Faculdade de Economia da Universidade de Coimbra

28  Download (0)

Full text

(1)

Faculdade de Economia da Universidade de Coimbra

Grupo de Estudos Monetários e Financeiros (GEMF)

Av. Dias da Silva, 165 – 3004-512 COIMBRA, PORTUGAL

gemf@fe.uc.pt http://www.uc.pt/feuc/gemf

NUNO CARVALHO FIGUEIREDO, PATRÍCIA PEREIRA DA SILVA & PEDRO CERQUEIRA

The Renewables Influence on Market Splitting: the Iberian Spot

Electricity Market

ESTUDOS DO GEMF

N.º 14 2014

Este trabalho é financiado por Fundos Nacionais através da

(2)

a EFS Initiative, University of Coimbra, Sustainable Energy Systems – MIT‐P, Coimbra, Portugal 

b INESCC, Coimbra, Portugal 

c Faculty of Economics, University of Coimbra, Coimbra, Portugal 

d GEMF, Grupo de Estudos Monetários e Financeiros,Coimbra, Portugal 

The Renewables Influence on Market Splitting: the Iberian Spot  Electricity Market 

Nuno Carvalho Figueiredo a,b, Patrícia Pereira da Silva b,c, Pedro Cerqueira c,d 

   

This  paper  aims  to  assess  the  influence  of  wind  power  generation  on  the  market  splitting behaviour of the Iberian electricity spot markets. 

We  use  logit  models  to  express  the  probability  response  for  market  splitting  of  day‐

ahead  spot  electricity  prices  together  with  explanatory  variables  like,  wind  speed,  available transmission capacity and electricity demand. 

The results show that the probability of market splitting increases with the increase of  wind  power  generation.  The  European  interconnection  capacity  target  of  10%  of  the  peak demand of the smallest interconnected market has to be reconsidered, in order to  keep electricity market integration a reality. 

As demonstrated, investment in interconnection capacity has to follow the investment  and deployment of further wind power capacity, so coordination policies governing both  interconnection development and renewable incentives should be designed. 

 

Keywords ‐ Electricity Market Integration, Market Splitting, Renewable Energy   

JEL: C10, C35, D47   

1. INTRODUCTION 

In  Iberia,  both  the  Portuguese  and  the  Spanish  wind  power  sectors    were  developed  with  extreme  success  (Batlle  2011;  Moreno  and  Martínez‐Val  2011;  Gelabert  et  al.  2011; 

Ruiz Romero et al. 2012), following the European targets for the promotion of Renewable  Energy  Source  electricity  (RES‐E),  aiming  to  reduce  dependency  on  imported  fossil  fuels  and  allowing  for  the  reduction  in  Green  House  Gas  emissions  (European  Union  2001; 

European  Union  2009a).  Comparing  the  hourly  demand  profile  with  the  wind  power  installed  capacity  evolution  in  Iberia  (Figure  1)  we  can  observe  that  currently  with  the  adequate  climate  conditions,  wind  power  can  supply  a  big  share  of  electricity  to  the  system. 

The  large  deployment  of  RES‐E  generation  and  in  particular  of  wind  power  in  Europe  was achieved by strong financial support mechanisms, like feed‐in tariffs, fiscal incentives,  tax exemptions and other (Meyer 2003; Jager et al. 2011; Amorim et al. 2013). This poses  new challenges, both in the technical sense and in the market design.  Electricity systems 

(3)

have to be restructured to accommodate RES‐E intermittency (Lynch et al. 2012) and policy  design has to reflect required market integration of these technologies (Batlle et al. 2012; 

Benatia et al. 2013). 

 

Figure 1 ‐ Hourly demand  and wind power installed capacity in Iberia   

 

The impact of high penetration of RES‐E on electricity as been discussed throughout a  number of scientific papers and reports. In particular some of the issues discussed related  with the high level growth of wind power installed capacity reported are: the importance  of adequate interconnections and transmission capacities to transport excess production,  electrical  system  fault  endurance,  available  and  flexible  standby  generating  capacity  to  accommodate  load  variability  and  effective  control  or  curtailment  of  wind  power  production  (Söder  et  al.  2007;  Franco  and  Salza  2011;  Benatia  et  al.  2013).  Also  wind  forecasting  is  fundamental  to  allow  wind  power  load  management  and  electrical  system  balancing (Milligan et al. 2009).  

Due to the almost inexistent marginal costs of RES‐E generation, they will come first in  the  merit  order  of  power  plant  dispatch.  Therefore,  by  displacing  higher  marginal  cost  electricity  generation,  one  could  expect  some  level  of  decrease  on  the  electricity  spot  market prices. This fact is reported by several authors (Moreno and López; Sensfuß et al. 

2008;  Sáenz  de  Miera  et  al.  2008;  Klessmann  et  al.  2008;  Mauritzen  2010;  Jónsson  et  al. 

2010; Amorim et al. 2010; Cruz et al. 2011; Cutler et al. 2011; Gelabert et al. 2011; Mulder  and Scholtens 2013). 

(4)

Several  authors  have  studied  electricity  market  integration,  as  it  is  one  of  the  main  objectives in Europe. Studies were made concerning different geographic areas: De Vany & 

Walls (1999), Park, Mjelde, & Bessler (2006) in the US regional markets; Worthington, Kay‐

Spratley  &  Higgs  (2005)  and  Higgs  (2009)  in  Australia;  Bower  (2002),  Boisseleau  (2004),  Armstrong  and  Galli  (2005),  Zachmann  (2008),  Bosco  et  al.  (2010),  Bunn  and  Gianfreda  (2010),  Pellini  (2012)  and  Figueiredo  and  Silva  (2012  and  2013)  in  Europe.  Nonetheless,  literature  lacks  on  the  assessment  of  the  impacts  that  the  high  penetration  of  RES‐E  generation  have  on  interconnected  market  behaviour.    The  market  coupling/splitting  mechanism and its behaviour considering the influence of high wind power penetration is  therefore herein offered. 

In the following section a summary of the electricity market reform and an overview of  the market coupling/splitting mechanisms, in place in the Iberian spot electricity markets,   is  given.  The  interconnections  available  in  Iberia  are  described  in  Section  3  and  the  data  used in this study is presented in Section 4. The estimated models are described in Section  5, followed by the analysis and discussion of results in Section 6. Conclusions can be found  in Section 7. 

2. REGIONAL ELECTRICITY MARKETS 

Successive  European  Directives  (European  Union  1997;  European  Union  2003a; 

European Union 2009b) where issued with the objective to established common rules for  the various electricity markets in Europe, based on the liberalisation of the sector, without  prejudice of the public service required and the access by the generators and consumers to  the transmission and distribution grids (Jamasb and Pollitt 2005). These requirements are  guaranteed  by  regulating  authorities  established  in  each  country  (Silva  2007).  Member‐

States  would  take  necessary  measures  to  facilitate  transit  of  electricity  between  transmission  grids  in  accordance  with  the  conditions  laid  down  (European  Union  2003b; 

European Union 2009c) in order to achieve an adequate integration of national electricity  transmission  grids  and  associated  increase  of  electricity  cross‐border  transfers,  ensuring  the  optimization  of  the  production  infrastructure  (Jacottet  2012).  However,  with  this  set  up, back in 2006 market integration in Europe was still far from being achieved (Coppens  and  Vivet  2006),  which  led  to  the  creation  of  Regional  Electricity  Markets,  to  provide  an  intermediate step for the consolidated European Electricity Market (ERGEG 2006). 

