{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3360733"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3360733","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Forecasting natural gas prices in the West European market: a comparative analysis of forecasting models","abstract":"Τα τελευταία χρόνια, η ζήτηση του φυσικού αερίου έχει αυξηθεί σημαντικά, με πολλές χώρες να στρέφονται προς αυτή την πηγή ενέργειας για να καλύψουν τις αυξανόμενες ενεργειακές τους ανάγκες, μειώνοντας παράλληλα τις εκπομπές διοξειδίου του άνθρακα. Η Δυτική Ευρώπη παρουσιάζει ιδιαίτερο ενδιαφέρον, δεδομένης της υψηλής ζήτησης για φυσικό αέριο και της εξάρτησής από τις εισαγωγές. Η πολυπλοκότητα της ευρωπαϊκής αγοράς ενέργειας, σε συνδυασμό με τη μεταβλητότητα των τιμών του φυσικού αερίου, δημιουργεί σημαντικές προκλήσεις για τα μοντέλα πρόβλεψης. Οι παράγοντες που επηρεάζουν τις τιμές της ενέργειας και η εύρεση του βέλτιστου μοντέλου πρόβλεψης τιμής, αποτελούν σημαντικά αντικείμενα έρευνας και ανάλυσης. Σκοπός της παρούσας μελέτης ήταν η συγκριτική ανάλυση μεταξύ των μοντέλων Πολλαπλής Γραμμικής Παλινδρόμησης (MLR), Επαναλαμβανόμενου Νευρωνικού Δικτύου (RNN) με Μακροπρόθεσμη-Βραχυπρόθεσμη Μνήμη (LSTM), Εποχιακού Αυτοπαλινδρομικού Ολοκληρωμένου Κινητού Μέσου Όρου με Εξωγενείς παράγοντες (SARIMAX) και Διανυσματικής Παλινδρόμησης Υποστήριξης (SVR), με στόχο την ανάδειξη του ακριβέστερου μοντέλου πρόβλεψης τιμών φυσικού αερίου στη Δυτική Ευρώπη. Η τελευταία τιμή Dutch TTF Spot αποτέλεσε τη μεταβλητή που ενεργούσε ως τιμή του φυσικού αερίου στη Δυτική Ευρώπη και οι παλινδρομικοί παράγοντες που συμπεριλήφθηκαν στα μοντέλα ήταν το διαθέσιμο φυσικό αέριο στις ευρωπαϊκές αποθήκες, η μέση θερμοκρασία της Δυτικής Ευρώπης και οι ευρωπαϊκές τιμές του άνθρακα και του αργού πετρελαίου. Οι διαδικασίες επεξεργασίας, ανάλυσης και πρόβλεψης των δεδομένων πραγματοποιήθηκαν με τη χρήση βιβλιοθηκών και εργαλείων \"Python\". Με βάση τα αποτελέσματα της ανάλυσης, το μοντέλο SVR πέτυχε το υψηλότερο επίπεδο ακρίβειας μεταξύ των συγκρινόμενων μοντέλων. Ειδικότερα, τα ευρήματα έδειξαν ότι τα σύνθετα μοντέλα μηχανικής μάθησης δεν υπερέχουν απαραίτητα των παραδοσιακών στατιστικών μοντέλων στην πρόβλεψη των τιμών του φυσικού αερίου. Απαιτείται περαιτέρω έρευνα για τη διερεύνηση των επιδόσεων των διαφόρων μοντέλων πρόβλεψης και της ευαισθησίας τους στους παράγοντες που επηρεάζουν τις τιμές του φυσικού αερίου.","abstract_html":"Τα τελευταία χρόνια, η ζήτηση του φυσικού αερίου έχει αυξηθεί σημαντικά, με πολλές χώρες να στρέφονται προς αυτή την πηγή ενέργειας για να καλύψουν τις αυξανόμενες ενεργειακές τους ανάγκες, μειώνοντας παράλληλα τις εκπομπές διοξειδίου του άνθρακα. Η Δυτική Ευρώπη παρουσιάζει ιδιαίτερο ενδιαφέρον, δεδομένης της υψηλής ζήτησης για φυσικό αέριο και της εξάρτησής από τις εισαγωγές. Η πολυπλοκότητα της ευρωπαϊκής αγοράς ενέργειας, σε συνδυασμό με τη μεταβλητότητα των τιμών του φυσικού αερίου, δημιουργεί σημαντικές προκλήσεις για τα μοντέλα πρόβλεψης. Οι παράγοντες που επηρεάζουν τις τιμές της ενέργειας και η εύρεση του βέλτιστου μοντέλου πρόβλεψης τιμής, αποτελούν σημαντικά αντικείμενα έρευνας και ανάλυσης. Σκοπός της παρούσας μελέτης ήταν η συγκριτική ανάλυση μεταξύ των μοντέλων Πολλαπλής Γραμμικής Παλινδρόμησης (MLR), Επαναλαμβανόμενου Νευρωνικού Δικτύου (RNN) με Μακροπρόθεσμη-Βραχυπρόθεσμη Μνήμη (LSTM), Εποχιακού Αυτοπαλινδρομικού Ολοκληρωμένου Κινητού Μέσου Όρου με Εξωγενείς παράγοντες (SARIMAX) και Διανυσματικής Παλινδρόμησης Υποστήριξης (SVR), με στόχο