Статистический анализ и прогноз цен на нефть при помощи нейросетевой модели

Сегодня нефть остается одним из самых важных источников энергии для человечества, поэтому все страны являются потребителями нефти и нефтепродуктов. Как производители, так и потребители озадачены вопросом цены на нефть, так как ее динамика характеризует уровень издержек во всех производственных отраслях. Экономика многих стран основывается на добыче нефти и торговли нефтью и нефтепродуктами, поэтому прогнозирование цен на нефть является актуальной задачей [1].

Целью научной статьи является выявление факторов, оказывающих влияние на цену на нефть и прогноза цен на 2016 год на основе нейросетевой модели (математической модели, а также её программного или аппаратного воплощения, построенной по принципу организации и функционирования биологических нейронных сетей – сетей нервных клеток живого организма).

Объектом прогнозирования являются непосредственно сами цены на нефть, а предметом – динамика цен на нефть. Основными факторами следует считать состояние и темпы развития мировой экономики, прежде всего темпы изменения ВВП (рисунок 1).

Рисунок 1 – Связь цены на нефть марки Brent и номинального ВВП

Как следствие роста ВВП возрастет спрос и цены на нефть в развивающихся странах. В 2003-2013 гг. объем номинального ВВП России, цены на нефть марки Brent увеличились более чем в 5 раз, несмотря на то, что в 2008 году произошел финансовый кризис. Среднегодовая цена на нефть снизилась более чем на треть, объем номинального ВВП России в течение года сократился более чем на 25 % [2].

Однако зависимость роста ВВП от цен на нефть в некоторых случаях для России оказалась тяжелым бременем. В 2008 году произошел мировой финансовый кризис, вследствие чего снизились цены на нефть, что стало большим стрессом для экономики России. На рост или снижение цен на нефть, помимо ВВП страны, значительное влияние оказывают климатические условия, научно-технические достижения, фактор истощения запасов нефти и др. [1].

Существуют множество способов прогнозирования цен на нефть. В основе данной работы лежит метод нейросетевого прогнозирования, который основан на явлении обучения нейронов, соединенных друг с другом. Входными данными в нейронную модель являются ретроспектива (взгляд в прошлое, обозрение того, что было в прошлом) цен на нефть и факторы, оказывающие влияние на нефть. Далее проводится анализ степени воздействия отобранных факторов на разных промежутках времени, который также включает в себя корреляционный анализ (метод, позволяющий обнаружить зависимость между несколькими случайными величинами) выбранных данных [2]. В качестве входящей переменной рассматриваются среднемесячные цены на нефть в соответствующем году и в результате строится ежемесячный прогноз на конец 2014-го середину 2016 гг. Для того чтобы приступить к анализу данных и построению эконометрических моделей, необходимо посмотреть описательные статистики по переменным, а так же проверить данные на наличие выбросов. Все это необходимо сделать для получения наиболее точной модели. Для этого строится гистограмма остатков регрессии для цен на нефть (рисунок 2).

Рисунок 2 –Гистограмма остатков регрессии для цены на нефть

Далее проверяется ряд на гетероскедастичность (неоднородность наблюдений, выражающуюся в неодинаковой (непостоянной) дисперсии случайной ошибки регрессионной (эконометрической) модели). Визуальный анализ гетероскедастичной модели позволяет выявить отсутствие каких-либо признаков непостоянства дисперсии. При этом близость рассмотренных данных к кривой говорит о надежности построенных нейронных сетей.

Для определения тесноты связи данных рассматриваемой модели проводится корреляционный анализ. Переменные данного анализа являются значимыми. Это говорит о том, что они оказывают влияние на цену на нефть. Построенная нейросетевая модель соблюдает тенденцию ряда (рисунок 3).

По результату прогноза можно отметить, цены на нефть будут иметь незначительную тенденцию к росту и в целом будут стабильны. Проанализировав статьи и прогнозы, которые уже существуют на цены нефти в 2014 году стоит отметить, что в июне 2014 года котировки цен на нефть марки Brent снизились со 112 до 107 долларов за баррель. Отрицательная динамика демонстрировалась на фоне замедления глобального экономического роста, а также замедления экономики Китая и Европы.

Рисунок 3 – График прогноза по нейросетевой модели

Необходимо учесть неактивную позицию представителей стран ОПЕК по отношению к квотам на добычу нефти, что негативно влияет на бюджет нефтедобывающих стран. Прогноз указывает на рост волатильности нефтяных цен в конце 2014 года, что может являться отражением краткосрочного коррекционного снижения доллара. Нейромоделирование дает минимальную планку 87 долларов за баррель в декабре 2014 года, а максимальную 92 доллара за баррель в июне 2015г. Средняя цена с января 2015 по ноябрь 2015 гг. составила 90,4 доллара за баррель нефти.

Таким образом, в ходе исследования нами выявлены факторы, оказывающие влияние на цену на нефть и прогноз цен на 2016 год, основными среди которых являются состояние и темпы развития мировой экономики, прежде всего темпы изменения ВВП. Проанализировав цены на нефть при помощи нейросетевой модели можно отметить, что цены на нефть в 2016 г. будут иметь незначительную тенденцию к росту и в целом будут стабильны. Однако, в связи со сложившейся ситуацией на нефтяном рынке, а именно снижение спроса на нефть, не легальная добыча нефти и т. д., невозможно сделать достоверный прогноз ценовой динамики в будущем.