データを抽出する。より詳細には、類似事例データ抽出部１３は、類似度スコアが閾値以上の複数の事例データを類似事例データとして事例データ記憶部１２から抽出し、抽出した類似事例データを、類似事例データ記憶部１５に格納する。もしくは、類似度スコアを算出した事例データの全てを類似事例データとして抽出し、類似事例データ記憶部１５に格納する。抽出した事例データを類似度スコアの大きい順又は小さい順にソートし、上位の一定数の事例データを抽出してもよい。類似事例データ間で類似度スコアの合計が１になるように、類似度スコアを正規化してもよい。類似事例データ抽出部１３は閾値又は抽出する事例データの個数などをパラメータとして入力部３から取得してもよい。パラメータはユーザが入力部３から入力してもよい。

図５は、類似事例データ抽出部１３によって抽出された類似事例データの例を示す。取引対象となる入札日を２０１８年４月１１日（水）としている。図４の事例データのうち過去１０日間の類似日の事例データに対して類似度スコア０．１を算出している。１１日以前のデータに対しては類似度を０としており、類似度スコアが０の事例データは、類似度スコアが閾値未満として抽出されていない。図５には示されていないが、それぞれの類似日に対し該当する日の図４の例のような入札単位時間枠１〜４８に相当するデータが抽出されている。

図６は、対象日から遡る日数に応じて類似度スコアを低くし、曜日が同じ属性（本例では、平日か休日か）場合の類似度スコアを高くする方法により類似度スコアを算出した例を示す。類似度スコアの大きい順に１０個の類似日の事例データが抽出されている。対象日である４月１１日が平日であるため、平日の類似度スコアが高く算出されている。図６では類似度スコアが高い順に、事例データがソートされている。事例データ間で類似度スコアの合計が１になるように類似度スコアが正規化されている。

第１の実施形態では、入札内容決定部１６は、第一種市場で取引（入札）する入札容量ｋＷと入札する電力量単価（円／ｋＷｈ）を仮設定する。仮設定された入札容量を仮入札容量、仮設定された電力量単価を仮入札価格と呼ぶ。

仮容量と仮価格を設定する方法の例としては、それぞれの上下限値の間を等間隔に分割し、全ての仮容量と仮価格の組み合わせを網羅的に探索する、いわゆるグリッドサーチがある。例えば、仮容量が1〜2MWの範囲、仮価格が100〜200円の範囲で変更可能だとすると、１０分割であれば、以下のように、計１０^２通りの組み合わせを探索する。ここで、（仮入札容量、仮入札価格）と表現している。

(1, 100)→(1, 110) →(1, 120) → … → (2, 190) → (2, 200)

比率の組み合わせの探索方法としては、この他に、山登り法、シミュレーティッドアニーリング方法、遺伝的アルゴリズム、又は粒子群最適化法 (Particle swarm optimization; PSO)などがある。例えば、山登り法は、前回のループで設定していた仮入札容量、仮入札価格をランダムに微量ずつ変更し、指標（後述するリスク・リターン指標など）が改善した場合は、変更後の比率を採用し、そうでない場合は変更前の仮入札容量、仮入札価格に戻すことを反復する方法である。シミュレーティッドアニーリング方法は、リスク・リターン指標が改善しない場合でも確率的に変更後の比率を採用する方法である。本実施形態では、探索方法は特に限定しない。

関係算出部６は、指定した仮入札容量と仮入札価格の組み合わせで取引した場合のそれぞれの類似日における発動量（取引量）を取引量算出部７で算出し、当該取引量と仮入札価格から評価額を収益計算部８で算出し、評価額の頻度との関係を算出する。取引量算出部７において発動量（取引量）を算出する際には、事例データの一部として抽出した各類似日の実績データを利用する。実績データとして各時間帯毎の総発動量と平均価格が得られる場合の発動量（取引量）の算出方法の例を図７で説明する。

図７は、左側から発動量の大きい順にある類似日の各時間帯を並べたものであり、１日の時間帯が１０分割されているものとする。先に述べたように、系統運用者が、確定した電源を電力量単価順に並べた供給メリットオーダーリストを用いて、各時断面で調整力の必要量までの電源に供給指示を出し、電源業者側は、供給指示に従い発電する場合は、発動量の大きい時間帯の方が高価格で入札した電源業者まで発動されるため、原則的に平均価格が高くなる。この性質を利用し、まず平均単価が仮入札価格より高い時間帯で発動量が最小の時間帯の発動量Pを求める（図の例だと１MW）。そして、仮入札価格より入札価格が上の入札が発動されたのが確実である時間帯（平均単価が仮入札価格より高い時間帯）を抽出し、各時間帯の発動量から上記のP（１MW）を減じた値を自分の発動量として算出する。発動量が仮入札容量を越えた時間帯については、入札容量を上限とする。図７の例では、ハッチングされた部分が仮入札価格１４円、仮入札容量１MWの場合の発動量となる。このように、取引量算出部７においては、事例データの一部として抽出した各類似日の第一種市場の入札の時間単位（本例では一日単位）の各時間帯の発動量を含む実績データを利用して仮入札量と仮入札価格から、類似日と同様の入札分布になっているという仮定で発動量を算出する。発動量の算出方法は本方法に限定しない。