την ανάδειξη του ακριβέστερου μοντέλου πρόβλεψης τιμών φυσικού αερίου στη Δυτική Ευρώπη. Η τελευταία τιμή Dutch TTF Spot αποτέλεσε τη μεταβλητή που ενεργούσε ως τιμή του φυσικού αερίου στη Δυτική Ευρώπη και οι παλινδρομικοί παράγοντες που συμπεριλήφθηκαν στα μοντέλα ήταν το διαθέσιμο φυσικό αέριο στις ευρωπαϊκές αποθήκες, η μέση θερμοκρασία της Δυτικής Ευρώπης και οι ευρωπαϊκές τιμές του άνθρακα και του αργού πετρελαίου. Οι διαδικασίες επεξεργασίας, ανάλυσης και πρόβλεψης των δεδομένων πραγματοποιήθηκαν με τη χρήση βιβλιοθηκών και εργαλείων &quot;Python&quot;. Με βάση τα αποτελέσματα της ανάλυσης, το μοντέλο SVR πέτυχε το υψηλότερο επίπεδο ακρίβειας μεταξύ των συγκρινόμενων μοντέλων. Ειδικότερα, τα ευρήματα έδειξαν ότι τα σύνθετα μοντέλα μηχανικής μάθησης δεν υπερέχουν απαραίτητα των παραδοσιακών στατιστικών μοντέλων στην πρόβλεψη των τιμών του φυσικού αερίου. Απαιτείται περαιτέρω έρευνα για τη διερεύνηση των επιδόσεων των διαφόρων μοντέλων πρόβλεψης και της ευαισθησίας τους στους παράγοντες που επηρεάζουν τις τιμές του φυσικού αερίου.","abstract_has_math":false,"creators":["Άλλαν Ρίτσαρντ-Κώνσταντιν","Allan Ritsarnt-Konstantin"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2023,"date_issued":"2023","date_published":"2023","updated_at":"2026-11-19T06:23:51Z","subjects":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3360733"],"render_values":[{"text":"uoadl:3360733","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3360733","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3360733","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3360733","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Άλλαν Ρίτσαρντ-Κώνσταντιν","Allan Ritsarnt-Konstantin"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2023"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3360733","https://pergamos.lib.uoa.gr/uoa/dl/object/3360733"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Τα τελευταία χρόνια, η ζήτηση του φυσικού αερίου έχει αυξηθεί σημαντικά, με πολλές χώρες να στρέφονται προς αυτή την πηγή ενέργειας για να καλύψουν τις αυξανόμενες ενεργειακές τους ανάγκες, μειώνοντας παράλληλα τις εκπομπές διοξειδίου του άνθρακα. Η Δυτική Ευρώπη παρουσιάζει ιδιαίτερο ενδιαφέρον, δεδομένης της υψηλής ζήτησης για φυσικό αέριο και της εξάρτησής από τις εισαγωγές. Η πολυπλοκότητα της ευρωπαϊκής αγοράς ενέργειας, σε συνδυασμό με τη μεταβλητότητα των τιμών του φυσικού αερίου, δημιουργεί σημαντικές προκλήσεις για τα μοντέλα πρόβλεψης. Οι παράγοντες που επηρεάζουν τις τιμές της ενέργειας και η εύρεση του βέλτιστου μοντέλου πρόβλεψης τιμής, αποτελούν σημαντικά αντικείμενα έρευνας και ανάλυσης. Σκοπός της παρούσας μελέτης ήταν η συγκριτική ανάλυση μεταξύ των μοντέλων Πολλαπλής Γραμμικής Παλινδρόμησης (MLR), Επαναλαμβανόμενου Νευρωνικού Δικτύου (RNN) με Μακροπρόθεσμη-Βραχυπρόθεσμη Μνήμη (LSTM), Εποχιακού Αυτοπαλινδρομικού Ολοκληρωμένου Κινητού Μέσου Όρου με Εξωγενείς παράγοντες (SARIMAX) και Διανυσματικής Παλινδρόμησης Υποστήριξης (SVR), με στόχο την ανάδειξη του ακριβέστερου μοντέλου πρόβλεψης τιμών φυσικού αερίου στη Δυτική Ευρώπη. Η τελευταία τιμή Dutch TTF Spot αποτέλεσε τη μεταβλητή που ενεργούσε ως τιμή του φυσικού αερίου στη Δυτική Ευρώπη και οι παλινδρομικοί παράγοντες που συμπεριλήφθηκαν στα μοντέλα ήταν το διαθέσιμο φυσικό αέριο στις ευρωπαϊκές αποθήκες, η μέση θερμοκρασία της Δυτικής Ευρώπης και οι ευρωπαϊκές τιμές του άνθρακα και του αργού πετρελαίου. Οι διαδικασίες επεξεργασίας, ανάλυσης και πρόβλεψης των δεδομένων πραγματοποιήθηκαν