L’evoluzione tecnologica nel trading di energia

Il trading di energia dipende sempre più dall’innovazione tecnologica. Vediamo i casi principali

L’innovazione tecnologica nel trading di energia è stato un macro fenomeno che ha caratterizzato l’industria negli ultimi dieci anni in particolare.

Possiamo affermare che, a partire dal 2010, ci sia stata una netta accelerata del percorsi di trasformazione digitale delle aziende nel settore energetico. Percorsi che oggi hanno per lo più raggiunto una buona maturità, e che costituiscono a tutti gli effetti asset competitivi a disposizione delle aziende.

Scopriamo quali sono le tecnologie che più hanno permesso alle aziende di fare la differenza, in particolare per quanto riguarda l’attività sui mercati dell’energia, ossia l’attività di trading.

Diffusione tecnologica: le cause

Partiamo dalle basi. Per quali ragioni il 2010 è stata la data spartiacque tra un mondo dell’energia tradizionale rispetto a uno prettamente technology-driven, basato sulla tecnologia?
Pur in un contesto di trasformazione graduale, tale data non è stata stabilità in modo arbitrario, ma sono diversi i fenomeni che hanno trovato la loro convergenza al termine della prima decade del nuovo millennio.

In modo significativo, è proprio nel 2010 che si è iniziato a parlare di “always-on”, ossia di un tessuto sociale costantemente dipendente dalla tecnologia e in particolare dalle informazioni reperibili e scambiabili online.

I fattori abilitanti

Connettività

Un primo fattore di determinante portata è stato il rilascio dei servizi 4G LTE, avvenuto proprio nel 2010 e diffusamente adottato dal grande pubblico negli anni seguenti. Se oggi navigare a 4G sembra un dato di fatto, questo servizio ha permesso di avere uno scambio di dati significativo mantenendo un’esperienza accettabile lato utente. Di fatto, è proprio grazie al 4G che è stato possibile adottare massivamente servizi di rete come standard operativo.
È, non secondariamente, l’epoca in cui gli smartphone diventano parte integrante del nostro quotidiano.

Il che significa poter caricare istantaneamente una foto su Facebook o Instagram, certo. Ma anche accedere al portale del broker di energia o dell’Exchange per verificare i prezzi in real-time, e magari sottomettere anche una transazione.

Hyper-Digitalization

La diffusione di applicativi mobile e la crescente diffusione della connettività a banda larga innesca un cambiamento epocale, che gli studiosi del settore chiamano “fase dell’ iper-digitalizzazione ”.

Dal claim di Apple “There’s an app for that” (2009) al modello di servizi di Microsoft che denomina ogni software una “Microsoft App” (Windows 10), le persone si abituano a cercare risposte a tutti i loro interrogativi in rete. I servizi e i prodotti vengono acquistati in rete in prima battuta.

E questo vale anche per i provider di energia. È in questi anni che vedono la luce le prime energy company full-digital. Fenomeno che ha acceso una rivoluzione che vediamo ancora oggi in casi di successo come Octopus Energy, Powershop, OVO, NeN.

Cloud computing

Diffusosi a partire dai tardi anni ‘90, il cloud computing arriva negli anni duemila nella sua fase di maturità. Nel 2006 Amazon Web Services lancia il servizio EC2 (Elastic Compute Cloud), che di fatto abilita aziende e privati a noleggiare computer virtuali e rilasciare su di esse i loro applicativi. Improvvisamente le aziende non devono più dotarsi di costosi e problematici data center in loco, ma possono sottoscrivere un abbonamento e acquistare i servizi cloud secondo necessità.

SaaS & XaaS

L’epoca dei software venduti tramite CD-ROM è presto un ricordo di archeo-informatica, oggetti da collezione per i nostalgici. L’esplosione di Salesforce (ritenuto universalmente come il primo prodotto rilasciato in modalità esclusivamente online, nel 1999), segna un cambio di rotta epocale. I software vengono acquistati tramite abbonamento. Abbonamento che può essere lifetime così come mensile. O addirittura provato in versione trial per un periodo di tempo limitato.

Un cambio di paradigma devastante che porta all’esplosione dei software forniti via cloud (“Software as a service”) anche all’interno del mondo dell’energia, dapprima prettamente focalizzato sul “make” piuttosto che sul “buy”.

Oggi si parla di XaaS inteso come “Anything as a Service”, un comparto che include la parte software ma anche quella di infrastruttura, piattaforma, analytics, ecc.

Fintech

Il mondo della finanza è ancora scosso dalla crisi dei mutui subprime e dal crack di Lehman Brother (ne abbiamo parlato in relazione all’impatto sui mercati dell’energia in quest’articolo ): serve nuova linfa per ripartire.

L’input arriva proprio dall’adozione di modelli di business maggiormente basati sulla tecnologia. La connettività permette di erogare servizi di trading mobile-first. Gli investimenti nel settore creano un circolo virtuoso dove investimenti migliorano la tecnologia, i risultati richiamano altri investimenti.