また、各類似事例データ（類似日）の類似度スコアを頻度とする。各類似事例データの頻度と、各類似事例データに対応する評価額とを対応づけた関係データを生成する。本例では、類似度スコアを発生確率（発生頻度）とみなして、評価額と確率とを対応づけた確率分布（疑似確率分布）を生成する。疑似確率分布を、複数の入札内容（仮入札容量、仮入札価格の組み合わせ）のそれぞれについて算出する。

評価額は、一例として、算出した取引額の総和そのものであり、算出された発動量に仮入札価格を乗じることで算出できる。また、評価額は、取引額の総和から、電力の調達費用を減じた収益でもよい。関係データとして、収益と確率（頻度）とを対応づけた疑似確率分布を作成する。但し、収益の代わりに、売却額を扱ってもよい。この場合は、売上額と確率とを対応付けた疑似確率分布を作成すればよい。

図８は収益の疑似確率分布の例を示す図である。横軸が前記の方法で計算された収益である。縦軸が類似事例データの類似度スコアである。

指標算出部１１は、収益計算部８で計算された収益と類似事例データとに基づいて、リスク及びリターンの度合いを示す指標を算出する。より詳細には、指標算出部１１は、各入札量比率に対応する疑似確率分布を利用して、少なくとも１つの指標（リスク・リターン指標と呼ぶ）を算出する。以下、リスク・リターン指標の例を示す。

リスク・リターン指標の第１の例として、各類似事例データから求めた収益の類似度スコアによる重み付け平均値を、収益の期待値として算出する。算出式を式１に示す。

Ｍは類似事例データの数、Ｎは時間枠の数（１日の時間帯の分割数）、Ｐは仮入札価格、Ｃは調達原価、Ｗｍは類似事例データｍの類似度スコア、Ｒｍ,ｎは類似事例データｍにおける時間帯ｎの前記方法で算出された発動量を示す。類似度スコアＷｍは、前述したように、全ての類似事例データでの総和が１になるように正規化されている。このように、指標算出部１１は、類似事例データに対応する収益の重み付け平均値に基づいて、第１の指標を算出することができる。

リスク・リターン指標の第２の例として、疑似確率分布において、収益が低い事例データから類似度スコアの和を順次計算していく。類似度スコアの合計が、基準値（第１基準値）となる下位パーセンタイルに一致する、又は下位パーセンタイル未満（もしくは下位パーセンタイル以上）で下位パーセンタイルに最も近くなる類似事例データ群を特定し、類似事例データ群において最も収益が高い類似事例データの収益（下位パーセンタイル収益）を、リスク・リターン指標として算出する。

例えば、図８の疑似確率分布において、１０パーセンタイルの場合、収益の下位から２番目の類似事例データの収益が第２の例のリスク・リターン指標になる。３０パーセンタイルの場合、収益の下位から４番目の類似事例データの収益が、第２の例のリスク・リターン指標になる。このように、指標算出部１１は、類似事例データに対応する収益の低い順に、複数の類似事例データの類似度を加算し、類似度の合計値が第１基準値に一致又は第１基準値に最も近くなる類似事例データの収益に基づいて、第２の指標を算出することができる。

リスク・リターン指標の第３の例として、基準値（第２基準値）となる下位パーセンタイルを用いて、下記の式２のように、収益の下位から下位パーセンタイルまで（もしくは、下位パーセンタイルの手前まで）に収まる類似事例データ群を特定し、類似事例データ群の収益の平均（下位パーセンタイル期待値）をリスク・リターン指標とする。

式２においては、類似事例データｍは収益が小さい順にソートされているとする。Ｔは、下位パーセンタイルに収まる類似事例データの個数を示す。他の記号は式１と同じ意味である。
例えば、図６（Ａ）の疑似確率分布において、３０パーセンタイルの場合、収益の下位から４番目まで（または３番目まで）の類似事例データの収益を類似度スコアにより重み付け平均値すればよい。このように、指標算出部１１は、類似事例データに対応する収益の低い順に、複数の類似事例データの類似度を加算し、類似度の合計値が第２基準値に一致又は第２基準値に最も近くなる類似事例データの収益に基づいて、指標として第３の指標を算出することができる。

