Ruwe aardolieprijzen worden beschouwd als een van de belangrijkste indicatoren in de wereldeconomie. Overheden en bedrijven besteden veel tijd en energie om erachter te komen waar de olieprijzen nu naartoe gaan, maar prognoses zijn een onnauwkeurige wetenschap. Standaardtechnieken zijn gebaseerd op calculus (lineaire regressies en econometrie), maar alternatieven omvatten structurele modellen en computergestuurde analyses. Er bestaat geen algemeen aanvaarde consensus over de beste manier om de olieprijzen te voorspellen.

AD:

Bedrijven besteden ook speciale aandacht aan - en nemen vaak deel aan - oliefutures. Ruwe olie futures worden verhandeld op de New York Mercantile Exchange (NYMEX) en Tokyo Commodity Exchange (TOCOM).

Ruwe olieprijzen begrijpen

Op een elementair niveau wordt de aanvoer van ruwe olie bepaald door het vermogen van oliemaatschappijen om reserves uit de grond te halen en deze over de hele wereld te verdelen. Er zijn drie belangrijke toevoervariabelen: technologische veranderingen, milieufactoren en het vermogen van oliemaatschappijen om kapitaal te accumuleren en aan te vullen. Technische verbeteringen - met name hydraulisch breken en horizontaal boren - hielpen de wereldmarkten overspoelen met olie na 2008.

AD:

De vraag naar ruwe olie is afkomstig van particulieren, bedrijven en overheden. Over het algemeen stijgt de vraag naar olie tijdens goede economische tijden en neemt deze af tijdens langzamere economische tijden. Verhogingen van de levensstandaard in China en India zijn een belangrijke bron van wereldwijde vraag in de 21ste eeuw geweest.

Bedrijven moeten deze factoren begrijpen voordat ze de olieprijsprognoses opstellen, maar zelfs dat is niet genoeg. Olieprijzen worden sterk beïnvloed door niet-marktkrachten, waaronder de Organisatie van de Olie-exporterende Landen (OPEC), die feitelijk optreedt als een multinationaal oliekartel. Leden van de OPEC-landen nemen gezamenlijk beslissingen over hoeveel olie moet worden vrijgegeven aan de wereldmarkten op basis van wat het beste is voor hun regeringen. De extreme schommelingen in de olieprijzen tussen 2005 en 2015 zijn echter een indicatie dat de invloed van de OPEC beperkt is.

AD:

Olie is ook in de meeste landen sterk gereguleerd. De Verenigde Staten hebben, net als veel andere landen in Europa, strikte beperkingen op de plaats waar olie kan worden geboord; het Environmental Protection Agency (EPA) heeft misschien net zo veel te zeggen over de olieprijzen als Exxon Mobil of British Petroleum.

De reden waarom schommelingen in de olieprijs (of elke grondstof) analisten vaak verbazen, is omdat er honderden variabelen zijn, die allemaal tegelijkertijd op onvoorspelbare manieren bewegen. De raad van bestuur van het Federal Reserve-systeem heeft dit het beste gedaan in hun discussienota juli 'Voorspelling van de prijs van olie', die begon met het identificeren van 'onverwachte grote en aanhoudende fluctuaties in de reële olieprijs'."

Kwantitatieve methoden

Bedrijven huren econometristen en andere marktdeskundigen in om voorspellingen te doen voor de korte en middellange termijn op de oliemarkt.Deze professionals gebruiken uiterst gecompliceerde wiskundige modellen, die ofwel op financials zijn gericht (met behulp van contante en toekomstige prijzen) of vraag-en-aanbodoverwegingen (kwantificeren van variabelen en testen van hun verklarende kracht). Spot- en toekomstige prijsmodellen zijn nog steeds populair bij veel bedrijven, maar raken uit de gratie. Het basisconcept is dat futuresmarkten - met name de relatie tussen futures prijsschommelingen en fluctuaties in de prijsschommelingen - zullen de weg wijzen naar de olieprijzen van morgen.In 1991 publiceerden twee invloedrijke academische papers (Bopp en Lady; Serletis) die suggereerden dat toekomstige olieprijzen niet onpartijdig of volledig efficiënt waren, maar waarschijnlijk nog steeds beter waren dan andere indicatoren Deze conclusie werd bereikt door middel van fout- en correctiemodellen (ECM's), die statistici of econometristen o rekening houden met vertekening in futures-gegevens.

