<p>Denna uppsats undersöker vilka faktorer som påverkar förändringar i elspotpriset på Nord Pool. Avsikten är att resultatet skall ligga till grund för en prisuppskattningsmodell för Lunds Energikoncernen AB. Faktorerna bestämdes genom en förstudie där viktig litteratur om elmarknaden studerades samt samtal med Lunds Energikoncernen AB. De faktorer som undersöks i denna uppsats är priset på utsläppsrätter, nettoexport till Tysk-land, temperatur, nederbörd, priset på kol och villaolja samt konjunkturutveckling i Sve-rige.</p><p>Undersökningen av faktorerna bestod av en multipel regressionsanalys med undersökta faktorer som oberoende variabler och elspotpriset på Nord Pool som den beroende va-riabeln. Faktorerna blev indelade i två grupper dagsgruppen och månadsgruppen, grunden till uppdelningen är som namnen antyder att statistiken var observerad dygnsvis och må-nadsvis. I månadsgruppen ingick nettoexport till Tyskland, priset på kol, villaolja samt konjunktur och ur denna grupp visade sig endast nettoexport till Tyskland ha statistisk signifikans.</p><p>I dagsgruppen ingick de faktorer som oftast omnämns i litteraturen som prispåverkande, nämligen temperatur, nederbörd och priset på utsläppsrätter. Dock visade sig nederbörd inte ha någon statistisk signifikant påverkan på elpriset varvid ett nytt test på ett nytt sta-tistiskt underlag gjordes för nederbörden vilket gav samma resultat, vilket var förvånan-de. Både temperatur och priset på utsläppsrätter visade sig dock ha statistisk signifikans och detta intygades genom ytterligare test.</p><p>Härefter gjordes en regressionsanalys med de faktorer visat sig ha statistisk signifikans som oberoende variabler, det vill säga nettoexport till Tyskland, temperatur och priset på utsläppsrätter gentemot elpriset som beroende variabel. Denna enkla prognosmodell kunde förklara så mycket som 70 procent av förändringarna i elpriset.</p><p>Slutligen diskuteras prognosmodellen av författarna, en brist är bland annat att den inte kan förutse hastiga förändringar i priset och att den behöver kalibreras om när den nya handelsperioden för utsläppsrätter sätter i gång 2008. Dock gav analysen positiva signa-ler om att det kan vara möjligt att basera en prismodell på el med de faktorer som har störst inverkan på den dyraste produktionsteknologi som oftast används i elproduktio-nen, då elmarknaden i praktiken tillämpar marginalprissättning.</p> / <p>This thesis examines which factors that drive changes in the electricity spot price on the Nordic energy exchange Nord Pool. The intention with this thesis is to support Lunds Energikoncernen AB to create a pricing model. The factors were determined though a pre-study in which important literature on the electricity market were studied and inter-views with Lunds Energikoncernen AB. The examined factors in this thesis are; the price of emission allowances, net export to Germany, temperature, precipitation, the prices of coal and burning oil and Sweden’s business cycle.</p><p>The factor study was a multiple regression analysis with the above factors as independ-ent variables and the spot price of electricity on Nord Pool as the dependent. The fac-tors were divided in two groups, the day group and the month group, the two groups were decided due to statistical observations. The factors from the former group had daily ob-served data and the latter monthly data. The month group included net exchange with Germany, oil and coal prices and the business cycle which are measured in GDP. In the month group only the net exchange with Germany had statistical significance and was used in further studies.</p><p>In the day group the factors that are mostly discussed in the literature to impact on the electricity price namely, temperature, precipitation, and the price of emission allowances. As it, some what unexpected, turned out the precipitation did not have a statistical affect on the electricity price. The authors chose to carry out another analysis with precipita-tion from another area, neither this result had statistical significance. However, both the temperature and the price of emission allowances did have a statistical significant effect on the electricity price, the result were verified through one more round of analysis.</p><p>After the two initial analyses, a regression analysis with the three factors that had statis-tical significance and the electricity price were used in a final analysis. The factors in-cluded in this regression were net exchange with Germany, temperature and the price of emission allowances. This, somewhat, simple forecasting model explained as much as 70 percent of the changes in the electricity spot price.</p><p>At last the forecasting model were discussed by the authors who identified two major weaknesses, first the model may not explain sudden changes in the electricity price, and second the model has to be re-calibrated when the next trading period for emission al-lowances starts in early 2008. However the analysis did indicate that it might be possible to base an electricity price forecasting model on the factors that affects the most expen-sive production facility that are used to create energy, since the electricity market prac-tice marginal pricing.</p>