リスク・リターン指標の第４の例として、疑似確率分布において、収益が高い事例データから類似度スコアの和を順次計算していく。類似度スコアの合計が基準値（第３基準値）となる上位パーセンタイルに一致する、又は上位パーセンタイル以上（もしくは上位パーセンタイル未満）で最も上位パーセンタイルに近くになる類似事例データ群を特定し、類似事例データ群において最も収益が低い類似事例データの収益（上位パーセンタイル収益）を、リスク・リターン指標とする。このように、指標算出部１１は、類似事例データに対応する収益の高い順に、複数の類似事例データの類似度を加算し、類似度の合計値が第３基準値に一致又は第３基準値に最も近くなる類似事例データの収益に基づいて、指標として第４の指標を算出することができる。

リスク・リターン指標の第５の例として、疑似確率分布において、収益の上位から、基準値（第４基準値）となる上位パーセンタイルまで（もしくは、上位パーセンタイルの手前まで）に収まる類似事例データ群を特定し、類似事例データ群の収益の平均（上位パーセンタイル期待値）をリスク・リターン指標とする。第５の例の指標の算出式は、式２と同様である。但し、類似事例データｍは収益が高い順にソートされているとする。Ｔは、上位パーセンタイルに収まる類似事例データの個数を示す。このように、指標算出部１１は、類似事例データに対応する収益の高い順に、複数の類似事例データの類似度を加算し、類似度の合計値が第４基準値に一致又は第４基準値に最も近くなる類似事例データの収益に基づいて、指標として第５の指標を算出することができる。

図９は、図８の疑似確率分布において、第２の例〜第５の例のリスク・リターン指標を算出する場合に対象となる類似事例データを特定する例を示す図である。より詳細には、図８の左側において、下位３０パーセンタイル収益の指標（第２の例のリスク・リターン指標）を算出する対象となる類似事例データＤ２が示される。また、下位３０パーセンタイルの場合に、下位３０パーセンタイル期待値の指標（第３の例のリスク・リターン指標）を算出する対象となる類似事例データＤ３が示される。図８の右側に、上位３０パーセンタイル収益の指標（第４の例のリスク・リターン指標）を算出する対象となる類似事例データＤ４が示される。また、上位３０パーセンタイル期待値の指標（第５の例のリスク・リターン指標）を算出する対象となる類似事例データＤ５が示される。

戦略決定部１７は、指標算出部１１で用いるリスク・リターン指標を決定するための取引戦略を決定する。取引戦略は、一例として、リスク・リターン指標に１対１に対応付いている。戦略決定部１７は入力部３から取引戦略を指定する情報を取得し、取得した情報が示す取引戦略を決定してもよい。あるいは、戦略決定部１７は、市場価格のトレンドを特定し、トレンドに応じて取引戦略を決定してもよい。

例えば、代表的な市場（例えばＪＥＰＸの場合はスポット取引市場）における直近の市場価格の移動平均値が上昇しているか（上昇トレンド）、下降しているか（下降トレンド）、変化が少ない（平坦又は横ばい）等がある。もしくは、対象となる第一種市場の１日の平均価格の総和の移動平均値が上昇しているか（上昇トレンド）、下降しているか（下降トレンド）、変化が少ない（平坦又は横ばい）等がある。市場価格が上昇トレンドにある場合は、リスクテイク戦略を選択し、下降トレンドにある場合はリスクオフ戦略を、市場価格が安定している場合は標準戦略を選定する。

指標算出部１１は、戦略決定部１７で決定された取引戦略に応じたリスク・リターン指標を決定し、決定したリスク・リターン指標の算出を行う。

例えば、戦略決定部１７で決定された取引戦略が標準戦略の場合は、第１の例のリスク・リターン指標（類似度スコアによる重み付け平均値）を用いる。取引戦略がリスクテイク戦略の場合は、第４の例のリスク・リターン指標（上位パーセンタイル収益）又は第５の例のリスク・リターン指標（上位パーセンタイル期待値）を用いる。取引戦略がリスクオフ戦略の場合は、第２の例のリスク・リターン指標（下位パーセンタイルの収益）又は第３の例のリスク・リターン指標（下位パーセンタイル期待値）を用いる。

なお、選択可能な取引戦略の種類、及びリスク・リターン指標の種類は、他の種類でもよく、本実施形態では特に限定しない。例えば、上位パーセンタイルの値を３０、４０、５０など複数設定し、それぞれ異なる取引戦略として選択可能としてもよい。同様に、下位パーセンタイルの値を複数設定し、それぞれ異なる取引戦略として選択可能としてもよい。