The  interaction  between  electricity  markets  within  a  region  can  occur  through  high  voltage interconnections with limited capacity. This limited interconnection capacity might  have additional constraints due to the electricity physical behavior, originating unidentified  flows  not  necessarily  related  with  cross‐border  trading  or  contracts.  A  consumer  that  contracted  with  one  generator  across  the  border  will  probably  receive  electricity  from  a  different generator causing the so called Loop Flow Problem (Coppens and Vivet 2006).  

One of the preferred methods and currently used to link interconnected spot markets is  through a market coupling mechanism, where markets with lower prices export electricity  to  markets  with  higher  prices  through  interconnections  (Meeus  et  al.  2009).  If  the  interconnection  capacity  is  large  enough  to  accommodate  the  exported  electricity  flows 

(5)

(without congestion) then the price is the same in both markets, otherwise market splitting  occurs  and  two  regional  market  prices  are  cleared  (EPEX  et  al.  2010).  The  basis  of  this  mechanism is the calculation of the Available Transfer Capacity (ATC), which is made by the  Transmission System Operators (TSO) taking into account the safety  and  reliability  of the  electrical system, together with an  allowable safety margin. Therefore import and export  ATC can have different values depending on loop flows and technical constraints (Luna and  Martínez 2011). 

 

Figure 2 – Market coupling without congestion (EPEX  

et al. 2010) 

Figure 3 – Market coupling with congestion – market   splitting (EPEX et al. 2010) 

3. THE IBERIAN INTERCONNECTIONS 

The Portugal‐Spain electrical interconnection currently consists of eight HV lines. A new  interconnection line between Tavira and P. Guzman is being constructed (to be concluded  by  REE  on  the  Spanish  side)  and  another  new  line  is  forecasted  to  be  in  service  by  2015  between  V.  Fria  and  O  Covelo,  which  with  several  other  internal  line  reinforcements  will  allow the completion of the interconnection capacity between Portugal and Spain of 3000  MW, essential for the joint Iberian electricity market MIBEL (REN 2013). 

Cross‐border  interconnections  offer  numerous  advantages  under  normal  operating  conditions,  such  as  optimal  power  station  daily  production,  increasing  opportunities  for  operation  with  renewable  energies,  the  promotion  of  competition  and  enhancement  of  supply security (Figueiredo and Silva 2012). However, interconnectors are limited and have  constraints  due  to  the  physical  behaviour  of  electricity,  which  flows  through  the  easiest  path. Therefore, high voltage grids interconnected through many interconnectors placed in  different  geographic  positions  originate  unidentified  flows  not  necessarily  related  with  cross‐border contracts causing   congestion  of transmission lines and interconnectors, the  so called Loop Flow Problem (Coppens and Vivet 2006). 

It  is  the  TSO  responsibility  to  manage  the  above  mentioned  constraints  (Turvey  2006)  and  to  deal  specifically  with  cross‐border  exchanges  in  electricity,  which  in  turn  have  to  comply with European Community Regulation 1228/2003/EC of 26 June 2003 and also later  with  European  Community  Regulation  714/2009  of  13  July  2009.  These  regulations  establish  a  set  of  rules  for  cross‐border  exchanges  in  electricity,  in  order  to  enhance  competition,  establish  a  compensation  mechanism  for  cross‐border  flows  of  electricity,  setting principles on cross‐border transmission charges and allocating available capacities  of  interconnections  (European  Union  2003c;  European  Union  2009c).  With  the  third  legislative  package  the  creation  of  the  European  Network  of  Transmission  System 

(6)

Operators  (ENTSO)  was  established,  aiming  to  prepare  network  codes  to  guarantee  an  efficient  transmission  network  management,  together  with  allowing  trade  and  supply  of  electricity  across  borders.  The  Agency  for  the  Cooperation  of  Energy  Regulators  (ACER)  requested  ENTSO  to  draft  the  so  called  network  codes,  laying  down  common  rules  applicable  to the energy sector  (ENTSO‐E 2014a). As part  of these,  the Network Code on  Capacity Allocation and Congestion Management (CACM) will establish the interconnection  capacity  allocation  methods  to  be  applied  in  the  European  markets.  ACER  has  recommended the adoption of this code by the European Commission on the 26th of May  2014 (ACER 2014). 

4. DATA 

Hourly  price  data  and  ATC  were  extracted  from  the  OMIE  data  download  web  page  (OMIE  2013)  for  the  day‐ahead  spot  electricity  prices  in  €/MWh,  for  Portugal  and  Spain. 

Demand  data  was  extracted  from  the  European  Network  of  Transmission  System  Operators  for  Electricity  data  portal  (ENTSO‐E  2014b).  Additionally,  wind  power  installed  capacities  in  both  Iberian  countries  were  obtained  from  Eurostat  statistics  bulk  data  download  web  page  (Eurostat  2013)  and  wind  speed  data  extracted  from  Weather  Underground  web  page  (Weather  Wunderground  2013).  Wind  speed  data  was  then  validated  and  averaged  over  each  hour  and  geographically,  considering  the  areas  with  higher concentration of wind parks installed in each country (The Wind Power 2013). 

In Figure 4 the spot electricity prices for the both Iberian countries are plotted, together  with  the  corresponding  differences.  Market  integration  in  Iberia  was  demonstrated  in  other  studies  (Figueiredo  and  Silva  2013a;  Figueiredo  and  Silva  2013b),  however  we  can  still observe many market splitting occurrences.  

Concerning  the  ATC  (Figure  5),  the  increase  in  interconnection  capacity  between  the  two  Iberian  countries  is  visible  in  the  plot,  with  the  last  improvement  being  observed  in  mid 2012. It is also to note that ATC limitations are more often observed in the direction  Spain to Portugal.  

 

(7)

 

Figure 4 – Spot electricity prices and corresponding differences in Iberia 

 

In Figure 6 the average wind speed in both Iberian countries is plotted and the reader  can observe the big variability created in wind generation. However, we cannot see a clear  seasonality in the wind speed pattern, which means that wind generation might be present  throughout all seasons of the year. 

Summary statistics for the time series are presented in Table 1. Skewness and kurtosis  values indicate that all price time‐series have non‐normal distribution, which is confirmed  by Jarque‐Bera statistic rejection of the null for normal distribution testing. 

