Цены на сырую нефть считаются одним из важнейших показателей мировой экономики. Правительства и предприятия тратят много времени и сил на то, чтобы выяснить, куда идут цены на нефть, но прогнозирование - неточная наука. Стандартные методы основаны на исчислении (линейные регрессии и эконометрики), но альтернативы включают структурные модели и компьютерную аналитику. Не существует общепринятого консенсуса относительно наилучшего способа прогнозирования цен на нефть.

Компании также уделяют особое внимание и часто участвуют в нефтяных фьючерсных рынках. Фьючерсы на сырую нефть торгуются на Нью-йоркской товарной бирже (NYMEX) и Токийской товарной бирже (TOCOM).

Понимание цен на сырую нефть

На начальном уровне поставки сырой нефти определяются способностью нефтяных компаний извлекать запасы из земли и распространять их по всему миру. Существуют три основные переменные предложения: технологические изменения, факторы окружающей среды и способность нефтяных компаний накапливать и пополнять капитал. Технические улучшения - особенно гидравлический разлом и горизонтальное бурение - помогли наводнить мировые рынки нефтью после 2008 года.

Спрос на сырую нефть поступает от частных лиц, компаний и правительств. Вообще говоря, спрос на нефть возрастает в хорошие экономические времена и уменьшается в более медленные экономические времена. Повышение уровня жизни в Китае и Индии стало основным источником глобального спроса в XXI веке.

Компании должны понимать эти факторы до прогнозирования цен на нефть, но этого недостаточно. На цены на нефть в значительной степени влияют нерыночные силы, в том числе Организация стран-экспортеров нефти (ОПЕК), которая эффективно выступает в качестве многонационального нефтяного картеля. Страны-члены ОПЕК принимают совместные решения о том, сколько нефти выйдет на мировые рынки, исходя из того, что лучше для их правительств. Однако экстремальные колебания цен на нефть в период с 2005 по 2015 год свидетельствуют о том, что влияние ОПЕК ограничено.

Масло также сильно регулируется в большинстве стран. Соединенные Штаты, как и многие страны Европы, строгие ограничения на то, где нефть может быть пробурена; Агентство по охране окружающей среды (EPA) может иметь столько же сказать о ценах на нефть, как Exxon Mobil или British Petroleum.

Причина, по которой движение цены на нефть (или любой товар) часто удивляет аналитиков, состоит в том, что есть сотни переменных, каждый из которых движется одновременно непредсказуемым образом. Совет управляющих Федеральной резервной системы поставил его лучше всего в своем дискуссионном документе «Прогнозирование цены на нефть» в июле 2011 года, который начался с выявления «неожиданных больших и постоянных колебаний реальной цены на нефть».«

Количественные методы

Компании нанимают эконометриков и других экспертов на рынке для краткосрочных и среднесрочных прогнозов на нефтяном рынке. Эти специалисты используют очень сложные математические модели, которые либо фокусируются на финансовых показателях (с использованием точечных и будущих цен) , или соображения спроса и предложения (количественная оценка переменных и тестирование их объяснительной мощности).

Спот и будущие модели цен по-прежнему пользуются популярностью у многих компаний, но не соответствуют ожиданиям. Основная концепция заключается в том, что фьючерсные рынки - в частности, отношения между фьючерсами колебания цен и спотовые колебания цен - укажут путь к завтрашним ценам на нефть. В 1991 году были опубликованы два влиятельных академических документа (Bopp and Lady, Serletis), в которых предполагалось, что будущие цены на нефть не были объективными или полностью эффективными, но, вероятно, любые другие индикаторы. Этот вывод был достигнут с помощью моделей ошибок и исправлений (ECM), которые позволяют статистикам или эконометрикам t o учитывать отклонения в данных фьючерсов.

Третье исследование в 1998 году (Zeng and Swanson) рассматривало сырую нефть на NYMEX, Нью-йоркской товарной бирже, Чикагской товарной бирже и Чикагской товарной бирже в период с 1990 по 1995 год. Она показала, что модели ECM лучше всего работают. До начала XXI века большинство компаний применяли подход ECM.

Более поздние исследования были менее любезными для финансовых моделей. В период с 1989 по 2003 год были проанализированы цены на фьючерсы на нефть в США (WTI) на NYMEX, в результате чего прямые и фьючерсные цены не являются ни эффективными, ни непредвзятыми, чтобы точно предсказать будущие спотовые цены (и, что любопытно, что «было мало свидетельств премии за риск "на нефтяном рынке). Авторы вместо этого рекомендовали процесс случайного блуждания по временному ряду; теория случайного блуждания предполагает, что изменения цен на акции не могут быть использованы для прогнозирования будущего движения. (Исследования, проведенные в Университете Португалии в 2013 году, показали, что эконометрическое моделирование временного ряда является наиболее распространенным методом прогнозирования цен на сырую нефть.)

Модели спроса и предложения сосредоточены на макроэкономических переменных, таких как производство ОПЕК, эластичность спроса на спрос на нефти и реального валового внутреннего продукта (ВВП). Поскольку существует так много возможных комбинаций переменных, большинство компаний или аналитические службы используют проприетарные вычисления и часто меняют свои формулы. Цель состоит в том, чтобы найти наиболее статистически значимые переменные, а затем найти колебания диаграммы в этих переменных и создать приблизительные оценки будущих ценовых диапазонов.

Качественные или нелинейные методы

Сторонники альтернативных подходов, которые статистики могут назвать «нестандартными» или «нелинейными» подходами, утверждают, что будущие цены на нефть слишком случайны и хаотичны для любых традиционных процессов. Эти методы могут по-прежнему использовать некоторые из тех же данных, что и стандартные модели, но вычисления основаны на распознавании образов, а не на линейных моделях или эконометрических регрессиях.

Одним из популярных инструментов распознавания образов является искусственная нейронная сеть (ANN).Модель ANN, которая основана на биологии человеческого мозга, предположительно позволяет симуляции изучать и обобщать опыт, основанный на новых данных. ANN используются для различных анализов в области бизнеса, науки и инвестиций. Одна стандартная критика метода ANN - и основная причина, почему ANN не пользуются популярностью в частных нефтяных прогнозах, - это внутренние входы, используемые для оценки ценовых рядов, часто субъективны или произвольны.

Фундаментальные инвесторы и аналитики склонны уклоняться от сложных статистических моделей. Вместо этого фундаментальные аналитики полагаются на совокупные бизнес-факторы, такие как уровни запасов, тенденции производства, стихийные бедствия и действия спекулянтов. Неявные рассуждения, лежащие в основе этих основанных на знаниях подходов, заключаются в том, что цены на нефть сильно зависят от крупных идентифицируемых событий. Для компаний часто приходится использовать рыночных аналитиков, которые полагаются на информацию из других источников, например, на товарный прогноз Всемирного банка, а не на создание собственных моделей.