入札内容決定部１６は、各仮設定された仮入札容量と仮入札価格について指標算出部１１で算出されたリスク・リターン指標に基づき、最も高い又は閾値以上のリスク・リターン指標が得られた仮入札容量と仮入札価格の組み合わせを特定する。例えば、指標算出部１１で上述したグリッドサーチで全ての組み合わせについてリスク・リターン指標を算出し、最も高いリスク・リターン指標の仮入札容量と仮入札価格の組み合わせを特定してもよい。あるいは、上述した探索アルゴリズムで仮入札容量と仮入札価格の組み合わせを変更してリスク・リターン指標を算出することを反復し、予め設定した反復回数又は制限時間に達したら処理を終了する。そして、終了時点で最も高いリスク・リターン指標が算出された仮入札容量と仮入札価格に特定してもよい。または、算出するリスク・リターン指標が改善しなくなったら、又は改善の度合いが低くなったら処理を終了し、終了時点で最も高いリスク・リターン指標が算出された仮入札容量と仮入札価格を特定してもよい。

入札内容決定部１６は、特定した仮入札容量と仮入札価格、特定した仮入札容量と仮入札価格に対応する疑似確率分布、リスク・リターン指標、トレードオフ発生などの情報を出力部１８に提供する。出力部１８は、提供された情報を出力する。出力された情報はユーザにより確認される。

図１０Ａ及び図１０Ｂを用いてリスク・リターン指標の間のトレードオフについて説明する。

図１０Ａ及び図１０Ｂは、仮入札容量を一定として仮入札価格を１００〜２００円の間で変化させた場合の３種類のリスク・リターン指標を可視化して表示する例を示す図である。

図１０Ａはトレードオフが発生しない場合の例を示す。第１の例のリスク・リターン指標（類似度スコアによる重み付け平均値）のグラフＧ１、リスクオフ戦略選択の場合の第２の例のリスク・リターン指標（下位パーセンタイル収益）のグラフＧ２が表示されている。また、リスクテイク戦略選択の場合の第４の例のリスク・リターン指標（上位パーセンタイル収益）のグラフＧ４が示される。これら３つのリスク・リターン指標が最大となる仮入札価格が一致している。よって、この場合、リスクとリターンの間でトレードオフの関係が発生していない。

図１０Ａの例では、３種類のリスク・リターン指標が最大値となるスポット比率（入札量比率）が一致しているため、どのリスク・リターン指標の観点においても、同じ仮入札価格が最適であると判断できる。

図１０Ｂはトレードオフが発生する場合の例を示す。第１の例のリスク・リターン指標（類似度スコアによる重み付け平均値）のグラフＧ２１、第２の例のリスク・リターン指標（下位パーセンタイルの収益）のグラフＧ２２、第４の例のリスク・リターン指標（上位パーセンタイルの収益）のグラフＧ２４が示される。これら３つのリスク・リターン指標が最大となる仮入札価格が一致しない。よって、この場合、リスクとリターンの間でトレードオフの関係が発生している。

図１０Ｂの例では、グラフＧ２２の下位パーセンタイル指標が最大値となるスポット比率（入札量比率）と、グラフＧ２４の上位パーセンタイル指標が最大値となる比率が一致しない。よって、選択する取引戦略に応じて、推奨される仮入札価格が異なる。

入札内容決定部１６は、このように、複数種類のリスク・リターン指標が最大（もしくは最小）となる入札量比率が一致しない場合、リスクとリターンの間でトレードオフの関係が発生していると見なす。入札内容決定部１６は、複数種類のリスク・リターン指標で最適な入札量比率が一致していないことを示す情報（トレードオフが発生していることを示す情報）を出力部１８に出力する。ユーザは、表示された情報に基づき、選択された取引戦略をそのまま採用するか否かを判断することが可能となる。

図１１は、本実施形態に係る情報処理装置１０の動作の一例のフローチャートである。
まず取引対象となる日とエリアを決定する（ステップＳ１）。ユーザから入力される情報に基づいて決定してもよいし、別の予め決められた方法で決定してもよい。

戦略決定部１７が事例データ記憶部１２に蓄積されている過去の事例データを元に、市場価格のトレンドを判定する。戦略決定部１７は、予め用意された複数の取引戦略の中から、選択した入札単位時間枠に適用する取引戦略を決定する（ステップＳ２）。または、ユーザが入力部３から取引戦略を指定した情報を入力し、戦略決定部１７は、ユーザにより入力された情報に基づき取引戦略を決定する（ステップＳ２）。

