Wie prognostizieren Unternehmen Ölpreise?

Die Ölbranche spart sich gesund - oder noch kränker? - economy (April 2024)

Die Ölbranche spart sich gesund - oder noch kränker? - economy (April 2024)
Wie prognostizieren Unternehmen Ölpreise?

Inhaltsverzeichnis:

Anonim

Die Rohölpreise gelten als einer der wichtigsten Indikatoren der Weltwirtschaft. Regierungen und Unternehmen investieren viel Zeit und Energie, um herauszufinden, wohin die Ölpreise als nächstes gehen, aber Prognosen sind eine ungenaue Wissenschaft. Standardtechniken basieren auf Kalkül (lineare Regressionen und Ökonometrie), aber Alternativen umfassen strukturelle Modelle und computergesteuerte Analysen. Es gibt keinen allgemein akzeptierten Konsens darüber, wie Ölpreise am besten prognostiziert werden können.

Unternehmen legen auch besonderen Wert auf - und beteiligen sich häufig an - Öl-Futures-Märkten. Rohöl-Futures werden an der New York Mercantile Exchange (NYMEX) und der Tokyo Commodity Exchange (TOCOM) gehandelt.

Die Rohölpreise verstehen

Auf einer elementaren Ebene wird die Versorgung mit Rohöl von der Fähigkeit der Ölunternehmen bestimmt, Reserven aus der Erde zu gewinnen und sie in der ganzen Welt zu verteilen. Es gibt drei Hauptvariablen: technologische Veränderungen, Umweltfaktoren und die Fähigkeit der Ölunternehmen, Kapital zu akkumulieren und aufzufüllen. Technische Verbesserungen - insbesondere Hydrofracking und Horizontalbohrungen - trugen dazu bei, dass die Weltmärkte nach 2008 mit Öl überschwemmt wurden.

Der Rohölbedarf kommt von Einzelpersonen, Unternehmen und Regierungen. Im Allgemeinen steigt die Ölnachfrage in wirtschaftlich guten Zeiten und sinkt in wirtschaftlich schwächeren Zeiten. Der Anstieg des Lebensstandards in China und Indien war im 21. Jahrhundert eine wichtige Quelle der globalen Nachfrage.

Unternehmen müssen diese Faktoren verstehen, bevor sie Ölpreisprognosen abgeben, aber selbst das reicht nicht aus. Die Ölpreise werden stark von nicht marktbestimmten Kräften beeinflusst, darunter die Organisation der erdölexportierenden Länder (OPEC), die effektiv als multinationales Ölkartell agiert. Die OPEC-Mitgliedsstaaten treffen gemeinsame Entscheidungen darüber, wie viel Öl auf den Weltmärkten freigesetzt werden soll, basierend auf dem, was für ihre Regierungen am besten ist. Die extremen Schwankungen der Ölpreise zwischen 2005 und 2015 sind jedoch ein Indiz dafür, dass der Einfluss der OPEC begrenzt ist.

Öl ist in den meisten Ländern ebenfalls stark reguliert. Die Vereinigten Staaten haben, wie viele Nationen in Europa, strenge Beschränkungen, wo Öl gebohrt werden kann; Die Environmental Protection Agency (EPA) kann zu den Ölpreisen genauso viel sagen wie Exxon Mobil oder British Petroleum.

Der Grund, warum Bewegungen des Ölpreises (oder eines Rohstoffs) Analytiker oft überraschen, liegt darin, dass es Hunderte von Variablen gibt, von denen sich jeder gleichzeitig auf unvorhersehbare Weise bewegt. Der Gouverneursrat der US-Notenbank hat es in ihrem im Juli 2011 veröffentlichten Diskussionspapier "Forecasting the Price of Oil" am besten formuliert, indem er "unerwartete, große und anhaltende Schwankungen des realen Ölpreises identifizierte"."

Quantitative Methoden

Unternehmen stellen Ökonometriker und andere Marktexperten ein, um kurz- und mittelfristige Prognosen auf dem Ölmarkt zu treffen. Diese Fachleute verwenden hoch komplizierte mathematische Modelle, die sich entweder auf Finanzwerte konzentrieren (Spot- und zukünftige Preise verwenden) oder Angebots- und Nachfrageerwägungen (Quantifizierung von Variablen und Prüfung ihrer Erklärungskraft).