Een derde onderzoek in 1998 (Zeng en Swanson) keek naar ruwe olie op de NYMEX, de New York Commodity Exchange, de Chicago Board of Trade en de Chicago Mercantile Exchange tussen 1990 en 1995. Het bleek dat ECM-modellen het beste presteerden. Tot het begin van de 21ste eeuw gebruikten de meeste bedrijven de ECM-benadering.

Latere onderzoeken zijn minder goed geweest voor financiële modellen. Een gereviewde West Texas Intermediate (WTI) prijs van ruwe olie op de NYMEX tussen 1989 en 2003, waarbij wordt vastgesteld dat forward- en futures-prijzen niet efficiënt noch onbevooroordeeld genoeg zijn om toekomstige spotprijzen nauwkeurig te voorspellen (en, merkwaardig genoeg, dat er "weinig aanwijzingen waren voor risicopremies "op de oliemarkt). De auteurs raadden in plaats daarvan een tijdreeks willekeurig wandelproces aan; random walk-theorie suggereert dat veranderingen in aandelenprijzen niet kunnen worden gebruikt om toekomstige bewegingen te voorspellen. (Uit onderzoek van de Universiteit van Portugal in 2013 bleek dat econometrische modellen uit de tijdreeks de meest gebruikelijke prognosemethode voor ruwe olieprijzen zijn.)

Vraag- en aanbodmodellen zijn gericht op macro-economische variabelen, zoals de OPEC-productie, inkomenselasticiteit van de vraag naar olie en het reële bruto binnenlands product (BBP). Omdat er zoveel mogelijke combinaties van variabelen zijn, gebruiken de meeste bedrijven of analytische services eigen berekeningen en wijzigen ze hun formules vaak. Het doel is om de meest statistisch significante variabelen te vinden, vervolgens diagramfluctuaties in die variabelen te vinden en ruwe schattingen te maken voor toekomstige prijsbereiken voor olie.

Kwalitatieve of niet-lineaire methoden

De voorstanders van alternatieve benaderingen, die statistici "niet-standaard" of "niet-lineaire" benaderingen zouden kunnen noemen, beweren dat toekomstige olieprijzen te willekeurig en chaotisch zijn voor traditionele processen. Deze methoden kunnen nog steeds dezelfde gegevens gebruiken als standaardmodellen, maar de berekeningen zijn gebaseerd op patroonherkenning in plaats van lineaire modellen of econometrische regressies.

Een populair gereedschap voor patroonherkenning is het kunstmatige neurale netwerk (ANN).Het ANN-model, dat is gebaseerd op de biologie van het menselijk brein, laat de simulatie waarschijnlijk ervaringen leren en generaliseren op basis van nieuwe gegevens. ANNs worden gebruikt voor een verscheidenheid aan analyses op bedrijfs-, wetenschaps- en investeringsgebied. Een standaardkritiek op de ANN-methode - en een primaire reden waarom ANNs niet populair is bij particuliere olieprognoses is dat de intrinsieke inputs die worden gebruikt om prijsreeksen te evalueren vaak subjectief of willekeurig zijn.

Fundamentele beleggers en analisten schrikken vaak af van complexe statistische modellen. In plaats daarvan vertrouwen fundamentele analisten op geaggregeerde zakelijke factoren, zoals voorraadniveaus, productietrends, natuurrampen en acties van speculanten. De impliciete redenering achter deze op kennis gebaseerde benaderingen is dat de olieprijzen zwaar worden beïnvloed door grote, identificeerbare gebeurtenissen. Het is gebruikelijk dat bedrijven marktanalisten inzetten die zich baseren op informatie uit andere bronnen, zoals de grondstoffenvoorspelling van de Wereldbank, in plaats van hun eigen modellen te maken.