類似事例データ抽出部１３が、類似度スコア算出部１４を用いて、現時点における取引対象となる第一種市場の入札単位枠（入札日）のデータと、事例データ記憶部１２において当該入札単位の過去の事例データとの間の類似度スコアを求める。類似度スコアが一定の閾値以上の事例データ、もしくは類似度スコアの高い順に一定数の事例データを類似事例データ（類似日）として抽出する（ステップＳ３）。

次に、入札内容決定部１６が、第一種市場に入札する仮入札容量と仮入札価格を仮設定する（ステップＳ４）。演算対象の類似日サンプルを抽出（ステップＳ５）し、取引量算出部７が、対象類似日のデータセットを用いて、第一種市場に仮設定の条件で電力を入札したと仮定した場合の一日の発動量を算出し、収益計算部８が仮設定された入札内容で入札したと仮定した場合の第一種市場での収益を計算する（ステップＳ６）。

次に、すべての類似事例データについてステップＳ４〜Ｓ６の処理を行ったか否かを判定する（ステップＳ７）。まだ、処理を行っていない類似事例データが存在する場合には、そのうちの一つを選択して、ステップＳ４〜Ｓ６の処理を繰り返す。

すべての類似事例データについてステップＳ４〜Ｓ６の処理を行った場合、関係算出部６は、各市場取引事例データに対応する収益とそれぞれの類似度スコアの情報をもとに、類似度スコアを発生確率とみなして疑似確率分布を算出する（ステップＳ８）。また、指標算出部１１は、戦略決定部１７で決定された取引戦略に対応するリスク・リターン指標を選択し、選択したリスク・リターン指標を、疑似確率分布に基づき算出する（ステップＳ８）。

次に、最適なリスク・リターン指標か否かを判定する（ステップＳ９）。ここでは、算出したリスク・リターン指標が、初期値が設定された（もしくは更新後の）パラメータ（現時点の最適値）よりも良い値であれば（ステップＳ９のＹＥＳ）、ステップＳ４で仮設定した仮入札容量と仮入札価格をパラメータに設定（パラメータを更新）する（ステップＳ１０）。すなわち、現時点の最良の入札内容を記憶する。ここで、パラメータとは、仮入札容量と仮入札価格、疑似確率分布、及び、リスク・リターン指標、トレードオフ情報などである。

一方、ステップＳ９でリスク・リターン指標がパラメータ未満であると判定されると、パラメータを更新せず、ステップＳ４以降の処理を繰り返す。

ステップＳ１０の処理が終わると、予め設定した終了条件が満たされるかを判断し（ステップＳ１１）、終了条件が満たされる場合は（ステップＳ１１のＹＥＳ）、パラメータが示す仮入札容量と仮入札価格、疑似確率分布、及び、リスク・リターン指標、トレードオフ情報などを出力部１８に出力し、ステップＳ１で選択された入札単位枠（入札日）に対する処理を終了する（ステップＳ１２）。例えば、グリッドサーチの場合は、全ての組み合わせを探索していれば、終了条件が満たされる。他に、予め設定した反復回数又は制限時間に達した場合、あるいは、リスク・リターン指標の改善度合いが低くなった場合に、終了条件が満たされるとしてもよい。終了条件が満たされない場合は（ステップＳ１１のＮＯ）、ステップＳ４に戻り、ステップＳ４〜Ｓ１１の処理を繰り返す。

以上、本実施形態によれば、取引戦略に応じたリスク・リターン指標を用いて第一種市場への入札内容を決定するため、ユーザは所望の取引結果を高い精度で得ることができる。これにより、複数の取引市場におけるユーザの取引を効率的に支援することができる。

（第２の実施形態）
図１２は、第２の実施形態に係る情報処理装置のブロック図である。本実施形態による情報処理装置１０ａは第１実施形態の情報処理装置１０に、第二種市場価格予測部４と、取引量決定部（第３決定部）９が追加されている。第２の実施形態は、第一種と異なる第二種の市場（前述のスポット市場や時間前市場などのエネルギー市場）に対し、それぞれの類似日において第一種市場に入札した残りの電力容量を第二種市場に入札した際の収益をも算出し、第一種市場における収益との和の擬似確率（頻度）分布からリスク・リターン指標を算出することを特徴とする。

これにより、第一種市場と第二種市場を組み合わせて最も利益を生むことが可能な第一種市場への入札内容を決定することが可能となる。第二種市場価格予測部４は、事例データ記憶部１２や類似事例データ記憶部１５に蓄積された第二種市場価格の過去の実績値を元に、各市場価格を予測する。予測方法は公知の技術を用いることとし、ここでは特に手法は限定しない。

