Цены на сырую нефть считаются одним из важнейших показателей мировой экономики. Правительства и предприятия тратят много времени и сил, чтобы выяснить, к чему стремятся цены на нефть, но прогнозирование - неточная наука. Стандартные методы основаны на исчислении (линейные регрессии и эконометрика), но альтернативы включают структурные модели и компьютерную аналитику. Не существует общепринятого консенсуса относительно лучшего способа прогнозирования цен на нефть.
Компании также уделяют особое внимание и часто участвуют в рынках нефтяных фьючерсов. Фьючерсы на сырую нефть торгуются на Нью-Йоркской товарной бирже (NYMEX) и Токийской товарной бирже (TOCOM).
Понимание цен на сырую нефть
На элементарном уровне поставки сырой нефти определяются способностью нефтяных компаний извлекать запасы из недр и распределять их по всему миру. Существует три основных переменных предложения: технологические изменения, экологические факторы и способность нефтяных компаний накапливать и пополнять капитал. Технические усовершенствования, особенно гидроразрыв пласта и горизонтальное бурение, помогли заполнить мировые рынки нефтью после 2008 года.
Спрос на сырую нефть исходит от частных лиц, компаний и правительств. Вообще говоря, спрос на нефть увеличивается в хорошие экономические времена и уменьшается в более медленные экономические времена. Повышение уровня жизни в Китае и Индии было основным источником мирового спроса в 21 веке.
Компании должны понимать эти факторы, прежде чем делать прогнозы цен на нефть, но даже этого недостаточно. На цены на нефть оказывают сильное влияние 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 выпустить на мировые рынки, исходя из того, что лучше для их правительств. Тем не менее, резкие колебания цен на нефть в период с 2005 по 2015 годы свидетельствуют о том, что влияние ОПЕК ограничено.
Нефть также строго регулируется в большинстве стран. Соединенные Штаты, как и многие страны Европы, имеют строгие ограничения на то, где можно добывать нефть; Агентство по охране окружающей среды (EPA) может сказать о ценах на нефть столько же, сколько Exxon Mobil или British Petroleum.
Причина, по которой движения цен на нефть (или любой товар) часто удивляют аналитиков, заключается в том, что существуют сотни переменных, каждая из которых движется одновременно непредсказуемым образом. Совет управляющих Федеральной резервной системы назвал это лучшим в своем документе для обсуждения в июле 2011 года «Прогнозирование цены на нефть», который начался с определения «неожиданных значительных и постоянных колебаний реальной цены на нефть».
Количественные методы
Компании нанимают эконометристов и других экспертов рынка, чтобы делать краткосрочные и среднесрочные прогнозы на рынке нефти. Эти специалисты используют очень сложные математические модели, которые либо фокусируются на финансовых показателях (используя спотовые и будущие цены), либо на вопросах спроса и предложения (количественная оценка переменных и проверка их объяснительной силы).
Спотовые и будущие ценовые модели по-прежнему популярны во многих компаниях, но выходят из моды. Основная концепция заключается в том, что фьючерсные рынки - в частности, связь между колебаниями цен на фьючерсы и колебаниями спотовых цен - укажут путь к завтрашним ценам на нефть. В 1991 году были опубликованы две влиятельные научные статьи (Бопп и Леди; Серлетис), в которых предполагалось, что будущие цены на нефть не будут беспристрастными или полностью эффективными, но, вероятно, будут все же лучше, чем любые другие показатели. Этот вывод был сделан с помощью моделей ошибок и коррекции (ECM), которые позволяют статистикам или эконометристам учитывать смещение в фьючерсных данных.
Третье исследование в 1998 году (Zeng и Swanson) было посвящено изучению сырой нефти на NYMEX, Нью-Йоркской товарной бирже, Чикагской торговой палате и Чикагской товарной бирже в период с 1990 по 1995 год. Было установлено, что модели ECM работают лучше всего. До начала 21 века большинство компаний применяли подход ECM.
Более поздние исследования были менее добры к финансовым моделям. Один из них проанализировал фьючерсные цены на сырую нефть West Texas Intermediate (WTI) на NYMEX в период с 1989 по 2003 гг., Обнаружив, что форвардные и фьючерсные цены не являются ни эффективными, ни непредвзятыми для точного прогнозирования будущих спотовых цен (и, что любопытно, что «было мало свидетельств премии за риск "на рынке нефти). Вместо этого авторы рекомендовали процесс случайного блуждания по временным рядам; теория случайного блуждания предполагает, что изменения цены акций не могут быть использованы для прогнозирования будущего движения. (Исследования, проведенные Университетом Португалии в 2013 году, показали, что эконометрическое моделирование временных рядов является наиболее распространенным методом прогнозирования цен на сырую нефть.)
Модели спроса и предложения фокусируются на макроэкономических переменных, таких как производство ОПЕК, эластичность спроса на нефть по доходу и реального валового внутреннего продукта (ВВП). Поскольку существует так много возможных комбинаций переменных, большинство компаний или аналитических служб используют собственные расчеты и часто меняют свои формулы. Цель состоит в том, чтобы найти наиболее статистически значимые переменные, затем найти график колебаний этих переменных и создать приблизительные оценки будущих диапазонов цен на нефть.
Качественные или нелинейные методы
Сторонники альтернативных подходов, которые статистики могут назвать «нестандартными» или «нелинейными», 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, основанная на биологии человеческого мозга, предположительно позволяет моделированию изучать и обобщать опыт, основанный на новых данных. ИНС используются для различных анализов в сфере бизнеса, науки и инвестиций. Одна стандартная критика метода ANN - и главная причина, по которой ANN не пользуются популярностью в частных прогнозах нефти, - внутренние входные данные, используемые для оценки ценовых рядов, часто носят субъективный или произвольный характер.
Фундаментальные инвесторы и аналитики склонны избегать сложных статистических моделей. Вместо этого фундаментальные аналитики полагаются на совокупные бизнес-факторы, такие как уровень запасов, производственные тенденции, стихийные бедствия и действия спекулянтов. Неявное обоснование этих основанных на знаниях подходов заключается в том, что на цены на нефть сильно влияют крупные, идентифицируемые события. В компаниях обычно нанимают рыночных аналитиков, которые полагаются на информацию из других источников, таких как прогноз товаров Всемирного банка, а не создают свои собственные модели.
