Wie prognostizieren Unternehmen Ölpreise? - KamilTaylan.blog
14 Juni 2021 13:53

Wie prognostizieren Unternehmen Ölpreise?

Crude Ölpreise gelten eine der wichtigsten Indikatoren in der Weltwirtschaft. Regierungen und Unternehmen verwenden viel Zeit und Energie, um herauszufinden, wohin sich die Ölpreise als nächstes entwickeln, aber Prognosen sind eine ungenaue Wissenschaft. Standardtechniken basieren auf Kalkül (lineare Regressionen und Ökonometrie), aber Alternativen umfassen Strukturmodelle und computergesteuerte Analytik. Es gibt keinen allgemein akzeptierten Konsens darüber, wie die Ölpreise am besten vorhergesagt werden können.

Unternehmen schenken auch den Öl-Futures-Märkten besondere Aufmerksamkeit und beteiligen sich oft daran. Rohöl-Futures werden an der New York Mercantile Exchange (NYMEX) und der Tokyo Commodity Exchange (TOCOM) gehandelt.1

Die Rohölpreise verstehen

Auf elementarer Ebene wird die Versorgung mit Rohöl durch die Fähigkeit der Ölgesellschaften bestimmt, Reserven aus dem Boden zu holen und auf der ganzen Welt zu verteilen. Es gibt drei wichtige Angebotsvariablen: technologische Veränderungen, Umweltfaktoren und die Fähigkeit der Ölgesellschaften, Kapital zu akkumulieren und aufzustocken. Technische Verbesserungen – insbesondere Hydraulic Fracturing und Horizontal Drilling – trugen dazu bei, die Weltmärkte nach 2008 mit Öl zu überschwemmen.

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

Unternehmen müssen diese Faktoren verstehen, bevor sie Ölpreisprognosen erstellen können, aber selbst das reicht nicht aus. Die Ölpreise werden stark von nicht marktwirtschaftlichen Kräften beeinflusst, einschließlich derOrganisation erdölexportierender Länder (OPEC), die effektiv als multinationales Ölkartell agiert. Die OPEC-Mitgliedsstaaten treffen gemeinsame Entscheidungen darüber, wie viel Öl sie auf den Weltmärkten freigeben, basierend auf dem, was für ihre Regierungen am besten ist. Die extremen Ölpreisschwankungen zwischen 2005 und 2015 sind jedoch ein Hinweis darauf, dass der Einfluss der OPEC begrenzt ist.

Auch Öl ist in den meisten Ländern stark reguliert. Die Vereinigten Staaten haben, wie viele andere Nationen in Europa, strenge Beschränkungen, wo Öl gebohrt werden darf; die Environmental Protection Agency (EPA) kann zum Ölpreis so viel zu sagen haben wie Exxon Mobil oder British Petroleum.

Der Grund, warum Bewegungen des Ölpreises (oder eines anderen Rohstoffs) Analysten oft überraschen, liegt darin, dass es Hunderte von Variablen gibt, von denen sich jede gleichzeitig auf unvorhersehbare Weise bewegt. Der Gouverneursrat des Federal Reserve Systems hat es in seinem Diskussionspapier „Prognose des Ölpreises“ vom Juli 2011 am besten formuliert, das mit der Identifizierung „unerwarteter großer und anhaltender Schwankungen des realen Ölpreises“ begann.

Quantitative Methoden

Unternehmen beauftragen Ökonometriker und andere Marktexperten, um kurz- und mittelfristige Vorhersagen zum Ölmarkt zu treffen. Diese Fachleute verwenden hochkomplizierte mathematische Modelle, die sich entweder auf Finanzwerte (unter Verwendung von Spot- und Future-Preisen ) oder auf Angebots- und Nachfrageüberlegungen (Quantifizierung von Variablen und Prüfung ihrer Erklärungskraft) konzentrieren.