取引量決定部９は、第二種市場価格予測部４の予測結果を元に、第二種市場の各時間帯における第二種市場への入札の有無を決定する。例えば、価格予測値が電力の購入原価より高ければ入札し、価格予測値が電力の購入原価より低ければ入札しないなどのルールに基づき選択する。第二種市場は複数存在しても良く、この場合は、最も予測価格が高い市場の予測価格が電力の購入原価より高ければ、当該市場に入札し、そうでなければ入札しない。

このように、第２の実施形態では、第一種市場と第二種市場における収益に基づいてリスク・リターン指標を算出するため、第一種市場と第二種市場を組み合わせて最も利益を生むことが可能な第一種市場への入札内容を決定できる。

（第３の実施形態）
図１３は、第３の実施形態に係る情報処理装置１０ｂのブロック図である。本実施形態は第１実施形態の情報処理装置１０もしくは第２の実施形態の情報処理装置１０ａに、気象データ取得部１と、気象予測取得部２１とが追加されている。第３の実施形態は、取引対象となる日の気象予測値を利用して、類似度スコアを算出することを特徴の１つとする。

気象データ取得部１は、気象情報（気象量）の実績値を外部システムから取得する。なお、気象量の実績値が取得不可能な場合は、実績値の代わりに、気象データ予測部による直前の予測値を用いてもよい。

気象予測取得部２１は、電力取引市場が属する地域の代表地点の気象量を取得する。気象予測取得部２１は、本装置の外部システム、例えば気象庁など国内外の政府機関、民間の事業者、国際機関の提供する気象量サーバ、ウェブサービス、クラウドサービスから、気象量の予測値を取得する。また、気象予測取得部２１は、上記地域に対応する数値予測モデルを用いて気象量の予測を行ってもよい。数値予測モデルは、例えば全球アンサンブル情報処理装置、全球モデル、メソモデル、又は局地モデルなどである

図１４に気象データ取得部１により取得される気象量の実績値のデータ例を示す。地点ＩＤ、日付、時刻、気象実績値が格納されている。この例では、地点ＩＤが００１の地点について、２０１８年１０月１日０：００〜５：３０までの実績値が示されている。時間間隔は、３０分であるが、１０分、１時間など、他の間隔でもよい。この例では、気象量は、気温、日射強度、風速、降水量であるが、ここに示したものに限定されない。地点００１は、一例として、電力取引市場が属する地域の代表地点に相当する。気象予測取得部２１により取得される気象量の予測値のデータも図１４と同様の形式を有する。

事例データ記憶部１２は、複数の電力取引市場の実績データと、カレンダ情報と、気象データ取得部１が取得したデータを、日時をキーとしてマージする。

類似度スコア算出部１４は、予測対象の日に対して、過去の各日の事例データに対応する各気象量の予測値を含むベクトル（座標）と、各事例データの気象量の実績値を含むベクトル（座標）との間で、ユークリッド距離を計算する。ベクトル（座標）は、例えば電力市場価格に影響を及ぼす可能性のある気象量（気温、日射強度、降水量等）を各成分として持つ特徴量空間における座標を表す。

類似度スコア算出部１４は、各気象量の予測値のベクトルと、各事例データの実績値のベクトルとの間のユークリッド距離が大きい事例データほど、小さくなる類似度スコアを算出する。類似度スコアの算出式の例を、下記式３に示す。ｍは事例データ、Ｖｍはユークリッド距離、Ｗｍは類似度スコアを表す。

類似事例データ抽出部１３は、第１実施形態と同様に、類似度スコア算出部１４が算出した類似度スコアが閾値以上の事例データ、もしくは類似度スコアが高い順の一定数の事例データを、過去の事例データから類似事例データとして抽出する。

その他のブロックの構成及び動作は、第１実施形態もしくは第２の実施形態と同様であるため、説明を省略する。

以上、第３の実施形態によれば、気象量を用いて類似度スコアを算出することにより、取引対象の日時の気象状況により近似した過去の事例データを抽出できる。これにより、各電力取引市場に対する入札内容をより高い信頼度で決定できる。

（ハードウェア構成）
図１５は図１、図１２又は図１３の装置のハードウェア構成を示す図である。図１、図１２又は図１３の装置は、コンピュータ装置６００により構成することができる。コンピュータ装置６００は、ＣＰＵ６０１と、入力インタフェース６０２と、表示装置６０３と、通信装置６０４と、主記憶装置６０５と、外部記憶装置６０６とを備え、これらはバス６０７により相互に接続されている。

ＣＰＵ（中央演算装置）６０１は、主記憶装置６０５上で、コンピュータプログラムである情報処理プログラムを実行する。情報処理プログラムは、本装置の上述の各機能構成を実現するプログラムのことである。情報処理プログラムは、１つのプログラムではなく、複数のプログラムやスクリプトの組み合わせにより実現されていてもよい。ＣＰＵ６０１が、情報処理プログラムを実行することにより、各機能構成は実現される。

