Как ИИ предсказывает цены на нефть, рассказали ученые НИУ ВШЭ

Экономисты из НИУ ВШЭ — Санкт-Петербург провели исследование точности прогнозирования цен на нефть. В работе использовались классические статистические методы и современная нейросетевая модель LSTM. Результаты опубликованы в журнале AlterEconomics.

Цель исследования — определить наиболее эффективный метод прогнозирования цен на нефть при наличии множества переменных. Учёные сравнили статистические подходы и машинное обучение, а также выявили факторы, влияющие на точность прогнозов.

Читайте также

Хватит травить своих детей покупной гадостью: готовлю сладкие батончики по этому рецепту — мелких за уши не оттащишь

В эксперименте применялись две статистические модели (ARIMA и SARIMAX) и нейросетевая модель (LSTM). ARIMA анализирует только исторические данные о ценах на нефть, тогда как SARIMAX учитывает сезонные колебания и внешние факторы, такие как фондовые индексы, курс доллара и запасы нефти. Модель LSTM выявляет и анализирует сложные взаимосвязи в данных, включая временные ряды. Исследование охватывало период с 2015 по 2019 годы, характеризующийся относительной стабильностью и отсутствием крупных кризисов.

Для анализа была сформирована обширная база данных, включающая промышленные и фондовые индексы, дифференциацию цен между сортами Brent и WTI, стоимость морских перевозок, показатели добычи, переработки и запасов нефти в США. Нейросетевая модель LSTM показала наибольшую точность в краткосрочном прогнозировании с среднеквадратичной ошибкой в 1,5 доллара за баррель.

Варвара Назарова, руководитель департамента финансов НИУ ВШЭ — Санкт-Петербург, подчеркнула: «Модели машинного обучения превосходят авторегрессионные подходы благодаря способности выявлять нелинейные зависимости в данных».

Борис Лодягин, преподаватель департамента финансов НИУ ВШЭ — Санкт-Петербург, отметил: «Нейросети не всегда могут отличить фундаментальные факторы от информационного шума. Поэтому рекомендуется использовать несколько подходов и сравнивать результаты. Искусственный интеллект — мощный инструмент, но он не заменяет аналитическое мышление».

Результаты работы полезны для компаний при принятии решений о покупке нефти и нефтепродуктов, а также для трейдеров на товарных рынках.

Лодягин добавил: «Индустрия активно внедряет модели искусственного интеллекта. Важно проверять их точность и определять случаи, когда они могут давать ошибочные результаты. В будущем планируется протестировать различные версии модели LSTM и провести анализ периода 2020 года, который характеризовался значительным падением цен на нефть до отрицательных значений», пишет источник.