 

(8)

 

Figure 5 – Available Transfer Capacities in Iberia

Figure 6 – Wind speed in Iberia   

(9)

 

Table 1 

Time series summary statistics 

  MIBEL 

Portugal 

MIBEL  Spain 

Price  difference 

PT‐ES 

ATC  ES‐PT 

ATC  PT‐ES 

Demand  Spain 

Demand  Portugal 

Wind Speed  Spain 

Wind Speed  Portugal 

  [€/MWh]  [€/MWh]  [€/MWh] [MW] [MW] [MW] [MW] [km/h]  [km/h]

Mean  46.71161  45.60964  1.101976  1548.897  1566.429  29143.02  5752.907  5.663591  6.519888 

Median  46.5  46  1500 1500 29279 5729 5.003364  5.823533

Maximum  180.3  145  136.3  2400 2400 44258 9397 26.35932  28.37574

Minimum  0 ‐47.46  50 150 1067 3310 0.892408  0.605483

Std. Dev.  15.58027  15.21566  4.233299  439.352  514.4117  5286.531  1084.979  2.863928  3.569009  Skewness  0.003219  ‐0.14001  4.166229  ‐0.178521  0.095002  0.050637  0.263738  0.863859  0.915203  Kurtosis  4.111249  4.009405  70.77425  2.624141  2.029153  2.432735  2.289435  3.620756  3.818572 

                   

Jarque‐Bera  1984.458  1763.332  7492891  431.868  1572.642  533.5838  1258.464  5416.005  6460.184 

Probability 

                   

Observations  38567  38567  38567  38567 38567 38567 38567 38567  38564

 

5. MODEL ESTIMATION 

The  estimated  models  aim  to  provide  indications  about  the  behaviour  of  the  market  splitting  mechanism  in  the  Iberian  spot  electricity  markets,  considering  the  wind  power  penetration in these same markets. We have modelled the probability of market splitting  as  a  function  of  relevant  explanatory  variables  related  with  wind  power  generation  and  market splitting mechanism. To  model the split probability we can describe it  in terms of a  non‐observable latent variable (Split*) such that: 

1| , 1 0    (1) 

,where  Split  is  the  binary  variable  of  occurring  market  splitting  conditional  to  X  explanatory variables and e is  the error term. 

In order to overcome some limitations of the linear probability models, namely  the fact  that we can obtain probabilities below zero or above one (Davidson and Mackinnon 2004),  through a transformation function we have used models of the form: 

1| , , 1 0 (2) 

,where  G  is  a  cumulative  distribution  function  (cdf),  which  in  the  case  of  the  probit  model is the normal distribution cdf, where e has a standard normal distribution, and in the  case of the logit is the logistic distribution cdf, where e has a standard logistic distribution. 

(10)

We have opted to use the logit model as our binary response model, due to the fact that  the probit model latent error does not follow a normal distribution (Wooldridge 2003). 

 

Therefore: 

1| 0| 0|   (3) 

,where  X  is  a  matrix  of  explanatory  variables  and  e  is    the  error  term  that  is  an  independently distributed variable following the standard logistic distribution, from which  we can obtain, 

| 1 Λ Λ  ,   where   Λ    (4) 

In  this  study  the  wind  speed  is  the  main  explanatory  variable  used  in  our  models,  expressing the amount of electricity generated from wind energy sources. The two other  explanatory variables used are related with demand of each country and the ATC between  both spot electricity markets. The former expresses the ability of the country to consume  the  electricity  produced  by  wind  energy  sources  and  the  latter  expresses  the  ability  to  export the electricity generated at lower marginal costs.  

Wind  power  curves  are  well  described  by  a  third  order  polynomial  in  the  wind  speed  (Joensen et al. 1999; Stathopoulos et al. 2013). Therefore we modelled the probability of  market splitting as a function of the ratio of the  third order polynomial in wind speed and  the  demand  in  each  spot  electricity  market,  following  the  concept  of  wind  power  penetration  level  (Jónsson  et  al.  2010).  Another  concept  introduced  in  the  model  is  the  ratio of ATC to demand expressing the size of interconnection capacity compared with the  demand of each market. 

The estimated model associated to the latent variable is: 

∙ ∙ ∙ ∙ ∙

∙ ∙ ∙

,where Split is the binary variable of occurring market splitting, WSPT and WSES are the  average wind speeds in Portugal and Spain respectively, ATCPT‐ES and ATCES‐PT the available  transmission  capacity  for  both  directions  of  the  interconnections  and  DPT  and  DES  the  demand in Portugal and Spain respectively. 

In the estimated models (Table 2) all coefficients are significant to 0.1%, having a value  for Percent Correctly Predicted of 79.69%, in spite of the rather low McFadden pseudo R‐

(11)

square. The “Neglected Heterogeneity” specification issue  might have an influence on the  coefficient estimates causing an underestimation of the effects, however relative effects of  the explanatory variables can be extracted (Mood 2009; Wooldridge 2010).  

 

Table 2 

OMIE market splitting model 1 – No Heteroskedasticity correction 

Dependent variable: Split          

Coefficients:             

  Estimate  Std. Error   z value  Pr(>|z|)     

0     ‐1.3617      0.0686    ‐19.85    <2e‐16 *** 

1   2178.3855    147.5561     14.76    <2e‐16 *** 

2   ‐261.8331     17.2916    ‐15.14    <2e‐16 *** 

3      7.9904      0.5881     13.59    <2e‐16 *** 

4  20604.4118    903.0495     22.82    <2e‐16 *** 

5  ‐2611.7491    135.4113    ‐19.29    <2e‐16 *** 

6     98.4730      6.0111     16.38    <2e‐16 *** 

7     ‐2.1370      0.1515    ‐14.10    <2e‐16 *** 

8    ‐35.0798      0.9519    ‐36.85    <2e‐16 *** 

Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Log‐likelihood: ‐1.784e+04 on 9 Df          

Studentized Breusch‐Pagan test          

data:  ms.logit 

BP = 4199.087, df = 8, p‐value < 2.2e‐16 

Percent correctly predicted: 79.69%       

McFadden pseudo R‐squared:          

'log Lik.' 0.07897156 (df=9) 

                 

 

Another present specification issue is the heteroskedasticity of the error term, which is  observed  in  the  estimated  model.  In  order  to  overcome  this,  an  additional  model  was  estimated attempting to correct  this issue,  

1| Λ , , ~Λ 0, exp 2 (5) 

1| Λ , , ~Λ 0, exp 2 (6) 

,where X’ is a matrix of explanatory variables belonging to the original information set  and  a vector of parameters to be estimated (Davidson and Mackinnon 2004). The market  splitting probability is then not only dependent on the original regression function, but also  on  the  skedastic  function.  The  correction  attempted  was  done  by  considering  the  ratio 

(12)

average wind speed over demand, both in Portugal and Spain. These variables were initially  chosen  due  to  to  high  variability  expected  in  the  wind  speed,  thus  in  the  wind  power  generated. The inclusion of further variables in the correction term made the model not to  converge and are not herein presented. 