入力インタフェース６０２は、キーボード、マウス、およびタッチパネルなどの入力装置からの操作信号を、本装置に入力するための回路である。入力インタフェース６０２は入力部３に対応する。

表示装置６０３は、本装置から出力されるデータを表示する。表示装置６０３は、例えば、ＬＣＤ（液晶ディスプレイ）、有機エレクトロルミネッセンスディスプレイ、ＣＲＴ（ブラウン管）、またはＰＤＰ（プラズマディスプレイ）であるが、これに限られない。コンピュータ装置６００から出力されたデータは、この表示装置６０３に表示することができる。表示装置６０３は出力部１８に対応する。

通信装置６０４は、本装置が外部装置と無線または有線で通信するための回路である。データは、通信装置６０４を介して外部装置から入力することができる。外部装置から入力したデータを、主記憶装置６０５や外部記憶装置６０６に格納することができる。

主記憶装置６０５は、情報処理プログラム、情報処理プログラムの実行に必要なデータ、および情報処理プログラムの実行により生成されたデータなどを記憶する。情報処理プログラムは、主記憶装置６０５上で展開され、実行される。主記憶装置６０５は、例えば、ＲＡＭ、ＤＲＡＭ、ＳＲＡＭであるが、これに限られない。図１又は図１３の各記憶部又はデータベースは、主記憶装置６０５上に構築されてもよい。

外部記憶装置６０６は、情報処理プログラム、情報処理プログラムの実行に必要なデータ、および情報処理プログラムの実行により生成されたデータなどを記憶する。これらの情報処理プログラムやデータは、情報処理プログラムの実行の際に、主記憶装置６０５に読み出される。外部記憶装置６０６は、例えば、ハードディスク、光ディスク、フラッシュメモリ、及び磁気テープであるが、これに限られない。図１、図１２又は図１３の各記憶部又はデータベースは、外部記憶装置６０６上に構築されてもよい。

なお、情報処理プログラムは、コンピュータ装置６００に予めインストールされていてもよいし、ＣＤ−ＲＯＭなどの記憶媒体に記憶されていてもよい。また、情報処理プログラムは、インターネット上にアップロードされていてもよい。

また、本装置は、単一のコンピュータ装置６００により構成されてもよいし、相互に接続された複数のコンピュータ装置６００からなるシステムとして構成されてもよい。

なお、本発明は上記各実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記各実施形態に開示されている複数の構成要素を適宜組み合わせることによって種々の発明を形成できる。また例えば、各実施形態に示される全構成要素からいくつかの構成要素を削除した構成も考えられる。さらに、異なる実施形態に記載した構成要素を適宜組み合わせてもよい。

１ 気象データ取得部、２ 市場データ取得部、３ 入力部、４ 第二種市場価格予測部、７ 取引量算出部、８ 収益計算部、９ 取引量決定部、１０、１０ａ、１０ｂ 情報処理装置、１１ 指標算出部、１２ 事例データ記憶部、１３ 類似事例データ抽出部、１４ 類似度スコア算出部、１５ 類似事例データ記憶部、１６ 入札内容決定部、１７ 戦略決定部、１８ 出力部、１９ カレンダ情報記憶部、２０ カレンダ情報設定部、２１ 気象予測取得部、

Claims (20)

