Precio de bolsa: situación, pronóstico y riesgo
Datos al 12 de noviembre de 2026 · Actualizado el 15/11/2026 · Fuentes: XM, NOAA
Lectura del momento
- El precio de bolsa está en 408 COP/kWh, por debajo del precio de escasez (783). Las reservas (78,0 %) amortiguan, pero los aportes van en 57 % de la media y el Niño 3.4 está en +3.2 °C.
- Próximas semanas: nuestro modelo de corto plazo anticipa una subida gradual; nov-2026 cerraría cerca de 452 y dic-2026 cerca de 800 COP/kWh.
- Temporada seca: si se cumplen los escenarios hidrológicos, la mediana del precio promediaría 1.454 COP/kWh entre enero y abril, con el nivel más alto en mar-2027 (≈ 1.725). La probabilidad mensual de superar el precio de escasez llega a 86 %.
- ¿Por qué? Las plantas hidráulicas fijaron el precio el 88 % de los días del último año: el precio de bolsa refleja el valor del agua, que sube a medida que bajan los embalses. El camino de las reservas es la variable a vigilar.
- Para compradores de energía: con estos escenarios, cubrir con contratos al menos la mitad de la compra de los próximos meses resulta conveniente incluso con contratos de hasta 1.500 COP/kWh, frente a un precio de bolsa esperado de 1.454.
Pronóstico integrado: resultado de varios modelos combinados
Precio de bolsa diario observado (negro) y pronóstico de cada componente: modelo de corto plazo a 4 semanas (azul, p10–p90), trayectorias diarias de la temporada seca (franja gris, p5–p95), y pronóstico mensual consolidado (punto naranja con rango p10–p90) junto a los modelos que lo componen: escenarios hidrológicos (triángulo verde) y regímenes de precio (triángulo morado). Escala logarítmica.
Precio de bolsa diario y pronóstico a 4 semanas
Precio de bolsa promedio ponderado diario de los últimos 12 meses, precio de escasez y precio promedio de contratos del mercado no regulado. Línea azul: pronóstico de las próximas 4 semanas con su rango p10–p90.
Pronóstico mensual hasta abril
Precio de bolsa mensual observado (barras) y pronóstico consolidado: mediana y rango p10–p90 de los escenarios hidrológicos. Línea roja: precio de escasez actual.
Riesgo de superar el precio de escasez
Barras (eje izquierdo): probabilidad de que el precio promedio del mes supere el precio de escasez. Línea (eje derecho): reservas medianas esperadas al cierre de cada mes. A medida que bajan las reservas, sube la probabilidad.
¿Quién fija el precio?
Tecnología de la planta que fija el precio (último año) y oferta de las hidráulicas según el nivel de los embalses.
Fuentes: XM S.A. E.S.P. (precio de bolsa, precio de escasez, contratos, ofertas y disponibilidad por planta, hidrología), NOAA (El Niño). Modelos y cálculos: Energía Cero Carbono.
¿Cómo analizamos y pronosticamos el precio de bolsa?
Combinamos siete modelos que responden preguntas distintas: cuánto costará la energía en las próximas semanas y en la temporada seca, qué tan probable es un pico, por qué se mueve el precio y cuánto conviene contratar. Todos usan datos públicos de XM y se validan simulando pronósticos en fechas pasadas.
Datos
Precio de bolsa horario y diario desde 2000, precio de escasez, contratos, ofertas de precio y disponibilidad de cada planta desde 2018, hidrología del SIN e índices de El Niño.
Hidrología → precio
El precio mensual se proyecta sobre 1.000 escenarios de aportes y reservas de nuestro modelo hidrológico, para cada nivel de generación térmica.
Corto plazo y riesgo
Un modelo diario a 1–4 semanas, trayectorias diarias con saltos y la probabilidad de picos completan el cuadro de riesgo.
Fundamentales y decisión
La curva de oferta por planta explica quién fija el precio, y una optimización de portafolio traduce los escenarios en una estrategia de compra.
