Råoliepriser betragtes som en af ​​de vigtigste indikatorer i verdensøkonomien. Regeringer og virksomheder bruger meget tid og energi til at finde ud af, hvor oliepriserne er på vej næste, men prognoser er en inexakt videnskab. Standardteknikker er baseret på beregninger (lineære regressioner og økonometri), men alternativer omfatter strukturelle modeller og computerstyret analyse. Der er ikke meget accepteret konsensus om den bedste måde at forudsige oliepriser på.

Virksomheder er også særligt opmærksomme på - og deltager ofte i - olie futures markeder. Råolie futures handles på New York Mercantile Exchange (NYMEX) og Tokyo Commodity Exchange (TOCOM).

Forståelse af råoliepriserne

På råvareniveau afhænger råvareleverancen af ​​olieselskabernes evne til at udvinde reserver fra jorden og distribuere dem rundt om i verden. Der er tre hovedforsyningsvariabler: teknologiske ændringer, miljøfaktorer og olieselskabers evne til at akkumulere og genopbygge kapital. Tekniske forbedringer - især hydraulisk brud og horisontal boring - hjalp til 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 under langsommere økonomiske tider. Forhøjelser i levestandarden i Kina og Indien har været en stor kilde til global efterspørgsel i det 21. århundrede.

Virksomheder har brug for at forstå disse faktorer, før der laves olieprognoser, men det er ikke nok nok. Oliepriserne er stærkt påvirket af ikke-markedskræfter, herunder Organisationen for Petroleumseksportlande (OPEC), som effektivt fungerer som et multinationalt oliekartel. OPEC medlemslande træffer fælles beslutninger om, hvor meget olie der skal udgives 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-indflydelsen er begrænset.

Olie er også meget reguleret i de fleste lande. USA, ligesom mange nationer i Europa, har strenge restriktioner for, hvor olie kan bores; Miljøstyrelsen (EPA) kan have lige så meget at sige om oliepriserne 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 satte det bedst i deres diskussionspapir i juli 2011 "Forudsigelse af prisen på olie", som begyndte ved at identificere "uventede store og vedvarende udsving i den reelle oliepris."

Kvantitative metoder

Virksomheder ansætter økonometrikere og andre markedseksperter for at gøre forudsigelser på oliemarkedet på kort og mellemlangt sigt. Disse fagfolk bruger meget komplicerede matematiske modeller, der enten fokuserer på økonomi (ved hjælp af spot- og fremtidige priser) , eller efterspørgselsmæssige overvejelser (kvantificering af variabler og afprøvning af deres forklarende magt).

Spot-og fremtidige prismodeller er stadig populære hos mange virksomheder, men tendensen er uden fordel. Det grundlæggende koncept er, at futuresmarkederne - især forholdet mellem futures prisudsving og spotprisudsving - vil pege vejen til morgendagens oliepriser. To indflydelsesrige akademiske papirer blev offentliggjort i 1991 (Bopp og Lady; Serletis), der tyder på, at fremtidige oliepriser ikke var upartiske eller helt effektive, men sandsynligvis stadig bedre end eventuelle andre indikatorer. Denne konklusion blev nået gennem fejl- og korrektionsmodeller (ECM), som tillader statistikere eller økonometikere t o redegøre for bias i futures data

En tredje undersøgelse i 1998 (Zeng and Swanson) kiggede på råolie på NYMEX, New York Commodity Exchange, Chicago Board of Trade og Chicago Mercantile Exchange mellem 1990 og 1995. Det viste sig, at ECM modeller fungerede bedst. Indtil begyndelsen af ​​det 21. århundrede beskæftigede de fleste virksomheder ECM tilgangen.

Senere studier har været mindre venlige end økonomiske modeller. En gennemgået West Texas Intermediate (WTI) råolie futures priser på NYMEX mellem 1989 og 2003, at finde fremad og futures priser er hverken effektiv eller upartisk nok til nøjagtigt at forudsige fremtidige spotpriser (og nysgerrigt, at der var "lille bevis for risikopræmier "på oliemarkedet). Forfatterne anbefalede i stedet en tidsserie-random walk-proces; random walk teori tyder på, at aktiekursændringer ikke kan bruges til at forudsige fremtidig bevægelse. (Forskning fra Portugals Universitet i 2013 opdagede, at tidsserier økonometrisk modellering er den mest almindelige prognosemetode for råoliepriser.)

Udbuds- og efterspørgselsmodeller fokuserer på makroøkonomiske variabler, såsom OPEC-produktion, indkomstelasticitet efterspørgslen efter olie og realt bruttonationalprodukt (BNP). Fordi der er så mange mulige kombinationer af variabler, bruger de fleste virksomheder eller analytiske tjenester proprietære beregninger og ændrer ofte deres formler. Målet er at finde de mest statistisk signifikante variabler, og find derefter svingninger i de pågældende variabler og skabe ru estimater for fremtidige olieprisintervaller.

Kvalitative eller ikke-lineære metoder

Fortalerne om alternative tilgange, som statistikere kan kalde "non-standard" eller "nonlinear" -tilgange, hævder, at fremtidige oliepriser er for tilfældige og kaotiske for enhver traditionel proces. Disse metoder kan stadig bruge nogle af de samme data som standardmodeller, men beregningerne er baseret på mønstergenkendelse snarere end lineære modeller eller økonometriske regressioner.

Et populært mønstergenkendelsesværktøj er det kunstige neurale netværk (ANN).ANN-modellen, der er baseret på biologi af den menneskelige hjerne, muligvis lader simuleringen lære og generalisere erfaringer baseret på nye data. ANNs anvendes til en række analyser inden for erhvervs-, videnskabs- og investeringsområdet. En standard kritik af ANN-metoden - og en primær årsag til, at ANNs ikke er populære med private olieprognoser, er de egentlige input, der bruges til at evaluere prisserien, ofte subjektive eller vilkårlig.

Grundlæggende investorer og analytikere har en tendens til at genere sig fra komplekse statistiske modeller. I stedet baserer de grundlæggende analytikere på samlede forretningsfaktorer, såsom lagerniveauer, produktionstendenser, naturkatastrofer og spekulanters handlinger. Den implicitte begrundelse bag disse videnbaserede tilgange er, at oliepriserne er stærkt påvirket af store, identificerbare begivenheder. Det er almindeligt for virksomheder at ansætte markedsanalytikere, som er afhængige af information fra andre kilder, såsom Verdensbankens råvareprognose, snarere end at oprette deres egne modeller.