  Table 3 

OMIE market splitting model 2 – WS/D Heteroskedasticity correction 

Dependent variable: Split          

Coefficients (binomial model with logit link):       

  Estimate  Std. Error   z value  Pr(>|z|)     

0  ‐2.290e+00   1.883e‐01   ‐12.161    <2e‐16 *** 

1   4.118e+03   4.004e+02    10.283    <2e‐16 *** 

2  ‐5.364e+02   5.432e+01    ‐9.874    <2e‐16 *** 

3   1.752e+01   1.974e+00     8.873    <2e‐16 *** 

4   1.041e+05   5.361e+03    19.416    <2e‐16 *** 

5  ‐2.102e+04   1.104e+03   ‐19.047    <2e‐16 *** 

6   1.003e+03   5.428e+01    18.473    <2e‐16 *** 

7  ‐7.024e+00   4.773e‐01   ‐14.716    <2e‐16 *** 

8  ‐9.421e+01   4.399e+00   ‐21.414    <2e‐16 *** 

                 

Latent scale model coefficients (with log link):       

 Estimate   Std. Error   z value  Pr(>|z|)     

1      11.90        29.45     0.404     0.686     

2    5577.54       227.25    24.543    <2e‐16 *** 

‐‐‐ 

Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1  

Log‐likelihood: ‐1.758e+04 on 11 Df          

LR test for homoskedasticity: 524.5 on 2 Df, p‐value: < 2.2e‐16  Dispersion: 1 

Number of iterations in nlminb optimization: 26  

Percent correctly predicted: 79.41%       

                 

McFadden pseudo R‐squared: 

'log Lik.' 0.09251255 (df=11) 

                 

 

The  logit  model  coefficients  cannot  be  interpreted  directly  so  predicted  probabilities  were calculated for some created data sets as shown and analysed in the next section. 

6. ANALYSIS AND DISCUSSION OF RESULTS 

Prediction  results  from  the  models  express  that  market  splitting  probability  increases  when the  wind speed is higher,  consequently with higher  wind power generation (Figure  7). This can be explained by having low marginal cost electricity available to flow across the 

(13)

border. It is to note the steep inflexion of the surface around a certain average wind speed  (10  km/h  for  Spain  in  model  2  and  20  km/h  for  Portugal  in  both  models),  meaning  that  market splitting probability as a dramatic increase above a determined wind speed. Also to  note  is  the  loss  of  symetry  when  introducing  the  heroskedasticity  correction,  which  may  actually make sense due to the different sizes of the Portuguese and the Spanish electricity  markets. With low average wind speeds in Spain the market splitting probability responds  quite drastically to an increase in the Portuguese wind speed, whilst this effect looses its  influence when the average wind speed increases in Spain. Model 2 in this respect has a  more consistent behaviour than model 1 as the different sizes of the electrical systems play  a role in the asymmetric behaviour of the market splitting probability.   

Further  predictions  were  then  made  at  different  average  wind  speeds  to  evaluate  probability response to ATC and demand. 

 

Figure 7 –OMIE – Predicted probability response to average wind speed 

 

Market  splitting  probability  decreases  with  increasing  ATC  (allowing  higher  flows  of  electricity  between  markets),  as  one  could  expect  by  the  concept  definition  of  market  splitting  (Figure  8).  Considering  the  mean  of  the  average  wind  speed  and  the  existing  interconnection capacity between both spot electricity markets we can conclude that the  existing interconnection level is adequate, bearing in mind that it is actually higher than the  European  Union  recommendation  of  10%  of  the  peak  demand  of  the  smaller  interconnected market (Amorim et al. 2014). The same tendency of decreasing probability  response  to  increasing  ATC  can  be  seen  in  both  models  estimated,  however  different  shapes for the probability response surfaces can be observed with increasing average wind  speed (Figure 10 and Figure 11 of Appendix A).  Moreover, in order to have a reasonable  market splitting probability level and maintain both spot electricity markets integrated, the 

(14)

requirements  for  interconnection  capacity  should  increase  with  increasing  available  wind  power. 

Notwidstanding  the  specification  issues  of  the  estimated  models  and  considering  the  double  of  the  wind  power  generation  level  available  in  the  system  (corresponding  to  an  average wind speed level of 10 km/h), we estimate that in order to maintain the current  market splitting occurrence probability (around 5% with an ATC of 2500 MW and at mean  average wind speed), the interconnection capacity should be increased to 3700 MW (Table  4). 

Table 4 – OMIE market splitting probability estimates 

  WS/D heteroskedasticity correction 

ATC level [MW]  Mean of the  average wind speed

Average wind  speed of 10 km/h 

2500  5%  11% 

2700  4%  10% 

2900  3%  9% 

3100  2%  8% 

3300  2%  7% 

3500  1%  6% 

3700  1%  5% 

 

Considering  an  average  wind  speed  of  20  km/h,  as  observed  in  Figure  11,  the  market  splitting  probability  response  to  ATC  does  not  decrease  significantly,  demonstrating  that  there  is  a  limit  for  wind  power  generation  from  where  investment  in  increasing  interconnection capacity is not capable of improving electricity spot market integration. 

 

(15)

 

Figure 8 –OMIE – Predicted probability response to ATC at mean average wind speed 

 

 

Figure 9 –OMIE – Predicted probability response to demand at mean average wind speed 

 

The probability response predictions to demand for the mean average wind speed in the  estimated  models  are  plotted  in  Figure  9.  Here  we  can  observe  a  different  behaviour  between  the  two  models  and  an  asymmetry  between  the  Portuguese  and  Spanish 

(16)

probability  response  behaviour  to  demand.  By  increasing  demand  in  only  one  of  the  markets, generation with higher marginal costs in this market would set the clearing price,  causing  lower  marginal  cost  electricity  to  be  imported  through  the  interconnection  and  leading eventually to a high probability of market splitting occurrence. This behaviour could  explain model 1 at  mean average wind speed for the Spanish demand  response, but not  the Portuguese demand response, maybe due to their relative sizes. This, of course, would  only happen if there is enough lower marginal cost electricity in the other market, in this  case  in  Portugal,  otherwise  an  increasing  demand  would  cause  a  decrease  of  the market  splitting  probability,  as  the  available  low  marginal  cost  electricity  would  be  consumed  internally.  This  behaviour  is  actually  consistent  with  the  observed  in  model  2  at  mean  average wind speed. Also when the wind speed increases, having more low marginal cost  electricity available in the system, the market splitting probability increases even with the  increasing demand due to the available excess of low marginal cost electricity and inverting  the normal behaviour of the system (Figure 13). 

7. CONCLUSIONS 

One of the benefits of the integration of spot electricity markets is the optimization of  RES‐E  generation.  The  influence  of  high  penetration  of  wind  energy  source  electricity  generation  and  its  integration,  together  with  the  requirement  to  achieve  an  Iberian  integrated  electricity  spot  market  is  herein  studied.  Market  splitting  behaviour  was  modelled through logit models estimating the probabilities of its occurrence. 

