Råoljepriserna anses vara en av de viktigaste indikatorerna i den globala ekonomin. Regeringar och företag spenderar mycket tid och energi för att ta reda på vart oljepriset är på väg nästa, men prognoser är en inexakt vetenskap. Standardtekniker är baserade på kalkyler (linjära regressioner och ekonometrics), men alternativen inkluderar strukturella modeller och datordrivna analyser. Det finns inget allmänt accepterat samförstånd om det bästa sättet att förutse oljepriserna.
Företag ägnar också särskild uppmärksamhet åt - och deltar ofta i - terminsmarknader för olja. Futures för råolja handlas på New York Mercantile Exchange (NYMEX) och Tokyo Commodity Exchange (TOCOM).
Förstå råoljepriser
På elementär nivå bestäms tillgången på råolja av oljebolagens förmåga att utvinna reserver från marken och distribuera dem runt om i världen. Det finns tre stora leveransvariabler: tekniska förändringar, miljöfaktorer och oljebolagens förmåga att ackumulera och fylla på kapital. Tekniska förbättringar - särskilt hydraulisk sprickbildning och horisontell borrning - hjälpte till att översvämma världsmarknaderna med olja efter 2008.
Efterfrågan på råolja kommer från individer, företag och regeringar. Generellt sett ökar efterfrågan på olja under goda ekonomiska tider och den minskar under långsammare ekonomiska tider. Ökningar av levnadsstandarden i Kina och Indien har varit en viktig källa till global efterfrågan under 2000-talet.
Företag måste förstå dessa faktorer innan de gör oljeprisprognoser, men till och med det räcker inte. Oljepriserna påverkas starkt av icke-marknadskrafterna, inklusive organisationen för de oljeexporterande länderna (OPEC), som verkligen fungerar som en multinationell oljekartell. OPEC-medlemsländer fattar gemensamma beslut om hur mycket olja som ska släppas ut till världsmarknaderna baserat på vad som är bäst för deras regeringar. De extrema svängningarna i oljepriset mellan 2005 och 2015 är emellertid en indikation på att OPEC-inflytandet är begränsat.
Olja är också mycket reglerad i de flesta länder. Förenta staterna, liksom många länder i Europa, har strikta begränsningar för var olja kan borras. Miljöskyddsbyrån (EPA) kan ha lika mycket att säga om oljepriset som Exxon Mobil eller British Petroleum.
Anledningen till att rörelser i oljepriset (eller någon vara) ofta överrasker analytiker är att det finns hundratals variabler, var och en av dem rör sig samtidigt på oförutsägbara sätt. Styrelsens styrelse för Federal Reserve System gjorde det bäst i sitt diskussionsdokument från juli 2011 "Prognoser oljepriset", som började med att identifiera "oväntade stora och ihållande fluktuationer i det verkliga oljepriset."
Kvantitativa metoder
Företag anställer ekonometriker och andra marknadsexperter för att göra kort- och medellångsiktiga förutsägelser på oljemarknaden. Dessa yrkesverksamma använder mycket komplicerade matematiska modeller, som antingen fokuserar på ekonomi (med hjälp av spot- och framtida priser), eller tillgång och efterfrågan överväganden (kvantifiera variabler och testa deras förklarande kraft).
Spot- och framtida prismodeller är fortfarande populära hos många företag men trender utan fördel. Det grundläggande konceptet är att framtidsmarknaderna - särskilt förhållandet mellan terminspriser och fluktuationer i spotpriset - kommer att peka vägen till morgondagens oljepriser. Två inflytelserika akademiska artiklar publicerades 1991 (Bopp och Lady; Serletis) som antydde att framtida oljepriser inte var opartiska eller helt effektiva, men troligen fortfarande var bättre än några andra indikatorer. Denna slutsats nåddes genom fel- och korrigeringsmodeller (ECM), som gör det möjligt för statistiker eller ekonometriker att redogöra för partiskhet i futuresdata.
En tredje studie 1998 (Zeng och Swanson) tittade på råolja på NYMEX, New York Commodity Exchange, Chicago Board of Trade och Chicago Mercantile Exchange mellan 1990 och 1995. Den fann att ECM-modeller fungerade bäst. Fram till början av 2000-talet använde de flesta företag ECM-strategin.
Senare studier har varit mindre vänliga mot finansiella modeller. En granskade terminspriser på råolja i West Texas Intermediate (WTI) på NYMEX mellan 1989 och 2003 och fann att terminspriser och terminspriser varken är effektiva eller opartiska nog för att exakt förutsäga framtida spotpriser (och underligt nog att det fanns "lite bevis på riskpremier "på oljemarknaden). Författarna rekommenderade istället en slumpmässig gångprocess i tidsserier; slumpmässig promenadteori antyder att aktiekursförändringar inte kan användas för att förutsäga framtida rörelser. (Forskning från Portugals universitet 2013 upptäckte att tidsserie ekonometrisk modellering är den vanligaste prognosmetoden för råoljepriser.)
Utbuds- och efterfrågemodeller fokuserar på makroekonomiska variabler, såsom OPEC-produktion, inkomstelasticitet i efterfrågan på olja och reala bruttonationalprodukten (BNP). Eftersom det finns så många möjliga kombinationer av variabler, använder de flesta företag eller analytiska tjänster egna beräkningar och ändrar sina formler ofta. Målet är att hitta de mest statistiskt signifikanta variablerna, sedan hitta diagramfluktuationer i dessa variabler och skapa grova uppskattningar för framtida oljeprisintervall.
Kvalitativa eller icke-linjära metoder
Förespråkarna för alternativa tillvägagångssätt, som statistiker kan kalla "icke-standard" eller "olinjära" tillvägagångssätt, hävdar att framtida oljepriser är för slumpmässiga och kaotiska för alla traditionella processer. Dessa metoder kan fortfarande använda vissa av samma data som standardmodeller, men beräkningarna är baserade på mönsterigenkänning snarare än linjära modeller eller ekonometriska regressioner.
Ett populärt verktyg för mönsterigenkänning är det konstgjorda neurala nätverket (ANN). ANN-modellen, som bygger på den mänskliga hjärnans biologi, låter förmodligen simuleringen lära sig och generalisera upplevelser baserade på nya data. ANN används för en mängd olika analyser inom affärs-, vetenskap- och investeringsområden. En standardkritik av ANN-metoden - och ett främst skäl till att ANN: er inte är populära med privata oljeprognoser är de inneboende input som används för att utvärdera prisserier ofta är subjektiva eller godtyckliga.
Grundläggande investerare och analytiker tenderar att förhindra komplexa statistiska modeller. I stället förlitar grundläggande analytiker aggregerade affärsfaktorer, som lagernivåer, produktionstrender, naturkatastrofer och spekulatorns handlingar. Det implicita resonemanget bakom dessa kunskapsbaserade tillvägagångssätt är att oljepriserna påverkas starkt av stora, identifierbara händelser. Det är vanligt för företag att anställa marknadsanalytiker som förlitar sig på information från andra källor, till exempel Världsbankens handelsprognos, snarare än att skapa sina egna modeller.
