Hvordan forudsiger virksomhederne oliepriser?

Rå oliepriser betragtes som en af ​​de vigtigste indikatorer i den globale økonomi. Regeringer og virksomheder bruger meget tid og energi på at finde ud af, hvor oliepriserne skal hen næste gang, men prognoser er en upræcis videnskab. Standardteknikker er baseret på beregning (lineære regressioner og økonometri), men alternativer omfatter strukturelle modeller og computerdrevet analyse. Der er ikke bred enighed om den bedste måde at forudsige oliepriser på.

Virksomheder lægger også særlig vægt på - og deltager ofte i - oliefuturesmarkeder. Råoliefutures handles på New York Mercantile Exchange (NYMEX) og Tokyo Commodity Exchange (TOCOM). 

Forståelse af råoliepriser

På et elementært niveau bestemmes forsyningen af ​​råolie af olieselskabernes evne til at udvinde reserver fra jorden og distribuere dem rundt om i verden. Der er tre store forsyningsvariabler: teknologiske ændringer, miljøfaktorer og olieselskabers evne til at akkumulere og genopbygge kapital. Tekniske forbedringer - især hydraulisk frakturering og vandret boring - hjalp med at oversvømme verdensmarkederne med olie efter 2008.



Efterspørgslen efter råolie kommer fra enkeltpersoner, virksomheder og regeringer. Generelt stiger efterspørgslen efter olie i gode økonomiske tider, og den falder i langsommere økonomiske tider. Stigninger i levestandarden i Kina og Indien har været en vigtig kilde til global efterspørgsel i det 21. århundrede.

Virksomheder skal forstå disse faktorer, før de laver olieprisprognoser, men selv det er ikke nok. Oliepriser er stærkt påvirket af ikke-markedskræfter, herunder Organisering af olieeksportlandene (OPEC), der effektivt fungerer som et multinationalt oliekartel. OPEC -medlemslandene træffer fælles beslutninger om, hvor meget olie der skal frigives til verdensmarkederne baseret på, hvad der er bedst for deres regeringer.De ekstreme svingninger i oliepriserne mellem 2005 og 2015 er imidlertid en indikation på, at OPEC's indflydelse er begrænset.

Olie er også stærkt reguleret i de fleste lande. USA har, ligesom mange nationer i Europa, strenge restriktioner for, hvor der kan bores olie; Environmental Protection Agency (EPA) kan have lige så meget at sige om oliepriser som Exxon Mobil eller British Petroleum.

Grunden til at bevægelser i olieprisen (eller en hvilken som helst vare) ofte overrasker analytikere, er fordi der er hundredvis af variabler, der hver især bevæger sig samtidigt på uforudsigelige måder. Bestyrelsen for Federal Reserve System udtrykte det bedst i deres diskussionsoplæg fra juli 2011 "Prognoser olieprisen, "som begyndte med at identificere" uventede store og vedvarende udsving i den reelle pris på olie."

Kvantitative metoder

Virksomheder ansætter økonometrikere og andre markedseksperter til at forudsige kort- og mellemlang sigt om oliemarkedet. Disse fagfolk bruger meget komplicerede matematiske modeller, som enten fokuserer på økonomi (ved hjælp af spot og fremtidige priser) eller hensyn til udbud og efterspørgsel (kvantificering af variabler og test af deres forklaringsevne).

Spot- og fremtidige prismodeller er stadig populære hos mange virksomheder, men trender i unåde. Det grundlæggende koncept er, at futures markeder - især forholdet mellem futures prisudsving og spotprisudsving - vil pege vejen til morgendagens oliepriser. To indflydelsesrige akademiske artikler blev udgivet i 1991 (Bopp og Lady; Serletis), der antydede, at fremtidige oliepriser ikke var upartiske eller helt effektive, men sandsynligvis stadig var bedre end andre indikatorer. Denne konklusion blev nået gennem fejl- og korrektionsmodeller (ECM'er), som gør det muligt for statistikere eller økonometrikere at redegøre for bias i futuresdata.

En tredje undersøgelse i 1998 (Zeng og Swanson) undersøgte råolie på NYMEX, New York Commodity Exchange, Chicago Board of Trade og Chicago Mercantile Exchange mellem 1990 og 1995. Det fandt ud af, at ECM -modeller fungerede bedst. 

Senere undersøgelser har været mindre venlige over for finansielle modeller. En gennemgik West Texas Intermediate (WTI) råoliefuturespriser på NYMEX mellem 1989 og 2003 og fandt, at termins- og futurespriser hverken er effektiv eller upartisk nok til præcist at forudsige fremtidige spotpriser (og underligt nok, at der var "lidt tegn på risikopræmier" i olien marked). Forfatterne anbefalede i stedet en tidsserie random walk-proces; random walk -teori antyder, at ændringer i aktiekurser ikke kan bruges til at forudsige fremtidig bevægelse. (Ifølge Chartered Alternative Investment Analyst Association er tidsserieøkonometriske modeller den mest almindelige prognosemetode for råoliepriser.)

Udbud og efterspørgsel modeller fokuserer på makroøkonomiske variabler, såsom OPEC -produktion, indkomstelasticitet i efterspørgslen efter olie og det reelle bruttonationalprodukt (BNP). Fordi der er så mange mulige kombinationer af variabler, bruger de fleste virksomheder eller analytiske tjenester proprietære beregninger og ændrer deres formler ofte. Målet er at finde de mest statistisk signifikante variabler, derefter finde diagramudsving i disse variabler og skabe grove skøn for fremtidige olieprisintervaller.

Kvalitative eller ikke -lineære metoder

Talsmændene for alternative fremgangsmåder, som statistikere kan kalde "ikke-standardiserede" eller "ikke-lineære" fremgangsmåder, hævder, at fremtidige oliepriser er for tilfældige og kaotiske til traditionelle processer. Disse metoder kan stadig bruge nogle af de samme data som standardmodeller, men beregningerne er baseret på mønstergenkendelse frem for lineære modeller eller økonometriske regressioner.

Et populært mønstergenkendelsesværktøj er det kunstige neurale netværk (ANN). ANN -modellen, som er baseret på den menneskelige hjernes biologi, lader angiveligt simuleringen til at lære og generalisere oplevelser baseret på nye data.ANN'er bruges til en række forskellige analyser inden for forretnings-, videnskabs- og investeringsområder. En standardkritik af ANN -metoden - og en primær årsag til, at ANN'er ikke er populære hos private olieprognoser er de iboende input, der bruges til at evaluere prisserier, er ofte subjektive eller vilkårlig.

Grundlæggende investorer og analytikere har en tendens til at vige tilbage fra komplekse statistiske modeller. I stedet, grundlæggende analytikere stole på aggregerede forretningsfaktorer, såsom lagerniveauer, produktionstendenser, naturkatastrofer og spekulators handlinger. Den implicitte begrundelse bag disse vidensbaserede fremgangsmåder er, at oliepriserne er stærkt påvirket af store, identificerbare begivenheder. Det er almindeligt, at virksomheder ansætter markedsanalytikere, der er afhængige af oplysninger fra andre kilder, f.eks. Verdensbankens råvareprognose, frem for at skabe deres egne modeller.