It is shown that when the wind speed is higher, consequently having higher wind power  generation available, market splitting probability increases. To maintain the same market  splitting  probability  level  with  increasing  wind  speed,  consequently  with  increasing  available low marginal cost electricity in the system, the requirements for interconnection  capacity have to increase.  

As demonstrated, investment in interconnection capacity has to follow the investment  and  deployment  of further  wind  power  capacity,  so  coordination  policies  governing  both  interconnection  development  and  renewable  incentives  should  be  designed.  Also  as  an  indicative requirement, additional interconnection capacity to reach 3700 MW is required  if  Iberia  doubles  its  available  wind  power  generation,  or  any  other  low  marginal  cost  generation, in the system. 

In order to accomplish the aimed future decarbonisation of the European Union’s power  sector,  renewables  expansion  and  in  particular  wind  power  generation  will  have  to  increase.  Moreover,  the  reality  of  electricity  market  integration  at  a  European  level  can  only  be  aimed  if  the  interconnection  capacity  target  of  10%  of  the  peak  demand  of  the  smallest interconnected market is re‐evaluated and increased. Availability of large amounts  of  wind  power  generation  will  have  to  be  managed  in  order  to  optimize  infrastructure. 

Regulation  should  be  adjusted  and  coordinated  to  allow  different  mechanisms  for  optimization,  deployment  of  effective  energy  storage  facilities,  wind  power  production  curtailment and transmission system expansion. 

(17)

Future  work  is  required  to  explore  other  type  of  models,  in  order  to  overcome  the  limitations and specification issues of the logit models described in this paper. 

8. ACKNOWLEDGEMENTS 

This  Work  has  been  framed  under  the  Energy  for  Sustainability  Initiative  of  the  University  of  Coimbra,  supported  by  the  R&D  Project  EMSURE,  Energy  and  Mobility  for  Sustainable Regions (CENTRO 07 0224 FEDER 002004) and also partially supported by the  Portuguese  Foundation  for  Science  and  Technology  under  project  grant[s]  PEst‐OE/ 

EEI/UI308/2014. 

This  paper  was  written  while  the  third  author  was  a  visiting  scholar  at  the  Economics   Department  of  the  University  of  Massachussets,  Amherst  with  support  of  the  FCT    grant 

#SFRH/BSAB/1340/2013. 

We  would  also  like  to  recognise  the  kind  assistance  provided  by  the  Portuguese  TSO  REN for making data available. 

   

(18)

 

REFERENCES 

ACER  (2014)  ACER  recommends  the  adoption  of  the  Network  Code  on  Forward  Capacity  Allocation. 

http://www.acer.europa.eu/Media/News/Pages/ACER‐recommends‐the‐adoption‐of‐the‐Network‐

Code‐on‐Forward‐Capacity‐Allocation.aspx. Accessed 3 Jun 2014 

Amorim F, Martins MVM, Pereira da Silva P (2010) A new perspective to account for renewables impacts in  Portugal. 2010 7th Int. Conf. Eur. Energy Mark. IEEE, pp 1–6 

Amorim  F,  Pina  A,  Gerbelová  H,  et  al.  (2014)  Electricity  decarbonisation  pathways  for  2050  in  Portugal:  A  TIMES  (The  Integrated  MARKAL‐EFOM  System)  based  approach  in  closed  versus  open  systems  modelling. Energy in press. doi: 10.1016/j.energy.2014.01.052 

Amorim  F,  Vasconcelos  J,  Abreu  IC,  et  al.  (2013)  How  much  room  for  a  competitive  electricity  generation  market in Portugal? Renew Sustain Energy Rev 18:103–118. doi: 10.1016/j.rser.2012.10.010 

Armstrong  M,  Galli  A  (2005)  Are  day‐ahead  prices  for  electricity  converging  in  continental  Europe?  An  exploratory data aproach. Cern Work Pap 33:1–18. 

Batlle  C  (2011)  A  method  for  allocating  renewable  energy  source  subsidies  among  final  energy  consumers. 

Energy Policy 39:2586–2595. doi: 10.1016/j.enpol.2011.02.027 

Batlle  C,  Pérez‐Arriaga  IJ,  Zambrano‐Barragán  P  (2012)  Regulatory  design  for  RES‐E  support  mechanisms: 

Learning  curves,  market  structure,  and  burden‐sharing.  Energy  Policy  41:212–220.  doi: 

10.1016/j.enpol.2011.10.039 

Benatia  D,  Johnstone  N,  Haščič  I  (2013)  Effectiveness  of  Policies  and  Strategies  to  Increase  the  Capacity  Utilisation  of  Intermittent  Renewable  Power  Plants.  OECD  Environ  Work  Pap  OECD  Publ  1–49.  doi: 

10.1787/5k46j0trlrnn‐en 

Boisseleau  F  (2004)  The  role  of  power  exchanges  for  the  creation  of  a  single  European  electricity  market: 

market design and market regulation. 405. 

Bosco B, Parisio L, Pelagatti M, Baldi F (2010) Long‐run relations in European electricity prices. J Appl Econom  25:805–832. doi: 10.1002/jae.1095 

Bower  J  (2002)  Seeking  the  Single  European  Electricity  Market  ‐  Evidence  from  an  Emprirical  Analysis  of  Wholesale Market Prices. Report, Oxford Inst Energy Stud 1–42. 

Bunn  DW,  Gianfreda  A  (2010)  Integration  and  shock  transmissions  across  European  electricity  forward  markets. Energy Econ 32:278–291. doi: 10.1016/j.eneco.2009.09.005 

Coppens  F,  Vivet  D  (2006)  The  single  European  electricity  market :  A  long  road  to  convergence.  Natl  Bank  Belgium, Work Pap 1–53. 

Cruz  A,  Muñoz  A,  Zamora  JL,  Espínola  R  (2011)  The  effect  of  wind  generation  and  weekday  on  Spanish  electricity spot price forecasting. Electr Power Syst Res 81:1924–1935. doi: 10.1016/j.epsr.2011.06.002  Cutler  NJ,  Boerema  ND,  MacGill  IF,  Outhred  HR  (2011)  High  penetration  wind  generation  impacts  on  spot 

prices  in  the  Australian  national  electricity  market.  Energy  Policy  39:5939–5949.  doi: 

10.1016/j.enpol.2011.06.053 

Davidson R, Mackinnon JG (2004) Econometric Theory and Methods, illustrate. Oxford University Press  ENTSO‐E  (2014a)  Network  Code  Overview.  https://www.entsoe.eu/major‐projects/network‐code‐

development/. Accessed 3 Jun 2014 

ENTSO‐E  (2014b)  Country  Data  Packages.  https://www.entsoe.eu/data/data‐portal/country‐packages/. 

Accessed 6 Mar 2014 

(19)

EPEX, apx‐endex, BelPEX (2010) CWE MARKET COUPLING ALGORITHM. 1–19. 

ERGEG (2006) The Electricity Regional Initiative: Making Progress Towards a Single European Market. Electr  Reg Initiat ‐ Fact Sheet 1–5. 

