Titlebar

Export bibliographic data
Literature by the same author
plus on the publication server
plus at Google Scholar

 

Applying artificial intelligence and quantitative finance for a successful heat transition in the building sector

DOI zum Zitieren der Version auf EPub Bayreuth: https://doi.org/10.15495/EPub_UBT_00006585
URN to cite this document: urn:nbn:de:bvb:703-epub-6585-0

Title data

Wiethe, Christian:
Applying artificial intelligence and quantitative finance for a successful heat transition in the building sector.
Bayreuth , 2022 . - IV, 48 P.
( Doctoral thesis, 2022 , University of Bayreuth, Faculty of Law, Business and Economics)

[img]
Format: PDF
Name: 20220506_005_Dissertation_CWi_with_Blank.pdf
Version: Published Version
Available under License Creative Commons BY 4.0: Attribution
Download (1MB)

Abstract

Counteracting global warming requires intensifying decarbonization efforts across all sectors. To this end, the global residential building sector faces an urgent need to progress towards the climate goals, as it accounts for over a sixth of greenhouse gas emissions and over a quarter of energy consumption, most of which are caused by warm water and space heating and cooling. However, many economically and ecologically sensible retrofit measures are not conducted, among other reasons because of high perceived uncertainty regarding financial savings. Against this background, this doctoral thesis aims to contribute to successfully shaping the heat transition in the residential building sector by investigating three main aspects. The first aspect deals with reducing the perceived risk for energetic retrofitting by providing reliable data-driven decision support, as there is currently a research gap regarding long-term (i.e., annual) prediction for residential buildings and the resulting consequences of increased prediction accuracy. The findings in this thesis provide strong evidence that data-driven energy quantification methods reduce prediction errors by about 50% compared to the legally prescribed engineering methods. Assuming rational decision-making and setting up an agent-based building stock model, this increase in prediction accuracy translates into a substantial rise in energetic retrofitting from about 0.98% to 1.68%.Within the model setting, further prediction accuracy gains allow the retrofit rate to eventually exceed the envisaged 2% to successfully shape the heat transition in the residential building sector. The second aspect deals with understanding and managing the remaining risks connected to energetic retrofitting applying concepts from quantitative finance. To this end, this thesis follows literature and differentiates technological and operational risks (first aspect) from contextual and economic risks (second aspect). The findings indicate that risk perception is crucial for evaluating energetic retrofitting. Moreover, the findings provide the theoretical basis and highlight the potential of diversifying and hedging the remaining risk on the financial markets via risk transfer contracts. The third aspect deals with carefully tailored policy measures by constructing spatially and temporally differentiated incentive mechanisms to allocate scarce financial resources efficiently, maximizing the greenhouse gas emission reductions per monetary unit invested. The findings indicate significant influence from regionally differing socio-economic factors on energetic retrofitting. Moreover, time-dependent subsidy schemes incentivizing early retrofitting reduce greenhouse gas emissions substantially. Assuming rational decision-making, greenhouse gas emission reductions per monetary unit invested for time-dependent subsidy schemes exceed the reductions by static subsidy schemes by up to 675%. In summary, this cumulative doctoral thesis comprises seven research articles and aims to contribute to the heat transition in the residential building sector by applying artificial intelligence and concepts from quantitative finance and deriving managerial and policy implications for all focal aspects.

