Der Rohölpreis gilt als einer der wichtigsten Indikatoren der Weltwirtschaft. Regierungen und Unternehmen investieren viel Zeit und Energie, um herauszufinden, wohin die Ölpreise als nächstes führen, aber Prognosen sind eine ungenaue Wissenschaft. Standardtechniken basieren auf Berechnungen (lineare Regressionen und Ökonometrie), aber Alternativen umfassen Strukturmodelle und computergesteuerte Analysen. Es gibt keinen allgemein akzeptierten Konsens darüber, wie die Ölpreise am besten prognostiziert werden können.
Unternehmen widmen Öl-Futures-Märkten besondere Aufmerksamkeit und beteiligen sich häufig daran. Rohöl-Futures werden an der New York Mercantile Exchange (NYMEX) und der Tokyo Commodity Exchange (TOCOM) gehandelt.
Rohölpreise verstehen
Auf einer elementaren Ebene wird die Rohölversorgung durch die Fähigkeit der Ölunternehmen bestimmt, Reserven aus dem Boden zu extrahieren und sie weltweit zu verteilen. Es gibt drei Hauptvariablen für das Angebot: technologische Veränderungen, Umweltfaktoren und die Fähigkeit der Ölunternehmen, Kapital zu akkumulieren und aufzufüllen. Technische Verbesserungen - insbesondere beim hydraulischen Brechen und beim Horizontalbohren - 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 guten wirtschaftlichen Zeiten und sinkt in langsameren wirtschaftlichen Zeiten. Die Verbesserung des Lebensstandards in China und Indien war im 21. Jahrhundert eine der Hauptursachen für die weltweite Nachfrage.
Unternehmen müssen diese Faktoren verstehen, bevor sie Ölpreisprognosen erstellen, aber selbst das reicht nicht aus. Der Ölpreis wird stark von nicht marktbestimmten Kräften beeinflusst, einschließlich der Organisation der Erdölexportländer (OPEC), die effektiv als multinationales Ölkartell fungiert. Die OPEC-Mitgliedsstaaten treffen gemeinsame Entscheidungen darüber, wie viel Öl auf den Weltmärkten freigesetzt werden soll, je nachdem, was für ihre Regierungen am besten ist. Die extremen Ölpreisschwankungen zwischen 2005 und 2015 deuten jedoch darauf hin, dass der Einfluss der OPEC begrenzt ist.
Öl ist in den meisten Ländern ebenfalls stark reguliert. Die Vereinigten Staaten haben, wie viele andere Nationen in Europa, strenge Beschränkungen, wo Öl gebohrt werden darf. Die Environmental Protection Agency (EPA) hat möglicherweise ebenso viel über die Ölpreise zu sagen wie Exxon Mobil oder British Petroleum.
Der Grund, warum Bewegungen des Ölpreises (oder irgendeines Rohstoffs) Analysten oft überraschen, ist, dass es Hunderte von Variablen gibt, von denen sich jede auf unvorhersehbare Weise gleichzeitig bewegt. Der Gouverneursrat des Federal Reserve System hat es am besten in seinem Diskussionspapier "Forecasting the Oil Price" (Prognose des Ölpreises) aus dem Juli 2011 formuliert, in dem zunächst "unerwartet große und anhaltende Schwankungen des realen Ölpreises" ermittelt wurden.
Quantitative Methoden
Unternehmen stellen Ökonomen und andere Marktexperten ein, um kurz- und mittelfristige Vorhersagen über den Ölmarkt zu treffen. Diese Experten verwenden hochkomplizierte mathematische Modelle, die sich entweder auf Finanzwerte (unter Verwendung von Kassa- und zukünftigen Preisen) oder auf Überlegungen zu Angebot und Nachfrage (Quantifizierung von Variablen und Testen ihrer Erklärungskraft) konzentrieren.