European Union (2001) Directive 2001/77/EC of the European Parliament and of the Council of 27 September  2001 on the promotion of electricity produced from renewable energy sources in the internal electricity  market. Off J Eur Communities L283:33–40. 

European Union (2009a) Directive 2009/28/EC of the European Parliament and of the Council of 23 April 2009  on  the  promotion  of  the  use  of  energy  from  renewable  sources  and  amending  and  subsequently  repealing Directives 2001/77/EC and 2003/30/EC. Off J Eur Union L140:16–62. 

European  Union (1997)  Directive  96/92/EC  of  the European  Parliament  and  of  the  Council  of  19  December  1996 concerning common rules for the internal market in electricity. Off J Eur Union L 027:0020 – 0029. 

European Union (2003a) Directive 2003/54/EC of the European Parliament and of the Council of 26 June 2003  concerning common rules for the internal market in electricity and repealing Directive 96/92/EC. Off J  Eur Union L 176:37–56. 

European Union (2009b) Directive 2009/72/EC of the European Parliament and of the Council of 13 July 2009  concerning common rules for the internal market in electricity and repealing Directive 2003/54/EC. Off J  Eur Union L 211:55–93. 

European Union (2003b) Regulation (EC) No 1228/2003 of the European Parliament and of the Council of 26  June 2003 on conditions  for  access to the  network  for cross‐border exchanges in electricity. Off J  Eur  Union L176:1–10. 

European Union (2009c) Regulation (EC) No 714/2009 of the European Parliament and of the Council of 13  July  2009  on  conditions  for  access  to  the  network  for  cross‐border  exchanges  in  electricity  and  repealing Regulation (EC) No 1228/2003. Off J Eur Union L 211:15–35. 

European Union (2003c) European Community Regulation 1228/2003/EC of the European Parliament and of  the  Council  of  26  June  2003  on  conditions  for  access  to  the  network  for  cross‐border  exchanges  in  electricity. Off J Eur Union L 176:1–10. 

Eurostat  (2013)  Eurostat  Statistics  ‐  Bulk  download. 

http://epp.eurostat.ec.europa.eu/portal/page/portal/statistics/bulk_download. Accessed 28 Dec 2013  Figueiredo  N,  Silva  PP  da  (2012)  Integration  of  South‐West  Spot  Electricity  Markets:  An  Update.  Conf. 

Proceedings, 12th IAEE ‐ Eur. Energy Conf. pp 1–14 

Figueiredo N, Silva PP da (2013a) Explanatory Variables on South‐West Spot Electricity Markets Integration. 

Conf. Proceedings, ICEE ‐ Energy Environ. bringing together Econ. Eng. pp 1–13 

Figueiredo  NC,  Silva  PP  da  (2013b)  Integration  of  Central  West  Europe  spot  electricity  markets:  An  update. 

2013 10th Int Conf Eur Energy Mark 1–7. doi: 10.1109/EEM.2013.6607299 

Franco  A,  Salza  P  (2011)  Strategies  for  optimal  penetration  of  intermittent  renewables  in  complex  energy  systems  based  on  techno‐operational  objectives.  Renew  Energy  36:743–753.  doi: 

10.1016/j.renene.2010.07.022 

Gelabert L, Labandeira X, Linares P (2011) An ex‐post analysis of the effect of renewables and cogeneration on  Spanish electricity prices. Energy Econ 33:S59–S65. doi: 10.1016/j.eneco.2011.07.027 

Higgs  H  (2009)  Modelling  price  and  volatility  inter‐relationships  in  the  Australian  wholesale  spot  electricity  markets. Energy Econ 31:748–756. doi: 10.1016/j.eneco.2009.05.003 

Jacottet  A  (2012)  Cross‐border  electricity  interconnections  for  a  well‐functioning  EU  Internal  Electricity  Market. 1–17. 

(20)

Jager D de, Klessmann C, Stricker E, et al. (2011) Financing Renewable Energy in the European Energy Market. 

Report, Ecofys 1–264. 

Jamasb  T,  Pollitt  M  (2005)  Electricity  Market  Reform  in  the  European  Union :  Review  of  Progress  toward  Liberalization & Integration. Energy J 26:11–41. 

Joensen  AK,  Giebel  G,  Landberg  L,  et  al.  (1999)  Model  output  statistics  applied  to  wind  power  prediction. 

Wind Energy Next Millenn. Nice ‐ France, pp 1177–1180 

Jónsson T, Pinson P, Madsen H (2010) On the market impact of wind energy forecasts. Energy Econ 32:313–

320. doi: 10.1016/j.eneco.2009.10.018 

Klessmann  C,  Nabe  C,  Burges  K  (2008)  Pros  and cons  of  exposing renewables to  electricity market  risks—A  comparison  of  the  market  integration  approaches  in  Germany,  Spain,  and  the  UK.  Energy  Policy  36:3646–3661. doi: 10.1016/j.enpol.2008.06.022 

Luna L, Martínez J (2011) IMPACT OF WIND POWER GENERATION ON THE ATC VALUE.  

Lynch  MÁ,  Tol  RSJ,  O’Malley  MJ  (2012)  Optimal  interconnection  and  renewable  targets  for  north‐west  Europe. Energy Policy 51:605–617. doi: 10.1016/j.enpol.2012.09.002 

Mauritzen J (2010) What happens when it’s windy in denmark? an empirical analysis of wind power on price  volatility in the nordic electricity market. 1–29. 

Meeus L, Vandezande L, Cole S, Belmans R (2009) Market coupling and the importance of price coordination  between power exchanges. Energy 34:228–234. doi: 10.1016/j.energy.2008.04.013 

Meyer NI (2003) European schemes for promoting renewables in liberalised markets. Energy Policy 31:665–

676. doi: 10.1016/S0301‐4215(02)00151‐9 

Milligan  M,  Lew  D,  Corbus  D,  et  al.  (2009)  Large‐Scale  Wind  Integration  Studies  in  the  United  States :  Preliminary  Results.  Report,  8th  Int  Work  Large  Scale  Integr  Wind  Power  Transm  Networks  Offshore  Wind Farms 1–5. 

Mood C (2009) Logistic Regression: Why We Cannot Do What We Think We Can Do, and What We Can Do  About It. Eur Sociol Rev 26:67–82. doi: 10.1093/esr/jcp006 

Moreno B, López AJ The electricity prices in European Union . The role of renewable energies and regulatory  electric market reforms. 6th Dubrovnik Conf. Sustain. Dev. energy water Environ. Syst. pp 1–13 

Moreno F, Martínez‐Val JM (2011) Collateral effects of renewable energies deployment in Spain: Impact on  thermal  power  plants  performance  and  management.  Energy  Policy  39:6561–6574.  doi: 

10.1016/j.enpol.2011.07.061 

Mulder M, Scholtens B (2013) The impact of renewable energy on electricity prices in the Netherlands. Renew  Energy 57:94–100. doi: 10.1016/j.renene.2013.01.025 

OMIE (2013) http://www.omie.es/inicio. http://www.omie.es/inicio. Accessed 6 Aug 2013 

Park  H,  Mjelde  JW,  Bessler  D  a.  (2006)  Price  dynamics  among  U.S.  electricity  spot  markets.  Energy  Econ  28:81–101. doi: 10.1016/j.eneco.2005.09.009 

Pellini E (2012) Wholesale Spot Markets : Still a Way To Go. Proc. 12th IAEE ‐ Eur. Energy Conf. pp 1–16  REN (2013) Caracterização das interligações em 31 de Dezembro de 2012. 1–64. 