1. 過去の取引実績データから類似事例データを抽出する類似事例データ抽出部と、
   仮決めした入札内容で第一種市場に入札したと仮定した場合の収益を計算する収益計算部と、
   前記計算された収益と、前記類似事例データとに基づいて、リスク及びリターンの度合いを示す指標を算出する指標算出部と、を備える、情報処理装置。
2. 前記指標を最大もしくは最小とする入札内容を探索し、探索された入札内容に基づいて、前記第一種市場への入札内容を決定する第１決定部を備える、請求項１に記載の情報処理装置。
3. 前記指標算出部は、前記類似事例データに対応する収益の疑似確率分布に基づいて、前記指標を計算する、請求項１又は２に記載の情報処理装置。
4. 前記指標算出部は、前記類似事例データに対応する収益の重み付け平均値に基づいて、前記指標として第１の指標を算出する、請求項１乃至３のいずれか一項に記載の情報処理装置。
5. 前記指標算出部は、前記類似事例データに対応する収益の低い順に、複数の前記類似事例データの類似度を加算し、前記類似度の合計値が第１基準値に一致又は前記第１基準値に最も近くなる類似事例データの収益に基づいて、前記指標として第２の指標を算出する、請求項１乃至４のいずれか一項に記載の情報処理装置。
6. 前記指標算出部は、前記類似事例データに対応する収益の低い順に、複数の前記類似事例データの類似度を加算し、前記類似度の合計値が第２基準値に一致又は前記第２基準値に最も近くなる類似事例データの収益に基づいて、前記指標として第３の指標を算出する、請求項１乃至５のいずれか一項に記載の情報処理装置。
7. 前記指標算出部は、前記類似事例データに対応する収益の高い順に、複数の前記類似事例データの類似度を加算し、前記類似度の合計値が第３基準値に一致又は前記第３基準値に最も近くなる類似事例データの収益に基づいて、前記指標として第４の指標を算出する、請求項１乃至６のいずれか一項に記載の情報処理装置。
8. 前記指標算出部は、前記類似事例データに対応する収益の高い順に、複数の前記類似事例データの類似度を加算し、前記類似度の合計値が第４基準値に一致又は前記第４基準値に最も近くなる類似事例データの収益に基づいて、前記指標として第５の指標を算出する、請求項１乃至７のいずれか一項に記載の情報処理装置。
9. 前記指標は複数設けられ、
   過去の取引実績データに基づいて、取引価格の実績値の推移を算出し、前記推移に基づいて前記指標を決定する第２決定部を備える、請求項１乃至８のいずれか一項に記載の情報処理装置。
10. 前記第２決定部は、前記実績値の推移が下降トレンド、上昇トレンド、及び横ばいのいずれかに応じて、取引量の決定に使用する前記指標を決定する、請求項９に記載の情報処理装置。
11. 前記実績値の推移を表示する出力部と、
    前記少なくとも１つの指標を指定する情報をユーザの入力装置から取得する取得部と、を備え、
    前記第２決定部は、取得した前記情報に基づいて、取引量の決定に使用する前記指標を決定する、請求項９に記載の情報処理装置。
12. 取引市場は複数設けられ、
    前記指標ごとに、前記複数の取引市場における前記取引量を決定する第３決定部を備え、
    前記出力部は、前記指標間で前記複数の取引市場における取引量が一致するか否かに応じた情報を出力する、請求項１１に記載の情報処理装置。
13. 前記第一種市場と異なる第二種市場に対して、前記第一種市場に入札した残りの取引量の時間帯毎の入札有無を決定する第３決定部を備え、
    前記収益計算部は、仮決めした入札内容で前記第一種市場及び前記第二種市場に入札したと仮定した場合の収益を計算する、請求項１乃至１１のいずれか一項に記載の情報処理装置。
14. 前記第３決定部は、前記第二種市場の時間帯毎の市場価格の予測値と取引原価の比較により入札有無を決定する、請求項１３記載の情報処理装置。
15. 前記類似事例データ抽出部は、直近の過去の取引実績データの中から、複数の入札単位期間についての複数の類似事例データを抽出する、請求項１乃至１４のいずれか一項に記載の情報処理装置。
16. 前記第一種市場の入札単位期間と前記過去の取引実績データとの類似度スコアを算出する類似度算出部を備え、
    前記類似事例データ抽出部は、前記類似度スコアに基づいて、前記類似事例データを抽出する、請求項１乃至１５のいずれか一項に記載の情報処理装置。
17. カレンダ情報と、気象実績データと、複数の取引市場の価格実績データを関連づけて事例データとして記憶する事例データ記憶部と、
    前記類似度算出部は、前記事例データ記憶部に記憶された事例データに含まれる気象実績データと入札単位時間枠における気象予測データとの間の前記類似度スコアを算出し、
    前記類似事例データ抽出部は、前記類似度スコアが一定の閾値以上、もしくは類似度スコアの高い順に一定数の複数の事例データを、過去の事例データより抽出する、請求項１６に記載の情報処理装置。
18. 前記第一種市場は、系統運用者が需給調整用電源を取引市場から調達して運用し、応札が確定した後も発電要請の有無が直前まで決まらない取引市場である、請求項１乃至１７のいずれか一項に記載の情報処理装置。
19. 過去の取引実績データから類似事例データを抽出し、
    仮決めした入札内容で第一種市場に入札したと仮定した場合の収益を計算し、
    前記計算された収益と、前記類似事例データとに基づいて、リスク及びリターンの度合いを示す指標を算出する、情報処理方法。
20. コンピュータに、
    過去の取引実績データから類似事例データを抽出するステップと、
    仮決めした入札内容で第一種市場に入札したと仮定した場合の収益を計算するステップと、
    前記計算された収益と、前記類似事例データとに基づいて、リスク及びリターンの度合いを示す指標を算出するステップと、を実行させる、プログラム。

Images