με τη χρήση βιβλιοθηκών και εργαλείων \"Python\". Με βάση τα αποτελέσματα της ανάλυσης, το μοντέλο SVR πέτυχε το υψηλότερο επίπεδο ακρίβειας μεταξύ των συγκρινόμενων μοντέλων. Ειδικότερα, τα ευρήματα έδειξαν ότι τα σύνθετα μοντέλα μηχανικής μάθησης δεν υπερέχουν απαραίτητα των παραδοσιακών στατιστικών μοντέλων στην πρόβλεψη των τιμών του φυσικού αερίου. Απαιτείται περαιτέρω έρευνα για τη διερεύνηση των επιδόσεων των διαφόρων μοντέλων πρόβλεψης και της ευαισθησίας τους στους παράγοντες που επηρεάζουν τις τιμές του φυσικού αερίου.","The use of natural gas has increased significantly in recent years, with many countries shifting towards this energy source to meet their growing energy demands while reducing their carbon emissions. West Europe is particularly significant, given the region's high demand for natural gas and its reliance on imports. The complexity of the European energy market, combined with the volatility of natural gas prices, presents unique challenges for forecasting models. The drivers that impact energy prices and the best models for forecasting prices are important subjects of research and analysis. The aim of this study was to conduct a comparative analysis of four forecasting models, including Multiple Linear Regression (MLR), Recurrent Neural Network (RNN) with Long-Short Term Memory (LSTM), Seasonal Auto-Regressive Integrated Moving Average with eXogenous factors (SARIMAX), and Support Vector Regression (SVR), to assess which model provides the most accurate predictions for natural gas prices in Western Europe. The Dutch TTF Spot Last Price was the variable acting as the price of natural gas in Western Europe, and the regressors included in the models were the available natural gas in European storage, the average temperature of Western Europe, and the European prices of coal and crude oil. The procedures of data processing, analysis, and forecasting were conducted with the use of “Python” libraries and tools. The analysis revealed that the SVR model achieved the highest level of accuracy among the tested models. Notably, the findings indicated that complex machine learning models did not necessarily outperform traditional statistical models in forecasting natural gas prices. Further research is necessary to investigate the performance of different forecasting models and their sensitivity to natural gas price drivers."]},{"key":"dc:title","label":"Title","values":["Forecasting natural gas prices in the West European market: a comparative analysis of forecasting models"]}]}],"canonical_facts":{"dc:creator":["Άλλαν Ρίτσαρντ-Κώνσταντιν","Allan Ritsarnt-Konstantin"],"dc:date":["2023"],"dc:description":["Τα τελευταία χρόνια, η ζήτηση του φυσικού αερίου έχει αυξηθεί σημαντικά, με πολλές χώρες να στρέφονται προς αυτή την πηγή ενέργειας για να καλύψουν τις αυξανόμενες ενεργειακές τους ανάγκες, μειώνοντας παράλληλα τις εκπομπές διοξειδίου του άνθρακα. Η Δυτική Ευρώπη παρουσιάζει ιδιαίτερο ενδιαφέρον, δεδομένης της υψηλής ζήτησης για φυσικό αέριο και της εξάρτησής από τις εισαγωγές. Η πολυπλοκότητα της ευρωπαϊκής αγοράς ενέργειας, σε συνδυασμό με τη μεταβλητότητα των τιμών του φυσικού αερίου, δημιουργεί σημαντικές προκλήσεις για τα μοντέλα πρόβλεψης. Οι παράγοντες που επηρεάζουν τις τιμές της ενέργειας και η εύρεση του βέλτιστου μοντέλου πρόβλεψης τιμής, αποτελούν σημαντικά αντικείμενα έρευνας και ανάλυσης. Σκοπός της παρούσας μελέτης ήταν η συγκριτική ανάλυση μεταξύ των μοντέλων Πολλαπλής Γραμμικής Παλινδρόμησης (MLR), Επαναλαμβανόμενου Νευρωνικού Δικτύου (RNN) με Μακροπρόθεσμη-Βραχυπρόθεσμη Μνήμη (LSTM), Εποχιακού Αυτοπαλινδρομικού Ολοκληρωμένου Κινητού Μέσου Όρου με Εξωγενείς παράγοντες (SARIMAX) και Διανυσματικής Παλινδρόμησης Υποστήριξης (SVR), με στόχο την ανάδειξη του ακριβέστερου μοντέλου πρόβλεψης τιμών φυσικού αερίου στη Δυτική Ευρώπη. Η τελευταία τιμή Dutch TTF Spot αποτέλεσε τη μεταβλητή που ενεργούσε ως τιμή του φυσικού αερίου στη Δυτική Ευρώπη και οι παλινδρομικοί παράγοντες που συμπεριλήφθηκαν στα μοντέλα ήταν το διαθέσιμο φυσικό αέριο στις ευρωπαϊκές αποθήκες, η μέση θερμοκρασία της Δυτικής Ευρώπης και οι ευρωπαϊκές τιμές του άνθρακα και του αργού πετρελαίου. Οι διαδικασίες επεξεργασίας, ανάλυσης και πρόβλεψης των δεδομένων πραγματοποιήθηκαν με τη χρήση βιβλιοθηκών και εργαλείων \"Python\". Με βάση τα αποτελέσματα της ανάλυσης, το μοντέλο SVR πέτυχε το υψηλότερο επίπεδο ακρίβειας μεταξύ των συγκρινόμενων μοντέλων. Ειδικότερα, τα ευρήματα έδειξαν ότι τα σύνθετα μοντέλα μηχανικής μάθησης δεν υπερέχουν απαραίτητα των παραδοσιακών στατιστικών μοντέλων στην πρόβλεψη των τιμών του φυσικού αερίου. Απαιτείται περαιτέρω έρευνα για τη διερεύνηση των επιδόσεων των διαφόρων μοντέλων πρόβλεψης και της ευαισθησίας τους στους παράγοντες που επηρεάζουν τις τιμές του φυσικού αερίου.","The use of natural gas has increased significantly in recent years, with many countries shifting towards this energy source to meet their growing energy demands while reducing their carbon emissions. West Europe is particularly significant, given the region's high demand for natural gas and its reliance on imports. The complexity of the European energy market, combined with the volatility of natural gas prices, presents unique challenges for forecasting models. The drivers that impact energy prices and the best models for forecasting prices are important subjects of research and analysis. The aim of this study was to conduct a comparative analysis of four forecasting models, including Multiple Linear Regression (MLR), Recurrent Neural Network (RNN) with Long-Short Term Memory (LSTM), Seasonal Auto-Regressive Integrated Moving Average with eXogenous factors (SARIMAX), and Support Vector Regression (SVR), to assess which model provides the most accurate predictions for natural gas prices in Western Europe. The Dutch TTF Spot Last Price was the variable acting as the price of natural gas in Western Europe, and the regressors included in the models were the available natural gas in European storage, the average temperature of Western Europe, and the European prices of coal and crude oil. The procedures of data processing, analysis, and forecasting were conducted with the use of “Python” libraries and tools. The analysis revealed that the SVR model achieved the highest level of accuracy among the tested models. Notably, the findings indicated that complex machine learning models did not necessarily outperform traditional statistical models in forecasting natural gas prices. Further research is necessary to investigate the performance of different forecasting models and their sensitivity to natural gas price drivers."],"dc:identifier":["uoadl:3360733","https://pergamos.lib.uoa.gr/uoa/dl/object/3360733"],"dc:language":["English"],"dc:subject":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"dc:title":["Forecasting natural gas prices in the West European market: a comparative analysis of forecasting models"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:23:51Z"}