Ruiz Romero S, Colmenar Santos A, Castro Gil MA (2012) EU plans for renewable energy. An application to the  Spanish case. Renew Energy 43:322–330. doi: 10.1016/j.renene.2011.11.033 

Sáenz de Miera G, del Río González P, Vizcaíno I (2008) Analysing the impact of renewable electricity support  schemes  on  power  prices:  The  case  of  wind  electricity  in  Spain.  Energy  Policy  36:3345–3359.  doi: 

10.1016/j.enpol.2008.04.022 

(21)

Sensfuß  F,  Ragwitz  M,  Genoese  M  (2008)  The  merit‐order  effect:  A  detailed  analysis  of  the  price  effect  of  renewable electricity generation on spot market prices in Germany. Energy Policy 36:3086–3094. doi: 

10.1016/j.enpol.2008.03.035 

Silva  PP  da  (2007)  O  sector  da  energia  eléctrica  na  União  Europeia:  Evolução  e  Perspectivas.  Coimbra  University Press 

Söder L, Hofmann L, Orths A, et al. (2007) Experience From Wind Integration in Some High Penetration Areas. 

IEEE Trans Energy Convers 22:4–12. doi: 10.1109/TEC.2006.889604 

Stathopoulos  C,  Kaperoni  A,  Galanis  G,  Kallos  G  (2013)  Wind  power  prediction  based  on  numerical  and  statistical models. J Wind Eng Ind Aerodyn 112:25–38. doi: 10.1016/j.jweia.2012.09.004 

The Wind Power (2013) The Wind Power. http://www.thewindpower.net/. Accessed 1 Oct 2013 

Turvey R (2006) Interconnector economics. Energy Policy 34:1457–1472. doi: 10.1016/j.enpol.2004.11.009  De  Vany  AS,  Walls  WD  (1999)  Cointegration  analysis  of  spot  electricity  prices:  insights  on  transmission 

efficiency in the western US. Energy Econ 21:435–448. doi: 10.1016/S0140‐9883(99)00019‐5  Weather Wunderground (2013) Weather Underground. www.wunderground.com. Accessed 1 Dec 2013  Wooldridge J (2010) Econometric analysis of cross section and panel data, 2nd ed. 752. 

Wooldridge JM (2003) Introductory Econometrics ‐ A modern approach, 2nd ed. Econ Anal 824. 

Worthington  A,  Kay‐Spratley  A,  Higgs  H  (2005)  Transmission  of  prices  and  price  volatility  in  Australian  electricity  spot  markets:  a  multivariate  GARCH  analysis.  Energy  Econ  27:337–350.  doi: 

10.1016/j.eneco.2003.11.002 

Zachmann G (2008) Electricity wholesale market prices in Europe: Convergence? Energy Econ 30:1659–1671. 

doi: 10.1016/j.eneco.2007.07.002 

   

(22)

APPENDIX 

 

Figure 10 – OMIE – No correction for heteroskedasticity ‐ ATC predicted probability response with 10, 15, 20  and 25 km/h average wind speed 

 

Figure 11 – OMIE – WS/D correction for heteroskedasticity ‐  ATC predicted probability response with 10, 15,   

20, and 25 km/h average wind speed 

(23)

APPENDIX 

 

Figure 12 – OMIE – No correction for heteroskedasticity ‐  Demand predicted probability response with 10,  15, 20, and 25 km/h average wind speed 

 

 

Figure 13 – OMIE – WS/D correction for heteroskedasticity ‐  Demand predicted probability response with 10,  15, 20, and 25 km/h average wind speed 

(24)

E

STUDOS DO

G.E.M.F.

(Available on-line at http://www.uc.pt/feuc/gemf )

2014-14 The Renewables Influence on Market Splitting: the Iberian Spot Electricity Market - Nuno Carvalho Figueiredo, Patrícia Pereira da Silva & Pedro Cerqueira

2014-13 Drivers for Household Electricity Prices in the EU: A System-GMM Panel Data Approach - Patrícia Pereira da Silva & Pedro Cerqueira

2014-12 Effectiveness of Intellectual Property Regimes: 2006-2011 - Noemí Pulido Pavón & Luis Palma Martos

2014-11 Dealing with Technological Risk in a Regulatory Context: The Case of Smart Grids - Paulo Moisés Costa, Nuno Bento & Vítor Marques

2014-10 Stochastic Volatility Estimation with GPU Computing - António Alberto Santos & João Andrade

2014-09 The Impact of Expectations, Match Importance and Results in the Stock Prices of European Football Teams

- Pedro Godinho & Pedro Cerqueira

2014-08 Is the Slovak Economy Doing Well? A Twin Deficit Growth Approach - Elias Soukiazis, Eva Muchova & Pedro A. Cerqueira

2014-07 The Role of Gender in Promotion and Pay over a Career - John T. Addison, Orgul D. Ozturk & Si Wang

2014-06 Output-gaps in the PIIGS Economies: An Ingredient of a Greek Tragedy - João Sousa Andrade & António Portugal Duarte

2014-05 Software Piracy: A Critical Survey of the Theoretical and Empirical Literature - Nicolas Dias Gomes, Pedro André Cerqueira & Luís Alçada Almeida

2014-04 Agriculture in Portugal: Linkages with Industry and Services - João Gaspar, Gilson Pina & Marta C. N. Simões

2014-03 Effects of Taxation on Software Piracy Across the European Union - Nicolas Dias Gomes, Pedro André Cerqueira & Luís Alçada Almeida

2014-02 A Crise Portuguesa é Anterior à Crise Internacional - João Sousa Andrade

2014-01 Collective Bargaining and Innovation in Germany: Cooperative Industrial Relations?

- John T. Addison, Paulino Teixeira, Katalin Evers & Lutz Bellmann

2013-27 Market Efficiency, Roughness and Long Memory in the PSI20 Index Returns: Wavelet and Entropy Analysis

- Rui Pascoal & Ana Margarida Monteiro

2013-26 Do Size, Age and Dividend Policy Provide Useful Measures of Financing Constraints? New Evidence from a Panel of Portuguese Firms

- Carlos Carreira & Filipe Silva

2013-25 A Política Orçamental em Portugal entre Duas Intervenções do FMI: 1986-2010 - Carlos Fonseca Marinheiro

2013-24 Distortions in the Neoclassical Growth Model: A Cross-Country Analysis - Pedro Brinca

2013-23 Learning, Exporting and Firm Productivity: Evidence from Portuguese Manufacturing and Services Firms

- Carlos Carreira

2013-22 Equity Premia Predictability in the EuroZone - Nuno Silva

2013-21 Human Capital and Growth in a Services Economy: the Case of Portugal - Marta Simões & Adelaide Duarte

2013-20 Does Voter Turnout Affect the Votes for the Incumbent Government?

