Råoljepriset anses vara en av de viktigaste indikatorerna i världsekonomin. Regeringar och företag spenderar mycket tid och energi för att ta reda på var oljepriset är på väg nästa, men prognos är en oförutsedd vetenskap. Standardtekniker är baserade på kalkyl (linjära regressioner och ekonometri), men alternativ inkluderar strukturella modeller och datorstyrd analytik. Det finns inget allmänt accepterat samförstånd om det bästa sättet att prognostisera oljepriserna.

Företaget ägnar särskild uppmärksamhet åt - och ofta deltar i - olje futures marknader. Råolja futures handlas på New York Mercantile Exchange (NYMEX) och Tokyo Commodity Exchange (TOCOM).

Förstå priserna på råolja

På grundnivå bestäms utbudet av råolja av oljebolagens förmåga att ta ut reserver från marken och distribuera dem runt om i världen. Det finns tre stora utbudsvariabler: tekniska förändringar, miljöfaktorer och oljebolagens förmåga att ackumulera och fylla på kapital. Tekniska förbättringar - särskilt hydraulisk frakturering och horisontell borrning - hjälpte till att översvämma världsmarknaderna med olja efter 2008.

Efterfrågan på råolja kommer från individer, företag och regeringar. I allmänhet ökar efterfrågan på olja under goda ekonomiska tider, och den minskar under långsammare ekonomiska tider. Ökningar i levnadsstandarden i Kina och Indien har varit en stor källa till den globala efterfrågan på 2000-talet.

Företagen behöver förstå dessa faktorer innan de gör oljeprisprognoser, men det är inte tillräckligt. Oljepriset påverkas starkt av icke-marknadskrafter, däribland Organisationen för de petroleumexporterande länderna (OPEC), som effektivt fungerar som en multinationell oljekartell. OPEC-medlemsländer fattar gemensamma beslut om hur mycket olje som ska släppas ut på världsmarknaden utifrån vad som är bäst för sina regeringar. De extrema svängningarna i oljepriset mellan 2005 och 2015 är dock en indikation på att OPEC-inflytandet är begränsat.

Olja är också starkt reglerad i de flesta länder. Förenta staterna, liksom många nationer i Europa, har strikta restriktioner för var olja kan borras. Miljöskyddsmyndigheten (EPA) kan ha så mycket att säga om oljepriset som Exxon Mobil eller British Petroleum.

Anledningen till att rörelser i oljepriset (eller någon vara) ofta överraskar analytiker är att det finns hundratals variabler, var och en av dem rör sig samtidigt på oförutsägbara sätt. Styrelsen för Federal Reserve System gjorde det bäst i sitt debattartikel "Prognos för oljepriset", som började genom att identifiera "oväntade stora och ihållande fluktuationer i det verkliga priset på olja."

Kvantitativa metoder

Företag anställer ekonometriker och andra marknadsexperter för att göra prognoser på kort och medellång sikt på oljemarknaden. Dessa yrkesverksamma använder mycket komplicerade matematiska modeller som antingen fokuserar på ekonomi (med hjälp av spot- och framtida priser) , eller efterfrågan och efterfrågan (kvantifierande variabler och testning av deras förklarande kraft).

Spot och framtida prismodeller är fortfarande populära hos många företag, men trenden är ofördelaktiga. Det grundläggande begreppet är att terminsmarknaderna - särskilt förhållandet mellan terminer prisflyktringar och fluktuationer i spotpriset - kommer att peka vägen till morgondagens oljepriser. Två inflytelserika akademiska papper publicerades 1991 (Bopp och Lady; Serletis) som föreslog att framtida oljepriser inte var objektiva eller helt effektiva, utan var nog bättre än några andra indikatorer. Denna slutsats uppnåddes genom fel- och korrigeringsmodeller (ECM), som tillåter statistiker eller ekonometiker t o konto för bias i terminsdata

En tredje studie 1998 (Zeng and Swanson) kollade på råolja på NYMEX, New York Commodity Exchange, Chicago Board of Trade och Chicago Mercantile Exchange mellan 1990 och 1995. Det fann att ECM modeller fungerade bäst. Fram till början av 21-talet anställde de flesta företag ECM-metoden.

Senare studier har varit mindre snäll mot finansiella modeller. En granskning av priserna på terminspriserna på västoljepriset (WTI) på NYMEX mellan 1989 och 2003 är att det inte är effektivt eller tillräckligt tillräckligt att noggrant förutsäga framtida spotpriser (och märkligt att det fanns "lite bevis på att riskpremier "på oljemarknaden). Författarna rekommenderade istället en tidsserie-slumpmässig promenadprocess; slumpmässig promenadteori föreslår att förändringar i aktiekurserna inte kan användas för att förutsäga framtida rörelser. (Forskning från Universitetet i Portugal upptäckte år 2013 att ekonomisk modellering av tidsserier är den vanligaste prognosen för råoljepriset.)

Modellerna för efterfrågan och efterfrågan fokuserar på makroekonomiska variabler, såsom OPEC-produktion, inkomstelasticitet efterfrågan på olja och verklig bruttonationalprodukt (BNP). Eftersom det finns så många möjliga kombinationer av variabler använder de flesta företag eller analytiska tjänster proprietära beräkningar och ändrar ofta deras formler. Målet är att hitta de mest statistiskt signifikanta variablerna, hitta sedan schablonfluktuationer i dessa variabler och skapa grova uppskattningar för framtida oljeprisintervall.

Kvalitativa eller icke-linjära metoder

Förespråkare av alternativa metoder, vilka statistiker kan kalla "icke-standardiserade" eller "olinjära" metoder, hävdar att framtida oljepriser är för slumpmässiga och kaotiska för alla traditionella processer. Dessa metoder kan fortfarande använda några av samma data som standardmodeller, men beräkningarna är baserade på mönsterigenkänning snarare än linjära modeller eller ekonometriska regressioner.

Ett populärt mönsterigenkänningsverktyg är det konstgjorda neurala nätverket (ANN).ANN-modellen, som bygger på biologin hos den mänskliga hjärnan, låter simuleringen lära och generalisera erfarenheter baserade på ny data. ANNs används för en rad olika analyser inom företag, vetenskap och investeringar. En standard kritik av ANN-metoden - och en primär anledning till att ANNs inte är populära med privata oljeprognoser är de inbyggda insatserna som används för att utvärdera prisserier är ofta subjektiva eller godtyckliga.

Grundläggande investerare och analytiker tenderar att blyga bort från komplexa statistiska modeller. Istället bygger de grundläggande analytikerna på aggregerade affärsfaktorer, såsom lagernivåer, produktionstrender, naturkatastrofer och spekulationsåtgärder. Den implicita resonemanget bakom dessa kunskapsbaserade tillvägagångssätt är att oljepriserna drabbas hårt av stora identifierbara händelser. Det är vanligt att företagen använder marknadsanalytiker som bygger på information från andra källor, till exempel Världsbankens råvaruprognos, istället för att skapa egna modeller.