АНАЛІЗ ЧАСОВИХ РЯДІВ З МЕТОЮ ПРОГНОЗУВАННЯ ЦІН НА СИРУ НАФТУ
Ключові слова:
Світові ціни на нафту, прогнозування, ARMA, GARCH, прибутковість, програма Eviews.Анотація
Багато аналітиків, політиків і дослідників все більше стурбовані коливаннями світових цін на сиру нафту. Це пов’язано з тим, що ціни на нафту відображають багато макроекономічних і фінансових показників (ВВП, безробіття, інфляцію, індекс S&P 500, індекс Nasdaq Composite), а також умови на різноманітних фінансових і товарних ринках. У цій роботі визначено найбільш придатну модель для оцінювання та прогнозування щомісячних цін на нафту марки «West Texas Intermediate» (WTI) через порівняння трьох гібридних моделей: ARMA-GARCH (комбінація моделі авторегресії – ковзного середнього та узагальненої авторегресивної умовно гетероскедастичної моделі), ARMA-EGARCH (комбінація моделі авторегресії – ковзного середнього та експоненціальної узагальненої авторегресивної умовно гетероскедастичної моделі) та ARMA-FIGARCH (комбінація моделі авторегресії – ковзного середнього та дробово інтегрованої узагальненої авторегресивної умовно гетероскедастичної моделі). У результаті емпіричного аналізу виявлено, що модель ARMA-EGARCH (1,20) – це найбільш ефективна модель з точки зору прогнозування щомісячних цінових прибутків на нафту марки WTI.
Класифікація за JEL: Q47.
Посилання
Basher, S. A., & Sadorsky, P. (2006). Oil price risk and emerging stock markets. Global finance journal, 17(2), 224-251. Retreived from: https://doi.org/10.1016/j.gfj.2006.04.001
Huang, R. D., Masulis, R. W., & Stoll, H. R. (1996). Energy shocks and financial markets. Journal of Futures markets, 16(1), 1-27. Retreived from: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=900741
Hung, J. C., Lee, M. C., & Liu, H. C. (2008). Estimation of value-at-risk for energy commodities via fat-tailed GARCH models. Energy Economics, 30(3), 1173-1191. Retreived from: https://doi.org/10.1016/j.eneco.2007.11.004
Mirmirani, S.,& Cheng Li, H. (2004). A comparison of VAR and neural networks with genetic algorithm in forecasting price of oil.In J.M.Binner, G.Kendall & S.-H. Chen (Eds.), Applications of Artificial Intelligence in Finance and Economics(Advances in Econometrics, Vol. 19, pp. 203-223). Emerald Group Publishing Limited. Retreived from: https://doi.org/10.1016/S0731- 9053(04)19008-7
Mohammadi, H., & Su, L. (2010). International evidence on crude oil price dynamics: Applications of ARIMA-GARCH models. Energy Economics, 32(5), 1001-1008. Retreived from: https://doi.org/10.1016/j.eneco.2010.04.009
Moosa, I. A., & Al-Loughani, N. E. (1994). Unbiasedness and time varying risk premia in the crude oil futures market. Energy Economics, 16(2), 99-105. Retreived from: https://doi.org/10.1016/0140-9883(94)90003-5
Muradov, A., Hasanli, Y., & Hajiyev, N. (2018). Crude Oil Price Forecasting Techniques in the World Market. In 6th International Conference on Control and Optimization with Industrial Applications(COIA). Retreived from: https://www.researchgate.net/publication/349297368_CRUDE_OIL_PRICE_FORECASTING_TECHNIQUES_IN_THE_WORLD_MARKET
Organization of the Petroleum Exporting Countries. (2022). Annual report 2021. Retreived from: https://www.opec.org/opec_web/static_files_project/media/downloads/publications/AR%202021.pdf
Radchenko, S. (2005). Oil price volatility and the asymmetric response of gasoline prices to oil price increases and decreases. Energy economics, 27(5), 708-730. Retreived from https://doi.org/10.1016/j.eneco.2005.06.001
Sadorsky, P. (1999). Oil price shocks and stock market activity. Energy economics, 21(5), 449-469. Retreived from: https://doi.org/10.1016/S0140-9883(99)00020-1
U.S. Energy Information Administration. (2023). Short-term energy outlook September 2023. Retreived from: https://www.eia.gov/outlooks/steo/pdf/steo_full.pdf
Wei, Y., Wang, Z., Li, D., & Chen, X. (2022). Can infectious disease pandemic impact the long-term volatility and correlation of gold and crude oil markets?. Finance Research Letters, 47, 102648. Retreived from: https://doi.org/10.1016/j.frl.2021.102648
Yang, C. W., Hwang, M. J., & Huang, B. N. (2002). An analysis of factors affecting price volatility of the US oil market. Energy economics, 24(2), 107-119. Retreived from: https://doi.org/10.1016/S0140-9883(01)00092-5
Yu, L., Zhang, X., & Wang, S. (2017). Assessing potentiality of support vector machine method in crude oil price forecasting. EURASIA Journal of Mathematics, Science and Technology Education, 13(12), 7893-7904. Retreived from: https://doi.org/10.12973/ejmste/77926
Отримано: 26 червня, 2023.
Рецензовано: 28 липня, 2023.
Рекомендовано до друку: 10 серпня, 2023.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