(25)

Estudos do GEMF

2013-18 Despesa Pública em Educação e Saúde e Crescimento Económico: Um Contributo para o Debate sobre as Funções Sociais do Estado

- João Sousa Andrade, Marta Simões & Adelaide P. S. Duarte

2013-17 Duration dependence and change-points in the likelihood of credit booms ending - Vitor Castro & Megumi Kubota

2013-16 Job Promotion in Mid-Career: Gender, Recession and ‘Crowding’

- John T. Addison, Orgul D. Ozturk & Si Wang

2013-15 Mathematical Modeling of Consumer's Preferences Using Partial Differential Equations - Jorge Marques

2013-14 The Effects of Internal and External Imbalances on Italy´s Economic Growth. A Balance of Payments Approach with Relative Prices No Neutral.

- Elias Soukiazis, Pedro André Cerqueira & Micaela Antunes

2013-13 A Regional Perspective on Inequality and Growth in Portugal Using Panel Cointegration Analysis

- Marta Simões, João Sousa Andrade & Adelaide Duarte

2013-12 Macroeconomic Determinants of the Credit Risk in the Banking System: The Case of the GIPSI

- Vítor Castro

2013-11 Majority Vote on Educational Standards - Robert Schwager

2013-10 Productivity Growth and Convergence: Portugal in the EU 1986-2009 - Adelaide Duarte, Marta Simões & João Sousa Andrade

2013-09 What Determines the Duration of a Fiscal Consolidation Program?

- Luca Agnello, Vítor Castro & Ricardo M. Sousa

2013-08 Minimum Wage Increases in a Recessionary Environment - John T. Addison, McKinley L. Blackburn & Chad D. Cotti

2013-07 The International Monetary System in Flux: Overview and Prospects - Pedro Bação, António Portugal Duarte & Mariana Simões

2013-06 Are There Change-Points in the Likelihood of a Fiscal Consolidation Ending?

- Luca Agnello, Vitor Castro & Ricardo M. Sousa

2013-05 The Dutch Disease in the Portuguese Economy - João Sousa Andrade & António Portugal Duarte

2013-04 Is There Duration Dependence in Portuguese Local Governments’ Tenure?

- Vítor Castro & Rodrigo Martins

2013-03 Testing for Nonlinear Adjustment in the Portuguese Target Zone: Is there a Honeymoon Effect?

- António Portugal Duarte, João Soares da Fonseca & Adelaide Duarte

2013-02 Portugal Before and After the European Union - Fernando Alexandre & Pedro Bação

2013-01 The International Integration of the Eastern Europe and two Middle East Stock Markets - José Soares da Fonseca

2012-21 Are Small Firms More Dependent on the Local Environment than Larger Firms? Evidence from Portuguese Manufacturing Firms

- Carlos Carreira & Luís Lopes

2012-20 Macroeconomic Factors of Household Default. Is There Myopic Behaviour?

- Rui Pascoal

2012-19 Can German Unions Still Cut It?

- John Addison, Paulino Teixeira, Jens Stephani & Lutz Bellmann

2012-18 Financial Constraints: Do They Matter to R&D Subsidy Attribution?

- Filipe Silva & Carlos Carreira

2012-17 Worker Productivity and Wages: Evidence from Linked Employer-Employee Data

(26)

Estudos do GEMF

2012-16 Slovak Economic Growth and the Consistency of the Balance-of-Payments Constraint Approach

- Elias Soukiazis & Eva Muchova

2012-15 The Importance of a Good Indicator for Global Excess Demand - João Sousa Andrade & António Portugal Duarte

2012-14 Measuring Firms' Financial Constraints: A Rough Guide - Filipe Silva & Carlos Carreira

2012-13 Convergence and Growth: Portugal in the EU 1986-2010 - Marta Simões, João Sousa Andrade & Adelaide Duarte

2012-12 Where Are the Fragilities? The Relationship Between Firms’ Financial Constraints, Size and Age

- Carlos Carreira & Filipe Silva

2012-11 An European Distribution of Income Perspective on Portugal-EU Convergence - João Sousa Andrade, Adelaide Duarte & Marta Simões

2012-10 Financial Crisis and Domino Effect

- Pedro Bação, João Maia Domingues & António Portugal Duarte

2012-09 Non-market Recreational Value of a National Forest: Survey Design and Results - Paula Simões, Luís Cruz & Eduardo Barata

2012-08 Growth rates constrained by internal and external imbalances and the role of relative prices: Empirical evidence from Portugal

- Elias Soukiazis, Pedro André Cerqueira & Micaela Antunes

2012-07 Is the Erosion Thesis Overblown? Evidence from the Orientation of Uncovered Employers - John Addison, Paulino Teixeira, Katalin Evers & Lutz Bellmann

2012-06 Explaining the interrelations between health, education and standards of living in Portugal.

A simultaneous equation approach - Ana Poças & Elias Soukiazis

2012-05 Turnout and the Modeling of Economic Conditions: Evidence from Portuguese Elections - Rodrigo Martins & Francisco José Veiga

2012-04 The Relative Contemporaneous Information Response. A New Cointegration-Based Measure of Price Discovery

- Helder Sebastião

2012-03 Causes of the Decline of Economic Growth in Italy and the Responsibility of EURO.

A Balance-of-Payments Approach.

- Elias Soukiazis, Pedro Cerqueira & Micaela Antunes

2012-02 As Ações Portuguesas Seguem um Random Walk? Implicações para a Eficiência de Mercado e para a Definição de Estratégias de Transação

- Ana Rita Gonzaga & Helder Sebastião

2012-01 Consuming durable goods when stock markets jump: a strategic asset allocation approach - João Amaro de Matos & Nuno Silva

2011-21 The Portuguese Public Finances and the Spanish Horse - João Sousa Andrade & António Portugal Duarte

2011-20 Fitting Broadband Diffusion by Cable Modem in Portugal - Rui Pascoal & Jorge Marques

2011-19 A Poupança em Portugal

- Fernando Alexandre, Luís Aguiar-Conraria, Pedro Bação & Miguel Portela

2011-18 How Does Fiscal Policy React to Wealth Composition and Asset Prices?

- Luca Agnello, Vitor Castro & Ricardo M. Sousa

2011-17 The Portuguese Stock Market Cycle: Chronology and Duration Dependence -Vitor Castro

2011-16 The Fundamentals of the Portuguese Crisis - João Sousa Andrade & Adelaide Duarte

2011-15 The Structure of Collective Bargaining and Worker Representation: Change and Persistence

Figure

Updating...

References

Related subjects :