Trading and investment strategies, with an emphasis on renewable energy, supported by specialized optimization models for stochastic assessment of risk and return.

A comercialização de energia elétrica de fontes renováveis, ordinariamente, constitui-se uma atividade em que as operações são estruturadas sob condições de incerteza, por exemplo, em relação ao preço \"spot\" no mercado de curto prazo e a geração de energia dos empreendimentos. Deriva desse fato a busca dos agentes pela formulação de estratégias e utilização de ferramentais para auxiliá-los em suas tomadas de decisão, visando não somente o retorno financeiro, mas também à mitigação dos riscos envolvidos. Análises de investimentos em fontes renováveis compartilham de desafios similares. Na literatura, o estudo da tomada de decisão considerada ótima sob condições de incerteza se dá por meio da aplicação de técnicas de programação estocástica, que viabiliza a modelagem de problemas com variáveis randômicas e a obtenção de soluções racionais, de interesse para o investidor. Esses modelos permitem a incorporação de métricas de risco, como por exemplo, o Conditional Value-at-Risk, a fim de se obter soluções ótimas que ponderem a expectativa de resultado financeiro e o risco associado da operação, onde a aversão ao risco do agente torna-se um condicionante fundamental. O objetivo principal da Tese - sob a ótica dos agentes geradores, consumidores e comercializadores - é: (i) desenvolver e implementar modelos de otimização em programação linear estocástica com métrica CVaR associada, customizados para cada um desses agentes; e (ii) aplicá-los na análise estratégica de operações como forma de apresentar alternativas factíveis à gestão das atividades desses agentes e contribuir com a proposição de um instrumento conceitualmente robusto e amigável ao usuário, para utilização por parte das empresas. Nesse contexto, como antes frisado, dá-se ênfase na análise do risco financeiro dessas operações por meio da aplicação do CVaR e com base na aversão ao risco do agente. Considera-se as fontes renováveis hídrica e eólica como opções de ativos de geração, de forma a estudar o efeito de complementaridade entre fontes distintas e entre sites distintos da mesma fonte, avaliando-se os rebatimentos nas operações.The renewable energy trading, ordinarily, is an activity in which mostly operations are structured under uncertainty conditions, for instance, in relation to the energy spot price and assets generation. Derives from this fact the search of the agents for strategies formulation based on computational tools to assist their decision-making process, not only seeking financial returns, but also to mitigate the risks involved. Investments analysis in renewable sources share the same challenges. In the literature, the study of optimal decision-making under uncertainty conditions is made through the application of stochastic programming techniques, which enable modeling problems with random variables and find rational solutions. These models allow the incorporation of risk metrics, as the \"Conditional Value-at-Risk (CVaR)\", to provide optimal solutions that weigh the expected financial results and the associated risk, in which the agent\'s risk-aversion becomes an essential condition for defining the operation strategy. From the perspective of generators, consumers and traders agents, the main purposes of this thesis are: (i) to develop customized optimization models with CVaR metric associated, optimized in stochastic linear programming; and (ii) to apply the models for strategic analysis of operations under the risk-return binomial, focusing on the management activities of each of these agents, and considering renewable sources as option. In this context, the emphasis is on analysis of the operations financial risks through the application of CVaR and based on the agent\'s risk-aversion level. Furthermore, the hydro and wind renewables sources are options of generation assets in order to study the seasonal generation complementarity effect among them and the consequences on energy trading strategies