Этот год был особенно неожиданным и бурным. Менее чем за 10 месяцев мы стали свидетелями того, как разразилась неизвестная болезнь, которая остановила мировую экономику и вернула мир в рецессию. Рабочие и студенты были вынуждены адаптироваться и работать из дома. Крупные сдвиги за относительно короткий период времени коренным образом изменили наше современное общество. Эта беспрецедентная ситуация оставляет много места для исследований, чтобы лучше понять ключевые факторы, стоящие за этими изменениями. Как студент последнего курса по обмену в Имперском колледже, этим летом мы провели исследовательский проект по теме, связанной с количественными финансами. Студенты всегда учатся на прошлых событиях и, в частности, на предыдущем кризисе из десяти периодов, из которых мы узнаем больше всего. Финансовые рынки в этом году - случай из учебника. Действительно, в январе 2020 года они достигли рекордного уровня, а в марте упали до самого низкого уровня с 2008 года. Параллельно с этим цены на нефть были вовлечены в ожесточенную ценовую войну, которая привела, помимо исчезновения спроса во всем мире, к отрицательным ценам фьючерсов на WTI 21 апреля.

В партнерстве с MyDataModels мы возглавляли проект, посвященный прогнозированию фьючерсов на нефть на 3 и 4 кварталы 2020 года и корреляции фьючерсов на WTI с распространением COVID-19. С одной стороны, прогнозы сначала разрабатывались в соответствии с моделью временных рядов ARIMA, а затем с помощью машинного обучения, предоставленного MyDataModels.

Ценовая война на нефть и COVID19: взрывной коктейль

В марте ОПЕК и Россия, крупнейшие мировые производители нефти, должны были пересмотреть свои условия сделки, регулирующей их добычу нефти во всем мире. Ранее в этом году, в январе, COVID-19 начал быстро распространяться в Китае и по всей Азии. Этот вирус долгое время недооценивался развитыми странами, особенно в Европе и США, где другие прошлые пандемии, такие как SRAS, считались аналогичными. Мы стали свидетелями совершенно другого сценария, чем мы все ожидали на Западе. Поскольку европейские страны сильно пострадали от вируса, правительства ввели жесткие ограничения на их население, открыв путь для полной изоляции.

Наш мир почти полностью полагается на масло, чтобы поддерживать работу двигателя в нашей гонке за неограниченный рост. Поэтому черное золото всегда считалось жизненно важным ресурсом с относительно высокой ценой, которая почти исключительно колебалась в зависимости от политического климата вокруг его производителей. С другой стороны, шоки спроса никогда не рассматривались как угроза ценам на нефть. Во время блокировок, когда у людей почти не было причин использовать свои машины, поездки на самолетах были запрещены для борьбы с вирусом, а перевозки товаров по всему миру резко замедлились, потребление нефти должно было прекратиться. Заметив это, Саудовская Аравия, лидер ОПЕК, попыталась ускорить переговоры по сделке с Россией, чтобы снизить добычу нефти, чтобы противостоять грядущему кризису. Россия, с другой стороны, посчитала, что такой подход только выиграет от конкурирующих сланцевых производителей США, и отказалась от сделки. Это когда рациональность отступила и уступила место индивидуализму и корысти. В ответ Саудовская Аравия начала ценовую войну против цен на нефть против России, увеличив суточную добычу на 2,6 миллиона баррелей в день, хотя в следующие месяцы миру потребуется меньше нефти. 13 марта, за 3 дня до обвала рынков, Financial Times выпустила короткое видео, объясняющее ценовую войну, дающее представление о том, чего люди тогда ожидали: «Что теперь? Цены на нефть несколько восстановились, но никто не знает, насколько это плохо. Крупные нефтяные компании готовятся к продолжительному периоду низких цен. […] И снова рынок нефти готовится к худшему сценарию ». Так ли это на самом деле?

На диаграмме 1 показаны спады в период с марта по апрель, связанные с ценовой войной между Саудовской Аравией и Россией. 2 апреля президент США Дональд Трамп оказал давление на Саудовскую Аравию, чтобы она заключила с Россией сделку о сокращении добычи, чтобы предотвратить дальнейшее падение цен на нефть, поскольку для производителей нефти в США это будет фатальным. 9 апреля между нефтедобывающими компаниями подписывается сделка. Они договорились сократить добычу на 10 млн баррелей в день (положительный пик перед нефтяным коллапсом). Фьючерсы на нефть, которые должны были быть поставлены в мае (истекающие 21 апреля), оказались в ситуации очень высокого контанго, когда их цены были выше, чем фактическая ожидаемая цена товара при поставке. Из-за отсутствия спроса на нефть в дополнение к перегруженным хранилищам, майские фьючерсы на нефть WTI 20 апреля стали отрицательными. Среди всех финансовых кризисов, поразивших нефтяной рынок, этот выходит как хрестоматийный случай, когда он представляет собой сочетание внешних факторов, ведущих в тупик. В частности, следует указать на две вещи: во-первых, емкость хранилища зависит от ожидаемой активности, которая никогда полностью не прекращается. Когда мощности заполнены, нефть не только бесполезна, но и является чистым убытком для производителей, поскольку ее необходимо выбрасывать. Во-вторых, в противовес предыдущему нефтяному кризису, когда инвесторы накапливали запасы баррелей, чтобы дождаться, пока цены снова вырастут, такие действия предотвратили блокировки. Даже спекуляции на продуктах были невозможны, что сделало фьючерсы на WTI обузой.