Denna uppsats undersöker vilka faktorer som påverkar förändringar i elspotpriset på Nord Pool. Avsikten är att resultatet skall ligga till grund för en prisuppskattningsmodell för Lunds Energikoncernen AB. Faktorerna bestämdes genom en förstudie där viktig litteratur om elmarknaden studerades samt samtal med Lunds Energikoncernen AB. De faktorer som undersöks i denna uppsats är priset på utsläppsrätter, nettoexport till Tysk-land, temperatur, nederbörd, priset på kol och villaolja samt konjunkturutveckling i Sve-rige. Undersökningen av faktorerna bestod av en multipel regressionsanalys med undersökta faktorer som oberoende variabler och elspotpriset på Nord Pool som den beroende va-riabeln. Faktorerna blev indelade i två grupper dagsgruppen och månadsgruppen, grunden till uppdelningen är som namnen antyder att statistiken var observerad dygnsvis och må-nadsvis. I månadsgruppen ingick nettoexport till Tyskland, priset på kol, villaolja samt konjunktur och ur denna grupp visade sig endast nettoexport till Tyskland ha statistisk signifikans. I dagsgruppen ingick de faktorer som oftast omnämns i litteraturen som prispåverkande, nämligen temperatur, nederbörd och priset på utsläppsrätter. Dock visade sig nederbörd inte ha någon statistisk signifikant påverkan på elpriset varvid ett nytt test på ett nytt sta-tistiskt underlag gjordes för nederbörden vilket gav samma resultat, vilket var förvånan-de. Både temperatur och priset på utsläppsrätter visade sig dock ha statistisk signifikans och detta intygades genom ytterligare test. Härefter gjordes en regressionsanalys med de faktorer visat sig ha statistisk signifikans som oberoende variabler, det vill säga nettoexport till Tyskland, temperatur och priset på utsläppsrätter gentemot elpriset som beroende variabel. Denna enkla prognosmodell kunde förklara så mycket som 70 procent av förändringarna i elpriset. Slutligen diskuteras prognosmodellen av författarna, en brist är bland annat att den inte kan förutse hastiga förändringar i priset och att den behöver kalibreras om när den nya handelsperioden för utsläppsrätter sätter i gång 2008. Dock gav analysen positiva signa-ler om att det kan vara möjligt att basera en prismodell på el med de faktorer som har störst inverkan på den dyraste produktionsteknologi som oftast används i elproduktio-nen, då elmarknaden i praktiken tillämpar marginalprissättning. / This thesis examines which factors that drive changes in the electricity spot price on the Nordic energy exchange Nord Pool. The intention with this thesis is to support Lunds Energikoncernen AB to create a pricing model. The factors were determined though a pre-study in which important literature on the electricity market were studied and inter-views with Lunds Energikoncernen AB. The examined factors in this thesis are; the price of emission allowances, net export to Germany, temperature, precipitation, the prices of coal and burning oil and Sweden’s business cycle. The factor study was a multiple regression analysis with the above factors as independ-ent variables and the spot price of electricity on Nord Pool as the dependent. The fac-tors were divided in two groups, the day group and the month group, the two groups were decided due to statistical observations. The factors from the former group had daily ob-served data and the latter monthly data. The month group included net exchange with Germany, oil and coal prices and the business cycle which are measured in GDP. In the month group only the net exchange with Germany had statistical significance and was used in further studies. In the day group the factors that are mostly discussed in the literature to impact on the electricity price namely, temperature, precipitation, and the price of emission allowances. As it, some what unexpected, turned out the precipitation did not have a statistical affect on the electricity price. The authors chose to carry out another analysis with precipita-tion from another area, neither this result had statistical significance. However, both the temperature and the price of emission allowances did have a statistical significant effect on the electricity price, the result were verified through one more round of analysis. After the two initial analyses, a regression analysis with the three factors that had statis-tical significance and the electricity price were used in a final analysis. The factors in-cluded in this regression were net exchange with Germany, temperature and the price of emission allowances. This, somewhat, simple forecasting model explained as much as 70 percent of the changes in the electricity spot price. At last the forecasting model were discussed by the authors who identified two major weaknesses, first the model may not explain sudden changes in the electricity price, and second the model has to be re-calibrated when the next trading period for emission al-lowances starts in early 2008. However the analysis did indicate that it might be possible to base an electricity price forecasting model on the factors that affects the most expen-sive production facility that are used to create energy, since the electricity market prac-tice marginal pricing.