Spot- und Future-Preismodelle sind bei vielen Unternehmen nach wie vor beliebt, tendieren jedoch in Ungnade. Das Grundkonzept sieht vor, dass die Terminmärkte - insbesondere das Verhältnis zwischen Terminpreisschwankungen und Spotpreisschwankungen - den Weg zu den Ölpreisen von morgen weisen. 1991 wurden zwei einflussreiche wissenschaftliche Veröffentlichungen veröffentlicht (Bopp und Lady; Serletis), in denen darauf hingewiesen wurde, dass die zukünftigen Ölpreise nicht objektiv oder vollständig effizient sind, aber wahrscheinlich immer noch besser als alle anderen Indikatoren. Diese Schlussfolgerung wurde durch Fehler- und Korrekturmodelle (ECMs) erzielt, mit denen Statistiker oder Ökonomen Verzerrungen bei Futures-Daten berücksichtigen können.
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 ergab, dass ECM-Modelle die besten Ergebnisse erzielten. Bis zum Beginn des 21. Jahrhunderts verwendeten die meisten Unternehmen den ECM-Ansatz.
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 Termin- und Futures-Preise weder effizient noch unvoreingenommen genug sind, um die zukünftigen Spot-Preise genau vorherzusagen (und seltsamerweise gab es "wenig Anzeichen dafür" Risikoprämien "auf dem Ölmarkt). Die Autoren empfahlen stattdessen einen Zeitreihen-Random-Walk-Prozess. Die Random-Walk-Theorie legt nahe, dass Aktienkursänderungen nicht zur Vorhersage künftiger Bewegungen herangezogen werden können. (Untersuchungen der Universität von Portugal aus dem Jahr 2013 haben ergeben, dass die ökonometrische Zeitreihenmodellierung die häufigste Prognosemethode für Rohölpreise ist.)
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. Ziel ist es, die statistisch signifikantesten Variablen zu ermitteln, dann Diagrammschwankungen in diesen Variablen zu ermitteln und grobe Schätzungen für zukünftige Ölpreisspannen zu erstellen.
Qualitative oder nichtlineare Methoden
Die Befürworter alternativer Ansätze, die Statistiker als "nichtstandardisierte" oder "nichtlineare" Ansätze bezeichnen könnten, argumentieren, dass die zukünftigen Ölpreise für alle traditionellen Prozesse zu zufällig und chaotisch sind. Diese Methoden verwenden möglicherweise immer noch dieselben Daten wie Standardmodelle, die Berechnungen basieren jedoch eher auf Mustererkennung als auf linearen Modellen oder ökonometrischen Regressionen.
Ein beliebtes Werkzeug zur Mustererkennung ist das künstliche neuronale Netzwerk (ANN). Das ANN-Modell, das sich auf die Biologie des menschlichen Gehirns stützt, soll es der Simulation ermöglichen, auf der Grundlage neuer Daten Erfahrungen zu lernen und zu verallgemeinern. ANNs werden für eine Vielzahl von Analysen in den Bereichen Wirtschaft, Wissenschaft und Investment eingesetzt. Eine Standardkritik an der ANN-Methode - und ein Hauptgrund, warum ANNs bei privaten Ölprognosen nicht beliebt sind, sind die intrinsischen Eingaben zur Bewertung von Preisreihen, die häufig subjektiv oder willkürlich sind.
Fundamentale Anleger und Analysten scheuen in der Regel komplexe statistische Modelle. Stattdessen stützen sich fundamentale Analysten auf aggregierte Geschäftsfaktoren wie Lagerbestände, Produktionstrends, Naturkatastrophen und das Handeln von Spekulanten. Die implizite Begründung für diese wissensbasierten Ansätze lautet, dass die Ölpreise stark von großen, identifizierbaren Ereignissen beeinflusst werden. Für Unternehmen ist es üblich, Marktanalysten einzustellen, die auf Informationen aus anderen Quellen wie der Rohstoffprognose der Weltbank zurückgreifen, anstatt eigene Modelle zu erstellen.