Почему нужно прогнозировать цены на нефть во второй половине 2020 года?

В марте мы стали свидетелями поведения, к которому наше общество не привыкло: паники из-за отсутствия контроля. У правительств большинства развитых стран было и до сих пор нет лучшего решения, чем полностью закрыть свою экономику, чтобы предотвратить распространение вируса. Системы здравоохранения во всем мире не созданы для того, чтобы выдерживать очень сильное потрясение в потоке пациентов, которое происходит почти мгновенно. Кроме того, медицинские работники должны проявлять осторожность и строгость, чтобы сами не заразиться вирусом. С физической экономикой, которая исчезла на 2 месяца в этом году, многие компании также столкнутся с проблемами. Как показано на Рисунке 2 ниже, был отмечен высокий уровень задолженности, особенно у производителей нефти, которые сильно пострадали от нефтяного кризиса.

Наш взгляд на текущую проблему состоит в том, что мир держится, в то время как каждая медицинская компания конкурирует за коммерциализацию вакцины. Следовательно, поскольку изоляция на срок почти год не является экономически устойчивой ни для одной страны, мы ожидали - в течение лета - периода, когда ограничения должны быть ослаблены. Следовательно, мы ожидали нового роста случаев COVID 19 в этих странах, что впоследствии приведет к ситуации, когда можно будет снова рассмотреть вопрос о блокировке (и вот мы снова в Европе!). В этом случае мы снова можем оказаться в ситуации, когда нефть может оказаться в тяжелом положении.

Параллельно с этим рыночное финансирование в значительной степени полагается на допущение Priced-In, которое гласит, что большинство инвесторов делятся большим объемом информации, которая будет определять их решения. Следовательно, цены на финансовые продукты должны отражать всю общедоступную информацию. Тогда мы считали, что наиболее интуитивно понятные последствия COVID-19 должны быть учтены в финансовых продуктах, особенно в нефти.

Прогнозирование нефтяных фьючерсов на практике:

Этот проект был построен, чтобы попытаться провести три различных анализа цен на нефть. Сначала мы хотели спрогнозировать крах фьючерсов на WTI в апреле прошлого года с данными за год (в конце, из финансов Yahoo), используя модель ARIMA временных рядов. Идея заключалась не в том, чтобы создать волшебную модель, а в том, чтобы увидеть, существует ли краткосрочный тренд, который мог бы дать намек на нисходящий тренд с другим источником, чем ценовая война. Модель ARIMA - это класс моделей, который помогает прогнозировать будущие точки данных. Его преимущество заключается в предоставлении прогнозов, основанных на их прошлых значениях, а также на их запаздывающих ошибках. Эта комбинация обеспечивает более надежные прогнозы. Кроме того, эта модель особенно удобна для нестационарных наборов данных, которая больше подходит для периода кризиса, когда такая гипотеза неверна. Во-вторых, мы использовали ту же модель, чтобы сделать прогнозы на вторую половину 2020 года, чтобы увидеть, подсчитывал ли рынок, подсознательно или нет, вторую волну трудных времен для нефти. Наши результаты в этой части мало надежны, поскольку эта модель недостаточно сложна, чтобы понять всю сложность рынка. Более того, модели временных рядов разделяют также бремя придания слишком большого значения недавним прошлым значениям. Резкое недавнее падение, такое как обвал рынка, слишком сильно повлияет на прогнозы в краткосрочной перспективе. Чтобы улучшить это исследование, можно было бы добавить непостоянный весовой коэффициент, изменяющийся во времени и распространении вируса. Кроме того, можно добавить фиктивные переменные, чтобы сосредоточиться на секторах в случае определенных событий, таких как банкротство, прерывание IPOS и т. Д.