Spot- und Future-Preismodelle sind bei vielen Unternehmen nach wie vor beliebt, geraten aber in Ungnade. Die Grundidee ist, dass Terminmärkte – insbesondere das Verhältnis zwischen Terminpreisschwankungen und Spotpreisschwankungen – den Weg zu den Ölpreisen von morgen weisen.1991 wurden zwei einflussreiche wissenschaftliche Arbeiten veröffentlicht (Bopp und Lady; Serletis), die darauf hindeuteten, dass die zukünftigen Ölpreise nicht unvoreingenommen oder vollständig effizient waren, aber wahrscheinlich immer noch besser waren als alle anderen Indikatoren. Diese Schlussfolgerung wurde durch Fehler- und Korrekturmodelle (ECMs) gezogen, die es Statistikern oder Ökonometrikern ermöglichen, Verzerrungen in Futures-Daten zu berücksichtigen.

Eine dritte Studie aus dem Jahr 1998 (Zeng und Swanson) untersuchte Rohöl an der NYMEX, der New York Commodity Exchange, dem Chicago Board of Trade und der Chicago Mercantile Exchange zwischen 1990 und 1995. Sie fand heraus, dass ECM-Modelle am besten abschneiden.8

Spätere Studien waren weniger freundlich zu Finanzmodellen. Eine Studie untersuchte die Rohöl-Futures-Preise von West Texas Intermediate (WTI) an der NYMEX zwischen 1989 und 2003 und stellte fest, dass die Forward- und Futures-Preise weder effizient noch unvoreingenommen genug sind, um zukünftige Spot-Preise genau vorherzusagen (und seltsamerweise gab es „wenig Anhaltspunkte dafür“ Risikoprämien „auf dem Ölmarkt). Die Autoren empfahlen stattdessen einen Random-Walk-Prozess in Zeitreihen;Die Random-Walk-Theorie legt nahe, dass Aktienkursänderungen nicht verwendet werden können, um zukünftige Bewegungen vorherzusagen.9 (Laut Chartered Alternative Investment Analyst Association ist die ökonometrische Zeitreihenmodellierung die gebräuchlichste Prognosemethode für Rohölpreise.)

Angebots- und Nachfragemodelle konzentrieren sich auf makroökonomische Variablen wie die OPEC-Produktion, die Einkommenselastizität der Ölnachfrage und das reale Bruttoinlandsprodukt (BIP). Da es so viele mögliche Kombinationen von Variablen gibt, verwenden die meisten Unternehmen oder Analysedienste proprietäre Berechnungen und ändern ihre Formeln häufig. Das Ziel besteht darin, die statistisch signifikantesten Variablen zu finden, dann Diagrammfluktuationen in diesen Variablen zu finden und grobe Schätzungen für zukünftige Ölpreisspannen 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 für traditionelle Prozesse zu zufällig und chaotisch seien. Diese Methoden verwenden möglicherweise immer noch einige der gleichen Daten wie Standardmodelle, aber die Berechnungen basieren eher auf Mustererkennung als auf linearen Modellen oder ökonometrischen Regressionen.

Ein beliebtes Werkzeug zur Mustererkennung ist das künstliche neuronale Netz (KNN). Das KNN-Modell, das auf der Biologie des menschlichen Gehirns basiert, lässt die Simulation angeblich lernen und Erfahrungen basierend auf neuen Daten verallgemeinern. KNN werden für eine Vielzahl von Analysen in den Bereichen Wirtschaft, Wissenschaft und Investitionen verwendet. Eine Standardkritik an der ANN-Methode – und ein Hauptgrund, warum ANNs 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 scheuen komplexe statistische Modelle. Stattdessen verlassen sichfundamentale Analysten auf aggregierte Geschäftsfaktoren wie Lagerbestände, Produktionstrends, Naturkatastrophen und die Handlungen von Spekulanten. Die implizite Argumentation hinter diesen wissensbasierten Ansätzen ist, dass die Ölpreise stark von großen, identifizierbaren Ereignissen beeinflusst werden. Es ist üblich, dass Unternehmen Marktanalysten beschäftigen, die sich auf Informationen aus anderen Quellen, wie der Rohstoffprognose der Weltbank, verlassen, anstatt eigene Modelle zu erstellen.