Le persone si abituano a fare trading dai loro iPhone e tablet. Il trend si diffonde rapidamente ai settori limitrofi, tra i quali ovviamente il trading di commodity, e quindi di energia.

È in questo contesto, tecnologicamente accelerato, che prendono vita e si sviluppano le soluzioni tecnologiche che oggi dominano il mercato dell’energia.

Principali tecnologie e casi d’uso

Esploriamo le principali soluzioni tecnologiche che hanno cambiato il settore del trading di energia e hanno portato alla sua evoluzione.

ETRM

I sistemi di trading e gestione del rischio energetico (ETRM – Energy Trading & Risk Management) sono sistemi informatici integrati che consentono di recepire le informazioni derivanti dall’attività di trading (dettagli delle transazioni, controparti, valorizzazione creditizia e contrattuale, metadati), valorizzarle dal punto di vista econometrico (PnL, misure di rischio come VaR e PaR), ritornare la posizione aperta per ciascun book, gestire simulazioni di portafoglio, computare indici e panieri di commodity.
Se questa terminologia non ti è familiare, puoi scaricare gratuitamente la nostra guida “ The Energy Trading Handbook: from zero to hero ”.

Un sistema ETRM è utilizzato naturalmente dal front office (traders, sales, origination) ma anche dalle funzioni di operations (middle & back-office), di risk management, controlling, legal & compliance. Nel caso specifico dell’energy trading, ci si riferisce a ETRM come al software che permette la gestione di tali attività, sebbene sia consuetudine identificare allo stesso modo anche servizi di consulenza insistenti sul medesimo perimetro.

L’adozione di sistemi ETRM è spesso connessa all’utilizzo di sistemi di deal capturing e data enrichment, così come sistemi di ERP (Enterprise, Resource Planning, ossia processi logistico-gestionali) e CRM (Customer Relationship Management, ossia inerenti gestione ciclo di vita del cliente).

Quello dei software ETRM è un mercato in crescita: si stima potrà raggiungere i duemila miliardi di dollari entro il 2030 (CAGR +3 %), e i player che erogano tale tipologia di servizi si stanno specializzando in nicchie specifiche (front office, gestione del rischio, modellistica, automazioni).

L’ETRM è oggi la soluzione standard nella moderna azienda di trading energetico, alla base di una gestione consapevole delle transazioni e del loro impatto sul portafoglio.

MACHINE LEARNING

Il machine learning (abbreviato ML) è una sottocategoria del più vasto (e generico) campo dell’intelligenza artificiale (AI).

Nello specifico, con machine learning si indica un insieme di metodi di natura statistica, computazionale, matematica e informatica che permettono di creare algoritmi in grado di identificare pattern all’interno di scenari o insiemi di dati e quindi di riprodurli in modo autonomo o supervisionato.

Intuitivamente quindi, il machine learning necessita di:

• Grandi moli di dati.
• Dati classificati e puliti per la fase di apprendimento.
• Dati per la fase di backtesting e ottimizzazione del modello.
• Grande capacità computazionale.
• Algoritmi efficaci dal punto di vista matematico e efficienti da quello informatico-computazionale.
• Competenze adeguate a gestire quanto sopra.

Le applicazioni del machine learning nell’industria energetica sono molteplici:

• Previsione dei pattern di domanda e offerta.
• Previsione degli interventi di manutenzione in un impianto.
• Previsione dell’andamento dei prezzi di una commodity, anche in relazione a fattori esogeni come andamento delle temperature.
• Ottimizzazione di strategie di pricing e bidding.
• Previsioni di comportamento post-sales.
• Previsione di pattern di consumo energetico.

Gli approcci per l’esecuzione di strategie di machine learning sono molteplici, documentati, e in continua esplorazione. A titolo di esempio elenchiamo reti bayesiane, alberi decisionali, support vector machine, reti neurali, deep learning.

Le professionalità che ricorrono al machine learning rientrano specificatamente nella categoria dei data scientist, figure ormai standard nel trading floor di una energy company moderna.

ALGO TRADING

Il trading algoritmico diventa uno standard nei mercati finanziari attorno agli anni ‘90, ma è solo nel 2000 che esso diventa una pratica standardizzata, e via via sempre più regolata. Il passaggio al trading di energia è stato consequenziale, in un contesto unitario dato dall’intersezione dei mercati finanziari con quelli di commodity.

Il trading algoritmico permette di eseguire operazioni pre-programmate che si innescano al verificarsi di determinate condizioni di mercato (tempo, volumi, prezzi, e variazioni degli stessi). Diverse variabili vengono tra loro accorpate per dare vita a strategie di trading automatizzato che vengono computate con algoritmi di natura matematico-finanziaria, la cui esecuzione è demandata a software specialistici in virtù sia della loro complessità che delle tempistiche subitanee di esecuzione richieste dalla natura stessa dei fenomeni di mercato.

Il trading algoritmico viene sovente associato all’attività intraday su mercati spot, dove la rapidità di esecuzione è determinante per la riuscita della strategia di trading, in funzione delle variabili sottostanti.