Abstract in another language

Um dem globalen Klimawandel entgegenzuwirken, müssen die Anstrengungen zur Dekarbonisierung sektorenübergreifend intensiviert werden. Der globale Wohngebäudesektor steht dabei vor der dringenden Notwendigkeit, Fortschritte bei der Erreichung der Klimaziele zu erzielen, da er für mehr als ein Sechstel der Treibhausgasemissionen und mehr als ein Viertel des Energieverbrauchs verantwortlich ist, die zum größten Teil durch Warmwasser und Raumheizung und -kühlung verursacht werden. Viele ökonomisch und ökologisch sinnvolle Sanierungsmaßnahmen werden jedoch nicht durchgeführt, u.a. wegen der hohen wahrgenommenen Unsicherheit über finanzielle Einsparungen. Vor diesem Hintergrund will diese Dissertation einen Beitrag zur erfolgreichen Gestaltung der Wärmewende im Wohngebäudebereich leisten, indem sie drei wesentliche Aspekte untersucht. Der erste Aspekt befasst sich mit der Verringerung des wahrgenommenen Risikos für energetische Sanierungen durch die Bereitstellung zuverlässiger datengestützter Entscheidungshilfen, da es derzeit eine Forschungslücke hinsichtlich langfristiger (d.h. jährlicher) Energieverbrauchsprognosen für Wohngebäude und den resultierenden Konsequenzen einer erhöhten Prognosegüte gibt. Die Ergebnisse dieser Arbeit zeigen deutlich, dass datengestützte Methoden zur Energieverbrauchsprognose die Prognosefehler im Vergleich zu den gesetzlich vorgeschriebenen ingenieurtechnischen Methoden um etwa 50 % reduzieren. Unter der Annahme rationaler Entscheider führt diese Erhöhung der Vorhersagegenauigkeit innerhalb eines agentenbasierten Gebäudebestandsmodells zu einem deutlichen Anstieg der Sanierungsrate von ca. 0,98% auf 1,68%, wobei die Sanierungsrate durch weitere Erhöhung der Prognosegüte im Modell schließlich die anvisierten 2% überschreitet, welche notwendig sind, um die Wärmewende im Wohngebäudebereich erfolgreich zu gestalten. Der zweite Aspekt befasst sich mit dem Verständnis und dem Management der verbleibenden Risiken im Zusammenhang mit der energetischen Sanierung unter Anwendung finanzmathematischer Konzepte. Dazu werden in Anlehnung an die Literatur technologische und operative Risiken (erster Aspekt) von kontextuellen und wirtschaftlichen Risiken (zweiter Aspekt) unterschieden. Die Ergebnisse zeigen, dass die Risikowahrnehmung für die Bewertung von energetischen Sanierungen entscheidend ist. Darüber hinaus liefern die Ergebnisse die theoretische Grundlage und zeigen das Potenzial einer Diversifizierung und Absicherung des verbleibenden Risikos auf den Finanzmärkten durch Risikotransferverträge auf. Der dritte Aspekt befasst sich mit sorgfältig ausgestalteten politischen Maßnahmen, indem räumlich und zeitlich differenzierte Anreizmechanismen konstruiert werden, um die knappen finanziellen Ressourcen effizient zu verteilen und die Treibhausgasemissionsreduktionen pro investierter Geldeinheit zu maximieren. Die Ergebnisse zeigen, dass regional unterschiedliche sozioökonomische Faktoren einen signifikanten Einfluss auf die energetische Nachrüstung haben. Darüber hinaus reduzieren zeitabhängige Subventionssysteme, die Anreize für eine frühzeitige Umrüstung schaffen, die Treibhausgasemissionen erheblich. Unter der Annahme rationaler Entscheider übersteigen die Treibhausgasemissionsreduktionen pro investierter Geldeinheit bei zeitabhängigen Subventionssystemen die Reduktionen durch statische Subventionssysteme um bis zu 675%. Zusammengefasst umfasst diese kumulative Doktorarbeit sieben Forschungsartikel und zielt darauf ab, durch die Anwendung von künstlicher Intelligenz und finanzmathematischer Konzepte einen Beitrag zur Wärmewende im Wohngebäudesektor zu leisten und für alle Schwerpunktaspekte betriebswirtschaftliche und politische Implikationen abzuleiten.

Further data

Item Type: Doctoral thesis (No information)
Keywords: Data analytics; Machine learning algorithms; Risk management; Energy efficiency; Energetic retrofitting; Energy informatics; Final energy per-formance
DDC Subjects: 300 Social sciences > 330 Economics
Institutions of the University: Faculties > Faculty of Law, Business and Economics > Department of Business Administration > Professor Information Systems and Digital Energy Management > Professor Information Systems and Digital Energy Management - Univ.-Prof. Dr. Jens Strüker
Faculties
Faculties > Faculty of Law, Business and Economics
Faculties > Faculty of Law, Business and Economics > Department of Business Administration
Faculties > Faculty of Law, Business and Economics > Department of Business Administration > Professor Information Systems and Digital Energy Management
Language: English
Originates at UBT: Yes
URN: urn:nbn:de:bvb:703-epub-6585-0
Date Deposited: 04 Aug 2022 06:43
Last Modified: 04 Aug 2022 06:49
URI: https://epub.uni-bayreuth.de/id/eprint/6585

Downloads

Downloads per month over past year