Ημερολόγιο Εκδηλώσεων

Τίτλος εργασίας: Σφάλματα στην βραχυχρόνια πρόβλεψη των τιμών του αργού πετρελαίου

Τίτλος εργασίας στα αγγλικά: Errors in Crude Oil Price Forecasting on Short-Term Basis ​

Eξεταστική Επιτροπή:

Καθηγ. Δ. Χριστόπουλος

Καθηγ. Β. Μουστάκης

Δρ. Ι. Γρηγορίου

ΠΕΡΙΛΗΨΗ

Αυτή η διπλωματική εργασία προβλέπει βραχυπρόθεσμα τις αλλαγές των τιμών του αργού πετρελαίου βασιζόμενη σε μοντέλα χρονικών σειρών. Οι τιμές του αργού πετρελαίου, που χρησιμοποιήθηκαν είναι οι μηνιαίες τρέχουσες τιμές αργού πετρελαίου σε δολάρια Η.Π.Α. με σημείο αναφοράς ένα συνδυασμό από το Brent, το Dubai και το West Texas μέσω του «WTI» , εξίσου υπολογισμένα. Τα αριθμητικά δεδομένα που εισήχθησαν για την πρόβλεψη ήταν από τις μηνιαίες τιμές του αργού πετρελαίου με σημείο αναφοράς τριάντα (30) έτη μεταξύ 1988-2018. Επίσης, αυτή η διπλωματική εργασία παρουσιάζει μια εξαιρετικά ποιοτική και περιγραφική ανάλυση των τιμών του αργού πετρελαίου μεταξύ των ετών 1988 – 2018, χωρισμένη σε οκτώ (8) περιόδους. Η κάθε περίοδος βασίζεται σε σημαντικά γεγονότα και συμβάντα που επηρεάζουν την ανάλυση που παρατηρείται σε κάθε περίοδο. Σε αυτή την διπλωματική εργασία χρησιμοποίησα (4) τέσσερις διαφορετικούς τρόπους προσέγγισης, την συμβατική μέθοδο προσέγγισης, τις προσαρμοσμένες τιμές βάσει πληθωρισμού, τις αντισυμβατικές προβλέψεις από μήνα σε μήνα και τις αντισυμβατικές υβριδικές προσεγγίσεις χρησιμοποιώντας μέθοδο κινητού μέσου όρου και τεχνική εκθετικής εξομάλυνσης. Η ακρίβεια όλων αυτών των μοντέλων αξιολογήθηκε χρησιμοποιώντας διάφορες μετρήσεις σφαλμάτων περιλαμβάνοντας «απόκλιση μέσου όρου, μέσο τετραγωνικό σφάλμα και μέσο ποσοστιαίο σφάλμα», οι οποίες ερευνούν την ικανότητα των μοντέλων πρόβλεψης να προσεγγίσουν τις μηνιαίες τιμές του αργού πετρελαίου. Ακόμα, αναφέρουμε ότι η αριθμητική σύγκριση μεταξύ όλων των μοντέλων επιτεύχθηκε. Τα υπολογισμένα σφάλματα από τα διάφορα μοντέλα πρόβλεψης μας αποκαλύπτουν ότι οι αντισυμβατικές προσεγγίσεις παρουσιάζουν μεγαλύτερη ακρίβεια στα αποτελέσματα και μπορούν να παράγουν μια μεγάλη μείωση των σφαλμάτων περισσότερο από τις συμβατικές προσεγγίσεις. Εν κατακλείδι, είναι σημαντικό να τονιστεί ότι χρησιμοποιώντας μόνο αριθμητικές μεθόδους πρόβλεψης θα παράχθουν αποτελέσματα που έχουν μεγάλα σφάλματα. Η ευαισθησία της βιομηχανίας του πετρελαίου, οι τιμές του πετρελαίου, οι εξωτερικοί παράγοντες και μεταβλητές, μπορούν να κάνουν την μέθοδο πρόβλεψης δυσκολότερη. Και έτσι ο ερευνητής πρέπει να βρει τρόπους που θα μπορεί να χρησιμοποιήσει τις αριθμητικές μεθόδους με τις περιπλοκότητες αυτών και ίσως να μπορέσει να συνδυάσει διαφορετικές προσεγγίσεις για να βελτιώσει αυτά τα αποτελέσματα. Συνεπώς, οι εξαιρετικές κριτικές των ειδικών στο χώρο μπορούν να παίξουν σημαντικό ρόλο στην πρόβλεψη παρακολουθώντας τις παγκόσμιες τάσεις, τις τοπικές συγκυρίες, τις πολιτικές εξελίξεις, τις περιβαλλοντικές πτυχές, τις τεχνολογικές εξελίξεις και τις εποχιακές και καταναλωτικές συνήθειες. Πρέπει να λάβουμε υπόψη όλους αυτούς τους παράγοντες την στιγμή της πρόβλεψης και ειδικά ότι οι τιμές του πετρελαίου επηρεάζονται από την παγκόσμια ζήτηση και τις απαιτήσεις κάθε περιόδου.

ABSTRACT

This thesis forecasts short-term crude oil price changes, based on several time-series forecasting models. The crude oil prices which are used are monthly crude oil spot prices quoted in US Dollar of a benchmark consisting of Brent, Dubai & West Texas Intermediate "WTI" equally weighed. The numerical input data for forecasting are monthly crude oil prices of the mentioned benchmark for 30 year between [1988-2018]. This thesis also addresses a careful qualitative and descriptive analysis of crude oil prices between 1988 & 2018, divided Into 8 periods, each is decided based on significant events that occurred within each period that influence the analysis leading to observable fluctuations in prices. In this thesis I have used four different approaches for forecasting process of monthly crude oil prices including conventional forecasting approach, inflation-adjusted prices approach, unconventional "month by month" forecasting approach & and the unconventional hybrid forecasting approach using the moving average and exponential smoothing models. The accuracy of those all generated models was evaluated using different error measures including "MAD, MSE & MAPE", to investigate the capability of generated forecasting model in accurately forecasting the monthly crude spot prices. Afterwards, a numerical comparison of the unconventional hybrid approach & the month by month approach to the conventional and inflation-adjusted approach is made. The error estimates of the different forecasting models show that unconventional approaches tend to provide significant improvement in forecasting results and can generate larger reductions in error values than those generated by conventional and/or the inflation-adjusted approaches. My understanding for forecasting of crude oil prices on short term basis is that using direct numerical forecasting methods solely will generate models and forecasted results that suffer large errors deviating than those real ones, the sensitivity of oil industry and oil prices to external events and factors make the process of forecasting uneasy, and therefore a researcher must find ways that both can combine the numerical methods but with twists and may be combine different approaches to enhance these results. Additionally, a qualitative judgment of experts can play a good role while forecasting by watching and monitoring the global trend, regional events, political situations, environmental aspects, presence of technological advancements, seasonality and consumer behavior, then take into account all these factors while forecasting specially that oil prices are heavily impacted by global oil supply & demand.