Spot- und Future-Preismodelle sind bei vielen Unternehmen nach wie vor beliebt, tendieren jedoch in Ungnade. Das Grundkonzept ist, dass Futures-Märkte - insbesondere die Beziehung zwischen Futures Preisschwankungen und Spotpreisschwankungen - werden den Weg zu den Ölpreisen von morgen weisen Zwei einflussreiche akademische Papiere wurden 1991 veröffentlicht (Bopp und Lady; Serletis), die andeuteten, dass die zukünftigen Ölpreise nicht unparteiisch oder vollständig effizient waren, aber wahrscheinlich immer noch besser waren als andere Indikatoren: Diese Schlussfolgerung wurde durch Fehler- und Korrekturmodelle (ECMs) erzielt, die es o Berücksichtigung von Verzerrungen bei Futures-Daten.

Eine dritte Studie von 1998 (Zeng und Swanson) befasste sich zwischen 1990 und 1995 mit Rohöl an der NYMEX, der New York Commodity Exchange, der Chicago Board of Trade und der Chicago Mercantile Exchange. Es stellte fest, dass ECM-Modelle am besten abschnitten. Bis zum frühen 21. Jahrhundert verwendeten die meisten Unternehmen den ECM-Ansatz.

Spätere Studien waren finanzmodellen gegenüber weniger freundlich. Eine bewertete West Texas Intermediate (WTI) Rohöl-Futures-Preise auf der NYMEX zwischen 1989 und 2003 und fand, dass Forward- und Futures-Preise weder effizient noch unvoreingenommen genug sind, um zukünftige Spotpreise genau vorherzusagen (und, neugierig, dass es "wenig Beweise Risikoprämien "auf dem Ölmarkt). Die Autoren empfahlen stattdessen einen Zeitreihen-Random-Walk-Prozess; Random-Walk-Theorie legt nahe, dass Aktienkursveränderungen nicht zur Vorhersage zukünftiger Bewegungen herangezogen werden können. (Untersuchungen der Universität von Portugal aus dem Jahr 2013 haben ergeben, dass ökonometrische Modelle in Zeitreihen die häufigste Prognose für Rohölpreise darstellen.)

Angebots- und Nachfragemodelle konzentrieren sich auf makroökonomische Variablen wie OPEC-Produktion, Einkommenselastizität der Nachfrage nach Öl und das reale Bruttoinlandsprodukt (BIP). Da es so viele mögliche Kombinationen von Variablen gibt, verwenden die meisten Unternehmen oder Analysedienste proprietäre Berechnungen und ändern häufig ihre Formeln. Das Ziel besteht darin, die statistisch signifikantesten Variablen zu finden, dann Diagrammfluktuationen in diesen Variablen zu finden und grobe Schätzungen für zukünftige Ölpreisbereiche zu erstellen.

Qualitative oder nichtlineare Methoden

Die Befürworter alternativer Ansätze, die Statistiker als "nicht standardisierte" oder "nichtlineare" Ansätze bezeichnen könnten, argumentieren, dass die zukünftigen Ölpreise zu zufällig und chaotisch für traditionelle Prozesse sind. Diese Methoden verwenden möglicherweise immer noch dieselben Daten wie Standardmodelle, aber die Berechnungen basieren eher auf Mustererkennung als auf linearen Modellen oder ökonometrischen Regressionen.

Ein beliebtes Mustererkennungswerkzeug ist das künstliche neuronale Netzwerk (KNN).Das ANN-Modell, das auf der Biologie des menschlichen Gehirns basiert, soll die Simulation angeblich auf der Grundlage neuer Daten lernen und verallgemeinern. ANNs werden für eine Vielzahl von Analysen in Wirtschaft, Wissenschaft und Investment eingesetzt. Eine Standardkritik der ANN-Methode - und ein Hauptgrund dafür, dass ANN bei privaten Ölprognosen nicht beliebt sind, ist, dass die intrinsischen Inputs, die zur Bewertung von Preisreihen verwendet werden, oft subjektiv oder willkürlich sind.

Fundamentale Anleger und Analysten neigen dazu, komplexe statistische Modelle zu meiden. Stattdessen stützen sich fundamentale Analysten auf aggregierte Geschäftsfaktoren wie Lagerbestände, Produktionstrends, Naturkatastrophen und das Handeln von Spekulanten. Der implizite Gedanke hinter diesen wissensbasierten Ansätzen ist, dass die Ölpreise stark von großen, identifizierbaren Ereignissen beeinflusst werden. Es ist üblich für Unternehmen, Marktanalysten zu beschäftigen, die sich auf Informationen aus anderen Quellen verlassen, wie zum Beispiel die Commodity Forecast der Weltbank, anstatt eigene Modelle zu erstellen.