Institutional Money, Ausgabe 1 | 2022

kraftportfolios hat. Die Portfoliogröße an sich hat jedoch keinen signifikanten Ein- fluss, und es scheint, dass der größte Ein- fluss auf die Effizienz des Windparkport- folios und die Hedging-Effizienz in der angemessenen geografischen Diversifizie- rung des Windparkportfolios eines Unter- nehmens liegt. Nichtsdestotrotz nimmt die- ser Diversifikationseffekt mit der Größe des Portfolios zu, sodass ein indirekter Einfluss der Größe des Windparkportfolios auf den Grad der Gesamteffizienz und der Hedging- Effizienz besteht. Außerdem ist die optimale Hedging Ratio bei großen Windparkport- folios größer. Daten Die Daten für diese empirische Analyse aus dem Jahr 2021 wurden Hoechner von einem großen deutschen Windenergieun- ternehmen zur Verfügung gestellt. Die stündlichen Daten umfassen den Zeitraum von Januar 2011 bis Dezember 2013. Das untersuchte Windparkportfolio umfasst 121 Windenergieanlagen unterschiedlichen Typs an 14 verschiedenen geografischen Stand- orten. Auf Grundlage dieses Datensatzes wur- den 2.000 unterschiedliche Portfoliozu- sammensetzungen simuliert und analysiert im Hinblick auf durchschnittliche Erträge pro Windkraftanlage und die Standardab- weichung dieser Erträge als Risikokom- ponente. Die Windparkportfolios sind geo- grafisch auf acht bis zwölf Standorte verteilt. Die Tabelle „Zusammenfassende Statistik der Windfarm-Standorte“ umfasst Daten für alle 14 Standorte, nämlich die mittlere Leistung pro Windkraftanlage, die Standardabweichung dieser Windkraftleis- tung, die maximale Leistung und die An- zahl der Windkraftanlagen (Turbinen) je Standort. Bei der Analyse der Daten fällt auf, dass die Anzahl der Windkraftanlagen und die mittlere Leistung pro Windkraftanlage leicht negativ korreliert sind, was die Funktions- weise des Windmarktes verdeutlicht. Statt die meisten Windturbinen an Orten mit den höchsten Windgeschwindigkeiten zu er- richten und so viel Windkraft wie möglich zu produzieren, ist es genau andersherum. Ein Windparkprojekt wird durchgeführt, um eine bestimmte Menge an Windenergie zu möglichst niedrigen Kosten zu erzeugen. Da es nicht durchführbar ist, den erwarteten Ertrag zu steigern, indem man alle Wind- turbinen an den Standorten mit den besten Windverhältnissen errichtet, kann es für Windenergieunternehmen der leichtere Weg sein, ihr Output-Risiko zu verringern, indem sie mehrere Windparkprojekte zu einem Portfolio zusammenfassen und ihre Wind- energieproduktion als Ganzes absichern anstatt jedes Projekt einzeln. Herangehensweise Bei der Simulation der Portfolios werden aus der Gesamtmenge von 14 Standorten zufällig acht bis zwölf Standorte gezogen. Die Wahrscheinlichkeit, einen bestimmten Ort zu ziehen, ist dabei für alle Orte gleich. Im Falle eines Portfolios, das in zehn geo- grafische Standorte diversifiziert ist, werden jeweils zehn Standorte aus der Gesamt- menge von 14 Standorten gezogen. In einem zweiten Schritt werden diese Port- folios in zwei Teilportfolios aufgeteilt. Das erste Teilportfolio besteht aus den ersten fünf Standorten, die in der Simulation gezo- gen wurden. Das zweite Teilportfolio ent- hält die restlichen fünf Standorte. In diesem Fall sind die beiden Teilportfolios ungefähr gleich groß. Zusätzlich werden auch asym- metrische Teilportfolios berücksichtigt, bei denen eines der beiden Teilportfolios dop- pelt so viele Standorte enthält wie das andere. Die Tabelle „Beispielportfolios“ gibt einen Einblick in die Zusammen- setzung von fünf Windparkportfolios, die sich auf jeweils acht Standorte stützen und eine ähnliche Anzahl von Windkraftturbinen aufweisen. Zusätzlich sind hier die durch- schnittlich erzeugte Windenergie und die Standardabweichung der erzeugten Wind- » Die Effektivität von Stromabnahmeverträgen nimmt mit der Betriebsgröße zu. « Benedikt Hoechner, ehemals wissenschaftlicher Mitarbeiter am Lehrstuhl für Finanzierung und Banken an der Otto-von-Guericke-Universität Magdeburg Zusammenfassende Statistik der Windfarm-Standorte Deutsche Windenergieunternehmen geben Einschau in reale Leistungsdaten. Mittlere Leistung Standardabweichung Maximalleistung Zahl pro Windkraft- der Windkraft- pro Windkraft- der Windkraft- Standort anlage (in kW) leistung (in kW) anlage (in kW) anlagen Belgern 19,83 26,48 140,58 9 Dorna 54,20 70,35 362,53 13 Ennigerloh 59,48 80,81 504,96 9 Erftstadt 65,34 93,16 501,31 6 Grossefehn 446,61 492,76 2.631,00 7 Kuelz 1 53,87 81,67 513,60 5 Kuelz 2 163,91 232,64 1.153,10 3 Lammersdorf 67,74 81,67 438,41 6 Monschau 50,47 70,06 433,58 13 Neuenkirchen 293,73 345,38 1.814,50 6 Ringstedt 138,20 153,44 798,43 7 Sendenhorst 74,38 91,66 512,21 7 Simmerath 86,16 109,24 508,27 7 Wybelsum 384,68 409,62 1.510,40 5 Basis sind stündliche Daten über den Zeitraum von Januar 2011 bis Dezember 2013. Das Windparkportfolio umfasst 121 Windenergieanlagen unterschiedlichen Typs an 14 verschiedenen geografischen Standorten. Quelle: Studie 166 N o. 1/2022 | www.institutional-money.com SCHWERPUNKT UKRA I NE WI NDKRAF T