Modelos utilizados
| Modelo | Método | Pregunta que responde |
|---|---|---|
| 1. Precio y escenarios hidrológicos | Regresión autorregresiva en logaritmos (precio relativo al de escasez) con aportes, reservas y estacionalidad; errores remuestreados de meses con reservas similares. | ¿Cuánto costará la energía en los próximos 6 meses según las lluvias? |
| 2. Regímenes de precio | Modelo de cambio de régimen de Markov con probabilidades de transición que dependen de los aportes y las reservas (Hamilton; Diebold, Lee y Weinbach). | ¿Estamos entrando en un periodo de precios volátiles? |
| 3. Reversión a la media con saltos | Proceso diario que vuelve a su nivel con saltos aleatorios, estimado por máxima verosimilitud (Schwartz; Cartea y Figueroa). | ¿Cómo puede moverse el precio día a día? ¿Cuánto vale una cobertura? |
| 4. Corto plazo (LEAR) | Regresión LASSO con precios recientes, hidrología y calendario, un modelo por semana de anticipación; intervalos conformes (Uniejewski, Nowotarski y Weron; Lago et al.). | ¿Cuál será el precio diario en las próximas 4 semanas? |
| 5. Picos y valores extremos | Regresión logística para la probabilidad de superar el precio de escasez o de un salto; teoría de valores extremos (Pareto generalizada). | ¿Qué tan probable es un pico y qué tan alto puede ser? |
| 6. Curva de oferta por planta | Despacho por orden de mérito con la oferta de precio y la disponibilidad declarada de cada planta; índice de oferta residual. | ¿Quién fija el precio y qué pasa si cambia la demanda, la oferta o el valor del agua? |
| 7. Portafolio con CVaR | Programación lineal media–CVaR (Rockafellar y Uryasev; Conejo, Carrión y Morales) sobre los escenarios de precio. | ¿Qué fracción de la energía contratar y a qué precio? |
Desempeño en validación
Error porcentual absoluto medio en pronósticos retrospectivos (cada modelo solo conoce la información disponible en la fecha del pronóstico):
| Pronóstico | Horizonte corto | Horizonte medio | Horizonte largo | Referencia simple |
|---|---|---|---|---|
| Diario, modelo 4 (semana 1 / 2 / 4) | 18 % | 29 % | 37 % | repetir último precio: 19 % – 42 % |
| Mensual, modelo 1 (1 / 3 / 6 meses)* | 22 % | 32 % | 34 % | repetir último mes: 29 % – 82 % |
| Mensual, modelo 2 (1 / 3 / 6 meses)* | 24 % | 30 % | 31 % | |
| Curva de oferta, modelo 6 (precio diario) | 6 % | error mediano |
* Con la hidrología observada: mide el error del modelo de precio; la incertidumbre de las lluvias se agrega con los escenarios. Probabilidad de superar el precio de escasez (modelo 5): AUC de 0,86 a 0,96 según el horizonte (1 = perfecto, 0,5 = azar).
Ventajas
- Visión completa: pronóstico, riesgo, causas y decisión en un mismo marco.
- Conectado con la hidrología: el precio se proyecta sobre los mismos escenarios de lluvias y reservas.
- Validación honesta: cada modelo se compara con referencias simples en pronósticos retrospectivos.
- Riesgo cuantificado: probabilidades, rangos, días sobre escasez y costo en los peores escenarios.
Aplicaciones
- Estrategia de compra de energía: cuánto contratar, a qué precio y cuándo.
- Presupuestos y gestión del riesgo de precio de comercializadores y grandes consumidores.
- Valoración de coberturas y opciones sobre el precio de bolsa.
- Análisis regulatorio y de mercado: formación del precio, valor del agua y concentración.
¿Conversamos sobre su proyecto?
Cuéntenos su necesidad y le proponemos un alcance a la medida.