Laddove il trading algoritmico:

• Sia eseguito su grandi quantitativi di dati.
• Operi a bassissima latenza.
• Preveda una logica di esecuzione estremamente stringente “all or nothing” (o eseguito a tali condizioni, o nulla).
• Preveda un netting sistematico della posizione su base intraday.
• E, secondariamente, ricorra a specifiche configurazioni software ed hardware.

Allora esso rientra nella sottocategoria dell’HFT (High Frequency Trading).

Tale tipologia di transazioni è di fatto la norma nei mercati finanziari (secondo dati Consob esso rappresenta il 50% dell’eseguito sulla piazza borsistica di Milano), e sta rapidamente conquistando volumi anche nel comparto del trading energetico.

Proprio in virtù di una sempre più crescente diffusione, recenti e autorevoli voci hanno sollevato dubbi a riguardo dell’impatto degli stessi sulla volatilità dei prezzi avvenuta nel secondo semestre 2022. Citiamo ICIS, 01 Agosto 2022: “Energy markets need urgent debate about role of algorithmic trading in volatility”.

BIG DATA

Quando parliamo di big data non facciamo riferimento genericamente a “grandi moli di dati”, ma a dati aventi specifiche qualità e alle strutture dati idonee per la loro raccolta, classificazione e gestione (ne abbiamo parlato nel dettaglio nel blog di Ark, la parent company di Artesian: scopri tutto sulla Big Data Architecture).

I big data possono essere classificati in base al paradigma delle 3V :

• Hanno un Volume sostanziale (si ritiene il terabyte sia la soglia di dimensione minima per un insieme di dati definibile “big”).
• Abbiano una elevata Velocity , ossia il loro ciclo di vita sia quantomeno inferiore alla giornata (dati intraday).
• Abbiamo una grande Varietà , ad esempio siano composti da datapoint relativi a prezzi, a dati meteo, e ancora da immagini, stringhe testuali, matrici di produzione di impianti, e quant’altro.

I big data, le tecnologie e metodologie ad esso inerenti (data warehouse tradizionali, data lake, data mesh) e le professionalità necessarie, sono oggi elementi fondamentali nella definizione di una strategia di trading moderna, che sfrutti appieno le potenzialità offerte dalla tecnologia.  

IoT

La genesi di grandi quantità di dati, necessari per ottimizzare strategie di trading moderne, si basa in prima battuta sulla capacità di catturare tali dati, spesso in via contestuale rispetto alla genesi degli stessi.

Grazie all’IoT (Internet of Things) siamo in grado di catturare dati di prima mano provenienti da:

• Centrali elettriche.
• Impianti di produzione di energie rinnovabili.
• Veicoli elettrici.
• Reti elettriche.
• Gasdotti.
• Impianti di stoccaggio.
• Centraline e rilevatori meteo.
• Micro-impianti rinnovabili (es. pannelli in uso domestico).

La capacità di intercettare, acquistare, rilevare un tale flusso di dati, e saperlo poi interpretare, può essere di vitale importanza per il trader di energia. Il dato proveniente da dispositivi edge (ossia, collocati sul perimetro del network aziendale, vicino alla sorgente del dato) consente di avere un vantaggio competitivo rispetto ai competitor e di assicurare secondi preziosi per l’esecuzione della strategia di trading.

L’utilizzo di dati IoT richiede una serie omnicomprensiva di professionalità e tecnologie, che ricade nel novero di quanto fin qui analizzato: database per lo stoccaggio, connettività a bassa latenza per l’acquisizione, algoritmi auto-apprendenti per l’estrapolazione di valori dai dataset, competenze in grado di gestire tale flusso di lavoro.

Mantenere il vantaggio competitivo

Giunti a questo punto potrebbe essere lecito domandarsi quale sia il senso di imbastire una tale architettura informatica, una tale struttura di competenze.

La risposta ci viene data dal mantenimento del vantaggio competitivo, dalla necessità per ogni azienda, e tanto più per aziende operanti su mercati mutevoli, volatili, e competitivi in termini di marginalità come quelli del trading su sottostanti fisici e finanziari.

In un mercato sempre più dipendente dalle tecnologie digitali (secondo IEA gli investimenti in software e infrastrutture digitali sono cresciuti ad un ritmo vicino al 20% YoY dal 2014 al 2016, e si stima che tali investimenti saranno sensibilmente superiori agli investimenti nella pura generazione di energia), solo le aziende che sapranno dotarsi degli adeguati strumenti e delle adeguate competenze potranno mantenere il loro vantaggio competitivo.

Innovazione & semplicità con Artesian

Restare al passo con tecnologie in costante e rapida evoluzione, padroneggiare strumenti complessi, interagire con mercati frenetici, possono essere sfide disarmanti se affrontate con mezzi inadeguati.

Artesian e il team di Ark nascono con la specifica missione di semplificare la filiera del dato all’interno dell’attività del trading di energia, mettendo al tuo fianco una soluzione SaaS innovativa e specialistica e competenze verticali sui mercati dell’energia.

Artesian è già utilizzato con successo dalle principali energy company su scala globale.
Attiva un free trial oggi stesso o contattaci per scoprire tutti i nostri servizi.