Prof. Dr. Brenda López Cabrera

Prof. López Cabrera erforscht die Anwendung von Wahrscheinlichkeitsvorhersagen zur Optimierung des Stromverbrauchs in Industriebetrieben unter Bedingungen steigender Einspeisung erneuerbarer Energien. Sie entwickelt Prognosemodelle für Lastmuster von Industriekunden, um Unternehmen bei der Anpassung an volatile Strommarktstrukturen zu unterstützen und Lastmanagement effizienter zu gestalten. Die Arbeiten adressieren die Energiewirtschaft und Industriebetriebe, die ihre Stromflexibilität nutzen müssen, um Kosten zu senken und Netzstabilität zu fördern.

🔒 Das System hat 361 mögliche Industrie-Partner gefunden — Firmen, Scores und Begründungen sind nur für eingeloggte Nutzer:innen sichtbar. Anmelden

• SFB 649/2: Einsatz von Wetterderivaten zum Risikomanagement in der Landwirtschaft (TP C 11)

  Quelle ↗

  Wetter stellt ein bedeutendes Risiko für viele Branchen einer Volkswirtschaft dar, und als Folge des Klimawandels ist von einer weiteren Zunahme extremer Wetterereignisse auszugehen. Der Agrarsektor ist in besonderem Maße von Wetterrisiken betroffen. Für diesen Sektor soll beispielhaft das Anwendungspotenzial von Wetterderivaten und indexbasierten Versicherungslösungen als Risikomanagementinstrumente untersucht werden.

• SFB 649/3: Anwendung von Wahrscheinlichkeitsvorhersagen auf das Lastenmanagement (TP T04)

  Quelle ↗

  Aufgrund der steigenden Einspeisung von erneuerbaren Energien in den deutschen Strommarkt, stehen die Marktteilnehmer vor neuen Herausforderungen. In diesem Transferprojekt möchten wir Wahrscheinlichkeitsvorhersagen des Stromverbrauchs von Industriekunden generieren und ihren Nutzen für Lastmanagement untersuchen. Dies kann zum einen Firmen helfen, mit den neuen Marktstrukturen zurechtzukommen und zum anderen zu höherer Netzstabilität führen. Zusammen mit ÖKOTEC Energiemanagement GmbH möchten wir Methoden, die im Rahmen des SFB 649 „Ökonomisches Risiko“ entwickelt wurden, an die Bedürfnisse von echten Firmendaten anpassen. Dafür sind flexible Modellierungstechniken nötig. Mögliche zeitliche Veränderungen möchten wir mit Hilfe von lokalen Methoden angehen. Wir werden die Ergebnisse bewerten und visualisieren und ihre Anwendbarkeit für die Praxis testen. WirtschaftstheorieÖkonometrieMikroökonomieWirtschaftspolitikAngewandte FinanzmathematikWahrscheinlichkeitstheorie und StatistikOrganisationstheorieangewandte MathematikMakroökonomieMarketing

• Volatility linkages between energy and agricultural commodity prices

  2015

  Energy Economics · DOI

• <scp>Calibrating CAT Bonds for Mexican Earthquakes</scp>

  2010

  Journal of Risk & Insurance · DOI

  Abstract This article examines the calibration of a real parametric catastrophe bond (CAT bond) for earthquakes sponsored by the Mexican government, which is of a high interest as it delivers several policy‐relevant findings. The results demonstrate that a combination of reinsurance and CAT bond is optimal in the sense that it provides coverage for a lower cost and lower exposure at default than reinsurance itself. A hybrid CAT bond for earthquakes is also priced in order to reduce the basis and moral risk borne by the sponsor and to reflect the value of the loss by several variables.

• The Implied Market Price of Weather Risk

  2011

  Applied Mathematical Finance · DOI

  Abstract Weather derivatives (WD) are end-products of a process known as securitization that transforms non-tradable risk factors (weather) into tradable financial assets. For pricing and hedging non-tradable assets, one essentially needs to incorporate the market price of risk (MPR), which is an important parameter of the associated equivalent martingale measure (EMM). The majority of papers so far has priced non-tradable assets assuming zero or constant MPR, but this assumption yields biased prices and has never been quantified earlier under the EMM framework. Given that liquid-derivative contracts based on daily temperature are traded on the Chicago Mercantile Exchange (CME), we infer the MPR from traded futures-type contracts (CAT, CDD, HDD and AAT). The results show how the MPR significantly differs from 0, how it varies in time and changes in sign. It can be parameterized, given its dependencies on time and temperature seasonal variation. We establish connections between the market risk premium (RP) and the MPR.