Наконец, когда мы столкнулись с несогласованностью наших прогнозов с помощью моделей временных рядов, мы захотели использовать более сложные модели и другие переменные, чтобы лучше понять движения нефтяных фьючерсов. Продукт MyDataModels, TADA, представляет собой алгоритм машинного обучения, разработанный для работы с небольшими наборами данных. Эта специфика является идеальным преимуществом в нашем случае, когда мы сосредотачиваемся на коротком временном окне для проведения нашего исследования. В качестве исходных данных мы рассмотрели эволюцию случаев COVID-19 (предоставленных Университетом Джона Хопкинса) за день с 22 января по странам. Мы собрали данные по географическим регионам: Европа, Ближний Восток, Северная Америка, Южная Америка, Азия и Океания. Кроме того, мы также рассматривали индекс VIX за тот же период времени как показатель ежедневного взгляда инвесторов на глобальную ситуацию. Индекс страха регулярно рассматривается как индикатор разворота тренда, поскольку он увеличивается, когда рынок становится медвежьим или волатильным. Мы предоставили TADA чистые данные, чтобы спрогнозировать цены на нефть WTI, и ему следует выбрать исходные данные, которые лучше всего объясняют движения цен на нефть в течение рассматриваемого периода. Чтобы проверить точность алгоритма, а также рациональность полученных результатов, мы решили установить разные временные окна для обучающих наборов: с 22 января до краха марта, затем до краха апреля и, наконец, с января по июль. Как и ожидалось, выбор объясняющих переменных становится более логичным по мере увеличения размера обучающей выборки.

С другой стороны, мы также заметили, что, как и в моделях временных рядов, размер обучающей выборки был недостаточным, чтобы позволить TADA не учитывать слишком много недавних сбоев в своих прогнозах. В конце документа, на рисунках с 3 по 5 и с 6 по 8, мы приводим некоторые оценки, которые мы вычислили с помощью нашей модели. Во-первых, одно из основных различий между двумя моделями - надежность результатов. В ARIMA кривая прогноза слишком гладкая, чтобы даже приблизиться к движению цен WTI, тогда как TADA, похоже, включает стохастическое поведение в свои прогнозы. ARIMA и TADA в значительной степени полагаются на прошлые результаты и сильно оценивают краткосрочные прошлые данные. В ARIMA тенденция слабее, но сохраняется во всех прогнозах. Например, на рисунке 3 мы видим, что прогнозы для цен с 4 по 19 августа на самом деле имели тенденцию к понижению, в то время как фактические цены росли в течение того же периода времени. В случае TADA алгоритм взвешивает более свежие данные, и рисунок 6 отлично это показывает. Если цены падают, то модель предсказывает непрерывное падение, которое доводит цены до −∞. Даже на рисунках 7 и 8 мы видим, что влияние сбоя по-прежнему сильно влияет на прогнозы алгоритма. На наш взгляд, мы предполагаем, что TADA была создана для правильного поведения с био / генетическими моделями, которые отличаются от финансовых. Мы считаем, что помимо изменения исходного кода, к которому у нас не было доступа, мы могли бы решить или, по крайней мере, смягчить эту проблему, улучшив исходные данные. Например, можно попытаться реализовать изменяющийся во времени коэффициент, который должен придать меньший вес краткосрочному тренду, и попытаться показать TADA долгосрочный тренд. Другими словами, мы могли бы добавить к модели своего рода фильтр импульса-тренда, который помог бы нам улучшить предсказания прогнозов. Кроме того, диаграмма 8 дает многообещающие результаты, поскольку, в отличие от диаграммы 4, прогнозы на этот раз совпадают с фактическими ценами.

Скромное исследование, которое можно улучшить

Месяц назад европейские страны снова начали вводить ограничения на общественные места, рестораны, пабы и тренажерные залы. Такие страны, как Германия и Великобритания, ввели ограничения для туристов, прибывающих из таких стран, как Франция и Испания. В большинстве европейских стран сейчас действует строгий комендантский час или режим изоляции. Ситуация, которую мы вообразили еще в марте, вполне возможна, что подчеркивает интуицию, лежащую в основе нашей работы. Однако мы недооценили стремление правительств стран поддерживать свою экономику, чтобы максимально смягчить грядущий экономический кризис. В этом смысле мы думали, что произойдет новый отрицательный шок спроса на нефть, но до сих пор миру удавалось его избежать.

Этот проект является частью завершения нашего учебного года в Имперском колледже, но наш подход можно улучшить, и мы считаем, что он даст интересные результаты. Эта тема также позволила нам поверить в то, что мы можем разложить информацию о влиянии на финансовые рынки. Например, 16 марта рынок оценил влияние COVID-19 на развитые экономики. Мы могли бы дополнительно изучить влияние на курс акций некоторых компаний. В частности, по акциям технологических компаний, ралли которых, имевшее место с марта по настоящее время, высветило хорошо известный переход от исторической физической экономики к более виртуальной. Весьма вероятно, что многие компании столкнутся с банкротством в следующие месяцы, поскольку уровень долгов корпораций достиг угрожающего уровня. Прогнозы жизненно важны, особенно для небольших наборов данных, гибкость которых улучшит нашу способность адаптироваться к кризисам, с которыми мы обязательно столкнемся в будущем. TADA - идеальный пример продукта, который показывает потенциал для дальнейшего развития в этом смысле.

Вы можете найти полную версию статьи по этой ссылке:

Https://www.scribd.com/document/485636939/Prediction-of-Oil-Futures-Prices-Benjamin-Claverie